9.6 TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU
|
|
- Bohumil Bílek
- před 7 lety
- Počet zobrazení:
Transkript
1 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU Na následujícím příkladu si vysvětlíme problematiku třídění podle jednoho nespojitého číselného znaku, kdy: je k dispozici větší počet prvků číselné hodnoty se opakují. Pro potřeby třídění sestavíme četnostní tabulku 9.4, neboli tabulku rozdělení četností. Ta podává informaci o četnosti výskytu jednotlivých variant (obměn) znaku v souboru. Předpokládejme, že pracovník podniku Alfa Blatná, který spravuje podnikovou databázi, exportoval do tabulkového procesoru všechny pracovníky podniku s některými sledovanými atributy (vlastnostmi), které jsou vypsané v tabulce 9.1. Tuto tabulku budeme používat pro všechny další příklady Tabulka 9.1: Zaměstnanci malé organizace Alfa Blatná k Číslo pracovníka Příjmení Pohlaví Titul Stav Počet vyživovaných dětí Pracovní kategorie Hrubá měsíční mzda za červen Zbývá dní dovolené 1 Adam Dělník Bartoš Dělník Beneš Dělník Berka Provozní Bláha 1 Ing. 2 2 Technický Bohuš Dělník Bouše Dělník Boušová Hospodářský
2 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 2 9 Bůbal Dělník Bureš Technický Burešová Provozní Burgerová Dělník Černá Dělník Daněk Dělník Dlask Dělník Dobeš Dělník Drobník 1 RNDr. Bc. 2 2 Hospodářský Erb Dělník Fichtner Dělník Gál Hospodářský Gott Dělník Havel Hospodářský Házová Dělník Hejral Technický Hrubín Dělník Hubač Dělník Hupová Provozní Hus 1 JUDr. 2 3 Hospodářský Janda Dělník Janků Dělník Janků Provozní Jarý Dělník Jiřinec Dělník Jonáš Dělník Kobosil Hospodářský Korousová Dělník Kos Dělník Koucký Dělník Kulíšek Dělník Lahodný Dělník
3 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 3 41 Lahodová Dělník Líbenková 2 Mgr. 2 0 Hospodářský Lín Dělník Linka 1 Doc. 2 2 Hospodářský Líný 1 Mgr. 2 1 Technický Mahel Dělník Masaryk Dělník Mocová Dělník Moravec Technický Nezval Dělník Nohavica Technický Novák Dělník Novák Dělník Nováková Dělník Ondráš Dělník Prádler Hospodářský Rus Technický Svoboda Technický Tatar Technický Tomšů Technický Celkem x x x 106 x x Vysvětlivky: Pohlaví Kód muž 1 žena 2 Stav Kód svobodný/á 1 vdaná/ženatý 2 vdova/vdovec 3 rozvedený/á 4
4 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 4 Příklad 9.3: a) Z tabulky 9.1 vhodné skupinové tabulky roztřídíme soubor pracovníků dle třídícího číselného znaku počet vyživovaných dětí na jednotlivé třídy. Současně doplníme procento pracovníků s daným počtem dětí. Dále vytvoříme histogram rozdělení četnosti pracovníků v závislosti na počtu vyživovaných dětí. b) Do skupinové tabulky doplníme kumulativní četnost. Tzn. počet pracovníků, kteří mají 0 dětí, 0 až 1 dítě, 0 až 2 děti, 0 až 3 děti atd. Vytvoříme graf (histogram) kumulativní četnosti pracovníků v závislosti na počtu vyživovaných dětí. c) Do skupinové tabulky doplníme poměrné zastoupení pro kumulativní četnosti. d) Uvedeme slovní popis pro první, druhý a třetí řádek tabulky. Řešení: Ad a) U číselného znaku nastávají tyto problémy: Na první pohled neznáme počet tříd. V našem případě nevíme, od jakého počtu dětí do jakého počtu dětí se budeme pohybovat. Proto musíme ve sloupci "Počet vyživovaných dětí" nejprve zjistit minimum a maximum. Do skupinové tabulky pak doplníme i všechny hodnoty celých čísel ležící mezi minimem a maximem. Minimum a maximum zjistíme z tabulky 9.1 buď ručně, anebo výpočtem v MS Excel. Pohledem vidíme, že v tab. 9.1 je nejmenší počet dětí 0 a nejvyšší počet dětí je 6. Při výpočtu v MS Excel jde o funkci MIN a MAX. =MIN(oblast) =MAX(oblast) kde oblast je oblast buněk v tabulce 9.1, kde se nalézá sloupec Počet vyživovaných dětí. Například: =MIN(F24:F83) =MAX(F24:F83) Proto ve skupinové tabulce označíme legendu názvem Počet dětí a v legendě uvedeme čísla 0, 1, 2, 3, 4, 5, 6, což jsou jednotlivé obměny (varianty) nespojitého číselného znaku počet dětí.
