Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Způsobilost. Data a parametry. Menu: QCExpert Způsobilost"

Transkript

1 Zůsobilost Menu: QExert Zůsobilost Modul očítá na základě dat a zadaných secifikačních mezí hodnoty různých indexů zůsobilosti (caability index, ) a výkonnosti (erformance index, ). Dále jsou vyočítány související hodnoty řekročení secifikace a ARL. Modul umožňuje výočet indexů i ro jednostranné secifikace a ro data s asymetrickým (nenormálním) rozdělením. Data a arametry Vstuními daty jsou naměřené hodnoty sledovaného znaku jakosti. Tento modul očekává data v jednom slouci. V dialogovém anelu je dále nutno zadat cílovou hodnotu a alesoň jednu secifikační mez LSL (sodní secifikační mez, Lower Secification Limit) a USL (horní secifikační mez, Uer Secification Limit). V oli Slouce se vybere říslušný slouec s daty a říadně zvolíme výočet ro označená nebo neoznačená data v oli Data. V oli Grafy můžeme vybrat grafy, které chceme mít v grafickém výstuu, řehled grafů je uveden níže v odstavci 0. Je-li u sledovaného rocesu definována jen jedna secifikační mez, ať už sodní nebo dolní, zaíše se tato mez do dialogového anelu, druhá mez se onechá rázdná. Zadaná Hladina významnosti je oužita ro výočet intervalu solehlivosti jednotlivých indexů zůsobilosti a výkonnosti. Mezní je hodnota, indexu zůsobilosti, od kterou chceme ovažovat roces za nezůsobilý. V rotokolu se všechny hodnoty indexů i mezí jejich intervalů solehlivosti, které jsou menší než mezní, zvýrazní červeně. Obvyklá hodnota mezního bude zřejmě 1. Je-li zaškrtnuto olíčko Klasické indexy, vyočítají se a uvedou v rotokolu klasické indexy zůsobilosti a výkonnosti c, c k, c m,, k, m odle níže uvedených vztahů a k nim říslušné další arametry. okud je uvedena ouze jedna secifikační mez, klasické indexy se neočítají. V tom říadě je nutno zaškrtnout olíčko Obecné indexy a oužít index c * k. Je-li zaškrtnuto olíčko Obecné * indexy, vyočítají se a uvedou v rotokolu zobecněný index zůsobilosti c k založené na ravděodobnostním řístuu. Tento zobecněný index lze oužít i ro jednostrannou secifikační mez nebo ro asymetrická data, která nevyhovují ředokladu normálního rozdělení. (Test normality rozdělení dat je obsažen v modulu Základní statistika. Je-li zaškrtnuto olíčko Asymetrická data, * očítá rogram s možností asymetrického (sešikmeného) rozdělení dat a řisůsobí výočet c k skutečnému rozdělení dat za omocí exonenciální transformace dat, která je oužita k výočtu říslušné hodnoty kvantilové funkce F 1 ve vztahu ro c * k. ozor, není-li olíčko Asymetrická data zaškrtnuté, rogram oužije násilně model normálního rozdělení ro výočet c * k i v říadě, že data z normálního rozdělení neocházejí. okud si tedy nejsme jisti, necháme toto olíčko zaškrtnuté. Další odrobnosti o exonenciální transformaci viz modulu Transformace, říadně v Kuka: Statistické řízení jakosti, viz dooručená literatura. Nemají-li data normální rozdělení, klasické indexy jsou nerealistické, často silně nadhodnocené (avšak mohou být i odhodnocené) a není vhodné jich tedy oužívat.

2 Obrázek 1 Dialogový anel ro Zůsobilost c USL LSL min USL x, x LSL, c, 6 k 3 c m USL 2 LSL x 2 6 T USL LSL 6 1 d min USL x, x LSL 3, k, 2 n i2 x i x n1 i1 n 1, 2 xi x, d 2 = 1,128 n 1 i1 m 2 LSL x 2 USL 6 T zm F N x LSL 1 F N USL x ARL * c k F 1 ARL, 3 kde F -1 je inverzní distribuční funkce (neboli kvantilová funkce) normálního rozdělení. oznámka: rotože skutečná hodnota indexu zůsobilosti se nerovná vyočítanému odhadu, ale může ležet kdekoliv uvnitř intervalu solehlivosti, je jistější ovažovat za skutečnou hodnotu indexu sodní mez intervalu solehlivosti. Je nutno mít na aměti, že vyjde-li naříklad index c =1.001 s intervalem solehlivosti 0.8 až 1.2, je roces s 50% ravděodobností nezůsobilý (tedy c <1)! Vyjde-li však index c =1.2 s intervalem solehlivosti 1.0 až 1.4, je ravděodobnost (riziko), že roces je nezůsobilý, jen asi 2.5%. zm

3 rotokol Zůsobilost a výkonnost ro normální rozdělení Název úlohy : Výočty ro normální rozdělení se rovádějí ouze ři zadání obou secifikačních mezí. Je-li zadána jen jedna mez, oužijí se výsledky odstavce k ro asymetrická data. Název sešitu s daty. ílová hodnota: Zadaná ožadovaná hodnota arametru (cílová hodnota, target). Secifikační meze LSL Sodní secifikační mez, je-li zadána. USL Horní secifikační mez, je-li zadána. Mezní Nejnižší říustná hodnota zůsobilosti, res. výkonnosti. Hodnoty nižší než mezní budou v rotokolu označeny červeně a tučně. Indexy zůsobilosti Aritmetický růměr Aritmetický růměr dat. Směrodatná odchylka Směrodatná odchylka dat. +/- 3sigma Sodní a horní mez intervalu 3 kolem aritmetického růměru. Z-skore Hodnoty Z-skóre odovídající sodní a horní části rozdělení dat. Index Hodnota klasického indexu zůsobilosti c na základě. k Hodnota klasického indexu zůsobilosti c k na základě. m Hodnota klasického indexu zůsobilosti c m na základě. Dolní mez Dolní mez intervalu solehlivosti ro říslušné indexy. Udává nejnižší Horní mez Horní mez intervalu solehlivosti ro říslušné indexy. Udává nejvyšší Indexy výkonnosti Aritmetický růměr Aritmetický růměr dat. Směrodatná odchylka Směrodatná odchylka dat. +/- 3sigma Sodní a horní mez intervalu 3 kolem aritmetického růměru. Z-skore Hodnoty Z-skóre odovídající sodní a horní části rozdělení dat. Index Hodnota klasického indexu výkonnosti na základě. k Hodnota klasického indexu výkonnosti k na základě. m Hodnota klasického indexu výkonnosti m na základě. Dolní mez Dolní mez intervalu solehlivosti ro říslušné indexy. Udává nejnižší Horní mez Horní mez intervalu solehlivosti ro říslušné indexy. Udává nejvyšší ravd. řekročení ravděodobnost řekročení horní, res. sodní secifikační meze