5 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 5 U nás x 1 = 0, x 2 = 1, x 3 = 2, x 4 = 3, x 5 = 4, x 6 = 5, x 7 = 6. Legendu uzavřeme řádkem "Celkem", kdy sečteme počty pracovníků s daným počtem dětí. V hlavičce tabulky bude prozatím: počet pracovníků s daným počtem dětí absolutně, počet pracovníků s daným počtem dětí v procentech. Počet pracovníků s 0 vyživovanými dětmi zjistíme: buď ručně, zjistíme, že počet znaků 0 v tabulce 9.1 je 12, anebo MS Excel. Do tabulky 9.4 do sloupce Počet pracovníků absolutně k řádku 0 dětí napíšeme: =COUNTIF(oblast;0) kde oblast je sloupec buněk v tabulce 9.1, kde se nalézá sloupec Počet vyživovaných dětí a znak 0 znamená, že v oblasti hledáme počet nul. Například: =COUNTIF(F$24:F$83;0) Zjistíme počet pracovníků, kteří nemají žádné vyživované dítě, je 12. Podobně ručně či v MS Excel zjistíme, že počet pracovníků, kteří mají jedno vyživované dítě, je 14. Dvě vyživované děti má 19 pracovníků, tři děti má 9 pracovníků, čtyři děti mají 4 pracovníci, pět a šest dětí má 1 pracovník. V řádku Celkem ve sloupci Počet pracovníků absolutně sečteme pracovníky s různým počtem dětí. Výsledek musí být 60, což je počet pracovníků. Ve sloupci "Počet pracovníků v %" jde o známá poměrná čísla struktury. Spočítáte je jednoduše podle příkladu 9.1. Tabulka vypadá takto:
6 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 6 Tab. 9.4: Třídění pracovníků firmy Alfa Blatná dle počtu vyživovaných dětí k Počet dětí Počet pracovníků absolutně v % kumulativně kumulativně v % , , , , , , , , , , , , , ,0 Celkem ,0 x x Histogram rozdělení četnosti statistických jednotek (prvků souboru) v závislosti na počtu obměn statistického znaku se tvoří pomocí sloupcového grafu, kde výška sloupce (hodnota y) představuje: buď počet (absolutní četnost) statistických jednotek v závislosti na určité obměně statistického znaku, který tvoří proměnnou na ose x. anebo relativní počet (relativní četnost v % nebo v poměrných číslech) statistických jednotek v závislosti na určité obměně statistického znaku, který tvoří proměnnou na ose x. V našem příkladě jde o histogram rozdělení četnosti pracovníků v závislosti na počtu vyživovaných dětí, který se tvoří pomocí sloupcového grafu, kde výška sloupce (hodnota y) představuje: buď počet (absolutní četnost) pracovníků v závislosti na různém počtu vyživovaných dětí, který tvoří proměnnou na ose x, anebo relativní počet (relativní četnost v % nebo v poměrných číslech) pracovníků v závislosti na různém počtu dětí, který tvoří proměnnou na ose x. Histogram rozdělení absolutní četnosti pracovníků v závislosti na různém počtu dětí, který tvoří proměnnou na ose x, vytvoříme sloupcovým grafem ze sloupce Počet pracovníků absolutně. Na ose x budou hodnoty z legendy tabulky 9.4, kde je počet dětí od 0 do 6. Histogram rozdělení absolutní četnosti pracovníků v závislosti na různém počtu dětí je v grafu 9.1. Z grafu vidíme: Počet pracovníků narůstá s počtem vyživovaných dětí až do počtu 2 dětí. Nejvyšší počet pracovníků má na sebe napsané 2 vyživované děti. Od počtu 2 vyživovaných dětí do 5 počet pracovníků klesá.
7 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 7 Tzn., že nejvíce pracovníků má střední počet dětí. Menší počet dětí i větší počet dětí má na sebe napsaný již menší počet pracovníků. S tím souvisí obálka grafu, která připomíná tvarem horu nebo zvon. Jedná se o asymetrickou Gaussovu křivku, o které se zmíníme ještě později. Histogram relativní četnosti pracovníků v závislosti na různém počtu dětí (který tvoří proměnnou na ose x) vytvoříme sloupcovým grafem ze sloupce Počet pracovníků v %. Na ose x budou hodnoty z legendy tabulky 9.4, kde je počet dětí od 0 do 6. Histogram rozdělení relativní četnosti pracovníků v závislosti na různém počtu dětí je v grafu 9.2. Tvar grafu s relativní četností je stejný, jako u grafu s absolutní četností. Jen místo počtů pracovníků jsou procenta pracovníků s daným počtem dětí.
8 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 8 Ad b) Do skupinové tabulky doplníme kumulativní četnost. Tzn. počet pracovníků, kteří mají 0 dětí, 0 až 1 dítě, 0 až 2 děti, 0 až 3 děti atd. Vytvoříme graf (histogram) kumulativní četnosti pracovníků v závislosti na počtu vyživovaných dětí. Do hlavičky tabulky 9.4 doplníme sloupce: počet pracovníků s daným počtem dětí kumulativně, kam doplníme kumulativní četnost, počet pracovníků s daným počtem dětí kumulativně v procentech. Kumulativní četnost vytvoříme takto: Do sloupce Počet pracovníků kumulativně na první řádek opíšeme počet pracovníků, kteří nemají žádné vyživované dítě, tj. opíšeme číslo 12. Na druhý řádek sečteme počet pracovníků s 0 dětmi a s 1 vyživovaným dítětem, tj = 26. Na třetí řádek sečteme počet pracovníků s 0 dětmi, s 1 vyživovaným dítětem i se 2 vyživovanými dětmi, tj = = 45. V kumulaci vždy sečítáme předchozí součet a k němu sečteme další počet pracovníků s vyšším počtem dětí. Další řádky vypočítejte sami. V řádku Celkem ve sloupci Počet pracovníků kumulativně i Počet pracovníků kumulativně v % dáme symbol x, neboť hodnota v tomto řádku nemá smysl. Graf kumulativní četnosti pracovníků v závislosti na počtu vyživovaných dětí vytvoříme sloupcovým grafem ze sloupce tabulky 9.4 Počet pracovníků kumulativně. Na ose x budou hodnoty 0, 0-1, 0-2 až 0-6. Kumulativní četnosti pracovníků v závislosti na počtu vyživovaných dětí je zobrazena v grafu 9.3. Z grafu vidíme, že počet pracovníků, kteří mají od minima (0) po nějaký počet dětí narůstá nejprve rychleji, pak pomaleji k hodnotě 60, kdy 0 až 6 dětí má všech 60 pracovníků.
9 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 9 Ad c) Do skupinové tabulky doplníme poměrné zastoupení pro kumulativní četnosti. Snadno spočítáme, že: 12 pracovníků, kteří mají 0 vyživovaných dětí ze 60 pracovníků, je 20 %, 26 pracovníků, kteří mají 0 až 1 vyživované dítě ze 60 pracovníků, je 43,3 %, 45 pracovníků, kteří mají 0 až 2 vyživované děti ze 60 pracovníků, je 75 %, ostatní výsledky jsou v tabulce 9.4 ve sloupci Počet pracovníků kumulativně v %. Graf relativní kumulativní četnosti pracovníků v závislosti na počtu vyživovaných dětí vytvoříme sloupcovým grafem ze sloupce tabulky 9.4 Počet pracovníků kumulativně v %. Na ose x budou hodnoty 0, 0-1, 0-2 až 0-6. Ad d) Uvedeme slovní popis pro první, druhý a třetí řádek tabulky. Slovní popis pro první řádek tabulky: Nula vyživovaných dětí má 12 pracovníků ze 60, což je 20 % pracovníků. Slovní popis pro druhý řádek tabulky: Jedno vyživované dítě má 14 pracovníků ze 60, což je 23,3 % pracovníků. Nula až jedno vyživované dítě má 26 pracovníků ze 60, což je 43,3 % pracovníků. Slovní popis pro třetí řádek tabulky: Dvě vyživované děti má 19 pracovníků ze 60, což je 31,7 % pracovníků. Nula až dvě vyživované děti má 45 pracovníků ze 60, což je 75 % pracovníků.
10 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 10 Úkol 9.3: a) Z tabulky 9.1 vhodné skupinové tabulky roztřídíme soubor pracovníků dle třídícího číselného znaku Zbývá dní dovolené na jednotlivé třídy. Současně doplníme procento pracovníků s danými zbylými dny dovolené. Dále vytvoříme histogram rozdělení četnosti pracovníků v závislosti na počtu zbylých dní dovolené. b) Do skupinové tabulky doplníme kumulativní četnost. Vytvoříme graf kumulativní četnosti pracovníků v závislosti na počtu zbylých dní dovolené. c) Do skupinové tabulky doplníme poměrné zastoupení pro kumulativní četnosti. d) Uvedeme slovní popis pro první, druhý a třetí řádek tabulky. Závěr pro třídění podle jednoho nespojitého číselného znaku Pro potřeby třídění jsme sestavili četnostní tabulku 9.4, neboli tabulku rozdělení četností. Ta podává informaci o četnosti výskytu jednotlivých variant (obměn) znaku v souboru. Označme: x i, kde i = 1, 2,... k jsou jednotlivé obměny (varianty) nespojitého číselného znaku n i, kde i = 1, 2,... k jsou absolutní četnosti odpovídající obměnám. Rozdělení četností lze vyjádřit způsobem uvedeným v následující tabulce: Tabulka rozdělení četností Obměna znaku x i Četnost Kumulativní četnost absolutní n i relativní p i absolutní n i relativní p i x 1 n 1 p 1 n 1 p 1 x 2 n 2 p 2 n 1 + n 2 p 1 + p 2 x k n k p k n i = n p i = 1=100 % Celkem n i = n p i = 1 =100 % x x V řádku Celkem je symbolem suma zobrazen součet absolutních četností i relativních četností (jako poměrné číslo nebo v %). Ve sloupci kumulativní četnost je naznačeno, že kumulativní četnost vzniká jako postupný součet absolutních četností, jak jsme si ukázali v příkladu.
11 Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 11 PŘÍKLADY V EXCELU Praktické provedení třídění v MS Excel je v příkladech: 21TrideniDleJednohoCiselnehoZnakuNespojitehoNeresene.xlsx zde je neřešený příklad. 21TrideniDleJednohoCiselnehoZnakuNespojitehoResene.xlsx zde je ten samý příklad řešený. 21TrideniDleJednohoCiselnehoZnakuNespojitehoUkol.xlsx zde je nový neřešený příklad. OPAKOVACÍ OTÁZKY 1. Jak postupujeme při třídění podle jednoho číselného znaku nespojitého?
PŘÍKLAD NA TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU
PŘÍKLAD NA TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU Pracovník, který spravuje podnikovou databázi, exportoval do tabulkového procesoru všechny pracovníky podniku Alfa Blatná s některými sledovanými
Více9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI
Statistické třídění, intervalové rozdělení četnosti Aleš Drobník strana 1 9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Problematiku třídění podle jednoho spojitého
VícePŘÍKLAD NA TŘÍDĚNÍ DLE JEDNOHO SLOVNÍHO ZNAKU
PŘÍKLAD NA TŘÍDĚNÍ DLE JEDNOHO SLOVNÍHO ZNAKU Pracovník, který spravuje podnikovou databázi, exportoval do tabulkového procesoru všechny pracovníky podniku Alfa Blatná s některými sledovanými atributy
Více9. STATISTICKÉ TŘÍDĚNÍ
Statistické třídění. Třídění dle jednoho znaku Aleš Drobník strana 1 9. STATISTICKÉ TŘÍDĚNÍ 9.1 CO JE TO STATISTICKÉ TŘÍDĚNÍ Již jsme si říkali, že v 19. a 20. století se stala statistika vědou, která
VícePŘÍKLAD NA TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI
PŘÍKLAD NA TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Pracovník, který spravuje podnikovou databázi, exportoval do tabulkového procesoru všechny pracovníky podniku
Více8.1.2 TABULKA SKUPINOVÁ
Prezentace dat. Tabulky skupinové a kombinační Aleš Drobník strana 1 8.1.2 TABULKA SKUPINOVÁ Užití: Hlubší analýza konkrétnější oblasti. Například ve vlastní části odborné práce, žákovského projektu apod.
Více5.2.4 POMĚRNÁ ČÍSLA SPLNĚNÍ PLÁNU
Druhy poměrných čísel Aleš Drobník strana 1 5.2.4 POMĚRNÁ ČÍSLA SPLNĚNÍ PLÁNU Poměrná čísla neboli poměrní ukazatelé : Získáme srovnáním (podílem) 2 veličin stejnorodých. Srovnávaná veličina (čitatel)
VícePrezentace dat. Slovní popis a tabulky prosté Aleš Drobník strana 1
Prezentace dat. Slovní popis a tabulky prosté Aleš Drobník strana 1 8. PREZENTACE DAT Jakými prostředky sdělujeme informace, údaje, účetní a statistické charakteristiky? Používáme tyto prostředky sdělování
Více9.5 TŘÍDĚNÍ PODLE DVOU SLOVNÍCH ZNAKŮ
Statistické třídění podle dvou slovních znaků Aleš Drobník strana 1 9.5 TŘÍDĚNÍ PODLE DVOU SLOVNÍCH ZNAKŮ Problematiku třídění podle dvou slovních znaků si vysvětlíme na následujícím příkladu. Příklad
VícePREZENTACE DAT: SLOŽITĚJŠÍ GRAFY
PREZENTACE DAT: SLOŽITĚJŠÍ GRAFY V kombinační tabulce 8.7 jsme roztřídili soubor pracovníků dle znaku pracovní kategorie na 4 třídy dělníci, techničtí pracovníci, hospodářští pracovníci, provozní a obsluhující
VícePŘÍKLAD NA VÁŽENÝ ARITMETICKÝ PRŮMĚR Z INTERVALOVÉHO ROZDĚLENÍ ČETNOSTI
PŘÍKLAD NA VÁŽENÝ ARITMETICKÝ PRŮMĚR Z INTERVALOVÉHO ROZDĚLENÍ ČETNOSTI Přílad 0.6 Pracoví, terý spravuje podovou databáz, eportoval do tabulového procesoru všechy pracovíy podu Alfa Blatá s ěterým sledovaým
VíceStřední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1
Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,
Více10.2 VÁŽENÝ ARITMETICKÝ PRŮMĚR
Středí hodoty Artmetcý průměr vážeý ze tříděí Aleš Drobí straa 0 VÁŽENÝ ARITMETICKÝ PRŮMĚR Výzam a užtí vážeého artmetcého průměru uážeme a ásledujících příladech Přílad 0 Ve frmě Gama Blatá máme soubor
VíceSTATISTICA Téma 1. Práce s datovým souborem
STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme
VíceSrovnání údajů. Poměrná čísla Aleš Drobník strana 1
Srovnání údajů. Poměrná čísla Aleš Drobník strana 4. SROVNÁVÁNÍ ÚDAJŮ Statistika mj. zpracovává údaje (viz definice statistiky). Důležitou součástí zpracování údajů je srovnávání údajů (statistických znaků
VíceProtokol č. 7. Jednotné objemové křivky. Je zadána výměra porostu, výška dřevin a počty stromů v jednotlivých tloušťkových stupních.
Protokol č. 7 Jednotné objemové křivky Zadání: Pro zadané dřeviny stanovte zásobu pomocí JOK tabulek. Součástí protokolu bude tabulka obsahující střední Weisseho tloušťku, Weisseho procento, číslo JOK,
VíceProtokol č. 1. Tloušťková struktura. Zadání:
Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále
VícePrezentace dat. Grafy Aleš Drobník strana 1
Prezentace dat. Grafy Aleš Drobník strana 1 8.3 GRAFY Užití: Grafy vkládáme do textu (slovního popisu) vždy, je-li to vhodné. Grafy zvýší přehlednost sdělovaných informací. Výhoda grafu vůči tabulce či
VíceKontrola: Sečteme-li sloupec,,četnost výskytu musí nám vyjít hodnota rozsahu souboru (našich 20 žáků)
Základní výpočty pro MPPZ Teorie Aritmetický průměr = součet hodnot znaku zjištěných u všech jednotek souboru, dělený počtem všech jednotek souboru Modus = hodnota souboru s nejvyšší četností Medián =
VícePREZENTACE DAT: JEDNODUCHÉ GRAFY
PREZENTACE DAT: JEDNODUCHÉ GRAFY V tabulce 8.1 uvádíme přehled některých ukazatelů fiktivní firmy Alfa Blatná. Tabulka 8.1 je prostá, je v ní navíc časové srovnání hodnot v roce 2011 a v roce 2012. a)
VíceŠkály podle informace v datech:
Škály podle informace v datech: Různé typy dat znamenají různou informaci, resp. různé množství informace Data nominální Rovná se? x 1 = x 2 Data ordinální Větší, menší? x 1 < x 2 Data intervalová O kolik?
VíceProtokol č. 6. Objemové tabulky
Protokol č. 6 Objemové tabulky Zadání: Pro zadané dřeviny stanovte zásobu pomocí objemových tabulek. Součástí protokolu bude tabulka obsahující parametry výškové funkce, objem středního kmene a střední
VíceStatistika. Zpracování informací ze statistického šetření. Roman Biskup
Statistika Zpracování informací ze statistického šetření Třídění statistického souboru Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 20. února 2012
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VícePojem a úkoly statistiky
Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby
Více5.3 SHRNUTÍ LÁTKY NA POMĚRNÁ ČÍSLA, SOUVISLÝ PŘÍKLAD
Souvislý příklad na poměrná čísla Aleš Drobník strana 1 5.3 SHRNUTÍ LÁTKY NA POMĚRNÁ ČÍSLA, SOUVISLÝ PŘÍKLAD Poměrná čísla se hojně užívají v ekonomické praxi. Všechny druhy poměrných čísel si shrneme
Více6 Ordinální informace o kritériích
6 Ordinální informace o kritériích Ordinální informací o kritériích se rozumí jejich uspořádání podle důležitosti. Předpokládejme dále standardní značení jako v předchozích cvičeních. Existují tři základní
VíceStatistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing.
1.2 Prezentace statistických dat Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing. Jan Spousta Co se dozvíte Statistické ukazatele.
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceSTATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE
STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí
VíceZáklady statistiky pro obor Kadeřník
Variace 1 Základy statistiky pro obor Kadeřník Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv další využití výukového materiálu je povoleno pouze s uvedením odkazu na www.jarjurek.cz 1. Aritmetický průměr
Více5. Lokální, vázané a globální extrémy
5 Lokální, vázané a globální extrémy Studijní text Lokální extrémy 5 Lokální, vázané a globální extrémy Definice 51 Řekneme, že f : R n R má v bodě a Df: 1 lokální maximum, když Ka, δ Df tak, že x Ka,
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul V: Nekategorizovaná data Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis
VíceMicrosoft Excel - tabulky
Microsoft Excel - tabulky RNDr. Krejčí Jan, Ph.D. 5. listopadu 2015 RNDr. Krejčí Jan, Ph.D. (UJEP) Microsoft Excel - tabulky 5. listopadu 2015 1 / 1 Osnova RNDr. Krejčí Jan, Ph.D. (UJEP) Microsoft Excel
Více2.5 STATISTISKÉ ZJIŠŤOVÁNÍ, ZÁKLADNÍ STATISTICKÉ POJMY
Základní statistické pojmy Aleš Drobník strana 1 2.5 STATISTISKÉ ZJIŠŤOVÁNÍ, ZÁKLADNÍ STATISTICKÉ POJMY Organizace (zpravodajská jednotka) provádějí různé druhy statistického zjišťování z důvodu: vlastní
VíceZÁKLADY STATISTICKÉHO ZPRACOVÁNÍ ÚDAJŮ 5. hodina , zapsala Veronika Vinklátová Revize zápisu Martin Holub,
ZÁKLADY STATISTICKÉHO ZPRACOVÁNÍ ÚDAJŮ 5. hodina - 22. 3. 2018, zapsala Revize zápisu Martin Holub, 27. 3. 2018 I. Frekvenční tabulky opakování z minulé hodiny Frekvenční tabulka je nejzákladnější nástroj
Vícefakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu http://akademie.ldf.mendelu.cz/cz (reg. č. CZ.1.07/2.2.00/28.
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceJčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4
ŘEŠENÍ MINITESTŮ JčU - Cvičení z matematiky pro zemědělské obory (doc. RNDr. Nýdl, CSc & spol.) Minitest MT4. Z daných tří soustav rovnic o neznámých x, x vyberte právě všechny ty, které jsou regulární.
VíceMetodologie pro ISK 2, jaro Ladislava Z. Suchá
Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění
Více3. VELIČINY UŽÍVANÉ VE STATISTICE A EKONOMICE
Veličiny užívané ve statistice Aleš Drobník strana 1 3. VELIČINY UŽÍVANÉ VE STATISTICE A EKONOMICE Lze zjednodušeně říci: Statistika = matematika užitá v ekonomice (aj. vědních oborech). Statistika jako
VíceNáhodné chyby přímých měření
Náhodné chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně pravděpodobná.
VíceTřídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
VíceAnalýza dat s využitím MS Excel
Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti
Více2. Numerické výpočty. 1. Numerická derivace funkce
2. Numerické výpočty Excel je poměrně pohodlný nástroj na provádění různých numerických výpočtů. V příkladu si ukážeme možnosti výpočtu a zobrazení diferenciálních charakteristik analytické funkce, přičemž
VíceLDF MENDELU. Simona Fišnarová (MENDELU) Základy lineárního programování VMAT, IMT 1 / 25
Základy lineárního programování Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem
VíceTvorba fotogalerie v HTML str.1
Tvorba fotogalerie v HTML str.1 obr. A obr. B 1) Spustíme PsPad, vytvoříme nový dokument a otevře se nám okno nový soubor, kde si můžeme zvolit jaký chceme typ. My označíme HTML a potvrdíme. 2) Pro správné
VíceAPERIO PROBLÉMY A POTŘEBY RODIČŮ
APERIO PROBLÉMY A POTŘEBY RODIČŮ intertová anketa díl B: Statistická analýza dat zpracovatel: Petr Vendera ve spolupráci s DEMA a. s. zpráva byla vydána 30. 3. 2008 výhradně pro objednatele výzkumu Podpořeno
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceAnalýza dat z dotazníkových šetření. Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/
Analýza dat z dotazníkových šetření Cvičení 3. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou
Více2. popis prostředí, nastavení pracovní plochy
(c) mise 2013 1 2 1. úvod Tabulkový procesor program pro organizaci a správu dat pomocí tabulek určen pro zpracování dat převážně číselného charakteru Využití tabulkových procesorů přehledná prezentace
VíceMatematické modelování dopravního proudu
Matematické modelování dopravního proudu Ondřej Lanč, Alena Girglová, Kateřina Papežová, Lucie Obšilová Gymnázium Otokara Březiny a SOŠ Telč lancondrej@centrum.cz Abstrakt: Cílem projektu bylo seznámení
VíceFunkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018
Funkce více proměnných Extrémy Přednáška pátá 12.března 2018 Zdroje informací Diferenciální počet http://homen.vsb.cz/~kre40/esfmat2/fceviceprom.html http://www.studopory.vsb.cz/studijnimaterialy/sbirka_uloh/pdf/7.pdf
VíceMatice přechodu. Pozorování 2. Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např.
Matice přechodu Základní úkol: Určete matici přechodu od báze M k bázi N. Každou bázi napíšeme do sloupců matice, např. u příkladu 7 (v ) dostaneme: Nyní bychom mohli postupovat jako u matice homomorfismu
VíceDeskriptivní statistika (kategorizované proměnné)
Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 15 2 Obrazová analýza Vysvětlivky pojmů k vyhodnocení struktury pomocí metod obrazové analýzy: Počet snímaných polí - počet (zde třikrát), kolikrát byla daná oblast scenována CCD
VíceStav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
VíceMICROSOFT EXCEL - ÚKOLY
MICROSOFT EXCEL - ÚKOLY Mgr. Krejčí Jan Základní škola Jaroslava Pešaty, Duchcov 21. září 2012 Mgr. Krejčí Jan (ZSJP) MICROSOFT EXCEL - ÚKOLY 21. září 2012 1 / 7 Microsoft Excel - Úkoly Anotace V souboru
VíceCvičení 12: Binární logistická regrese
Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,
VíceZáklady popisné statistiky
Kapitola Základy popisné statistiky Všude kolem nás se setkáváme se shromažd ováním velkého počtu údajů o nejrůznějších objektech Mohou to být národohospodářské údaje o vývoji ekonomiky dané země sbírané
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění druhého stupně Jak vytvořit a interpretovat kontingenční
VíceDotazy tvorba nových polí (vypočítané pole)
Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
Více1 Determinanty a inverzní matice
Determinanty a inverzní matice Definice Necht A = (a ij ) je matice typu (n, n), n 2 Subdeterminantem A ij matice A příslušným pozici (i, j) nazýváme determinant matice, která vznikne z A vypuštěním i-tého
VíceMgr. et Mgr. Jan Petrov, LL.M. Ph.D. BYZNYS A PRÁVO
BYZNYS A PRÁVO Byznys a právo OBSAH ZÁKLADNÍ FUNKCE EXCELU... 2 FUNKCE ODMOCNINA A ZAOKROULIT... 4 FORMÁT A OBSAH BUNĚK... 5 RELATIVNÍ ODKAZY... 9 ABSOLUTNÍ ODKAZY... 11 Byznys a právo ZÁKLADNÍ FUNKCE
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA MAPOVÁNÍ A KARTOGRAFIE
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ, OBOR GEODÉZIE A KARTOGRAFIE KATEDRA MAPOVÁNÍ A KARTOGRAFIE název předmětu TOPOGRAFICKÁ A TEMATICKÁ KARTOGRAFIE číslo úlohy název úlohy 2 Tvorba tematických
Více1/10. Kapitola 12: Soustavy lineárních algebraických rovnic
1/10 Kapitola 12: Soustavy lineárních algebraických rovnic Soustavy lineárních algebraických rovnic 2/10 Definice: Soustavou m lineárních algebraických rovnic o n neznámých rozumíme soustavu rovnic a 11
VíceStatistika. pro žáky 8. ročníku. úterý, 26. března 13
Statistika pro žáky 8. ročníku Co je to statistika? Statistika je věda, která se snaží zkoumat reálná data a přibližuje nám zkoumaný jev a zákonitosti s ním spojené. Co nám statistika přináší? Co nám statistika
VíceHODNOCENÍ VÝUKY STUDENTY PEDF UK ZS 2016/2017
HODNOCENÍ VÝUKY STUDENTY PEDF UK ZS 216/217 1 Vývoj počtu zúčastněných studentů od roku 21/211 Počet studentů ROK SEMESTR 21 211 212 213 214 215 216 DRUH FORMA ZS LS ZS LS ZS LS ZS (% 1 ) LS (%) ZS (%)
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle
VíceStatistická šetření a zpracování dat.
Statstcká šetření a zpracování dat. Vyjadřovací prostředky ve statstce STATISTICKÉ TABULKY Typckým vyjadřovacím prostředkem statstky je číslo formalzovaným nástrojem číselného vyjádření je statstcká tabulka.
VíceJednovýběrové testy. Komentované řešení pomocí MS Excel
Jednovýběrové testy Komentované řešení pomocí MS Excel Vstupní data V dalším budeme předpokládat, že tabulka se vstupními daty je umístěna v oblasti A1:C23 (viz. obrázek) Základní statistiky vložíme vzorce
VíceII. Vzorce v Excelu Tipy pro práci s Wordem Kontingenční tabulky v Excelu, 1. část
II. Vzorce v Excelu Tipy pro práci s Wordem Kontingenční tabulky v Excelu, 1. část Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová Zdroje dat Excelu Import
Více2. Bodové a intervalové rozložení četností
. Bodové a intervalové rozložení četností (Jak získat informace z datového souboru?) Po prostudování této kapitoly budete umět: konstruovat diagramy znázorňující rozložení četností vytvářet tabulky četností
Více1 Extrémy funkcí - slovní úlohy
1 Extrémy funkcí - slovní úlohy Příklad 1.1. Součet dvou kladných reálných čísel je a. Určete 1. Minimální hodnotu součtu jejich n-tých mocnin.. Maximální hodnotu součinu jejich n-tých mocnin. Řešení.
Více2. cvičení z ZI1 - Excel
Doc.Ing. Vlastimil Jáneš... janes@fd.cvut.cz 2. cvičení z ZI1 - Excel O Excelu - organizace listů : 1 list : max. 65 536 řádků a 256 sloupců, tj. 16 777 216 buněk. Sloupce : A, B,.Z, AA, AB,. IU, IV (26
Vícepracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera
Výstup RVP: Klíčová slova: pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Mirek Kubera žák diskutuje a kriticky zhodnotí statistické informace a daná statistická sdělení, volí
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceZákladní pojmy a cíle statistiky 1
Základní pojmy a cíle statistiky 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Předmět zkoumání Statistiky Definice statistiky Statistika zasahuje do mnoha oblastí našeho moderního
VíceParametrické programování
Parametrické programování Příklad 1 Parametrické pravé strany Firma vyrábí tři výrobky. K jejich výrobě potřebuje jednak surovinu a jednak stroje, na kterých dochází ke zpracování. Na první výrobek jsou
VíceProjekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030. MS Excel
Masarykovo gymnázium Příbor, příspěvková organizace Jičínská 528, Příbor Projekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030 MS Excel Metodický materiál pro základní
VíceProtokol č. 8. Stanovení zásoby relaskopickou metodou
Protokol č. 8 Stanovení zásoby relaskopickou metodou Zadání: Pro zadané dřeviny stanovte zásobu pomocí relaskopické metody. Součástí protokolu bude vyplněný protokol podle relaskopického formuláře (provedení
Více2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka
2. Statistická terminologie a vyjadřovací prostředky 2.1. Statistická terminologie Statistická jednotka Statistická jednotka = nositel statistické informace, elementární prvek hromadného jevu. Příklady:
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceFrantišek Hudek. květen 2012
VY_32_INOVACE_FH06 Jméno autora výukového materiálu Datum (období), ve kterém byl VM vytvořen Ročník, pro který je VM určen Vzdělávací oblast, obor, okruh, téma Anotace František Hudek květen 2012 8. ročník
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceNejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. y + y = 4 sin t.
1 Variace konstanty Nejdřív spočítáme jeden příklad na variaci konstant pro lineární diferenciální rovnici 2. řádu s kostantními koeficienty. Příklad 1 Najděte obecné řešení rovnice: y + y = 4 sin t. Co
VíceVzorce. Suma. Tvorba vzorce napsáním. Tvorba vzorců průvodcem
Vzorce Vzorce v Excelu lze zadávat dvěma způsoby. Buď známe přesný zápis vzorce a přímo ho do buňky napíšeme, nebo použijeme takzvaného průvodce při tvorbě vzorce (zejména u složitějších funkcí). Tvorba
VíceHydrologie (cvičení z hydrometrie)
Univerzita Karlova v Praze Přírodovědecká fakulta Katedra fyzické geografie a geoekologie Hydrologie (cvičení z hydrometrie) Zhodnocení variability odtokového režimu pomocí základních grafických a statistických
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceNávod pro práci s SPSS
Návod pro práci s SPSS Návody pro práci s programem SPSS pro kurz Metodologie pro Informační studia a knihovnictví 2 (jaro 2013) Ladislava Zbiejczuk Suchá Instalace programu SPSS najdete v INETu. Po přihlášení
VíceŘešení 1b Máme najít body, v nichž má funkce (, ) vázané extrémy, případně vázané lokální extrémy s podmínkou (, )=0, je-li: (, )= +,
Příklad 1 Najděte body, v nichž má funkce (,) vázané extrémy, případně vázané lokální extrémy s podmínkou (,)=0, je-li: a) (,)= + 1, (,)=+ 1 lok.max.v 1 2,3 2 b) (,)=+, (,)= 1 +1 1 c) (,)=, (,)=+ 1 lok.max.v
VíceŠkolení obsluhy PC stručný manuál obsluhy pro používání PC
Školení obsluhy PC stručný manuál obsluhy pro používání PC tabulkový procesor MS EXCEL Zpracoval: mgr. Ježek Vl. Str. 1 MS EXCEL - základy tabulkového procesoru Tyto programy jsou specielně navrženy na
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VícePOPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
Více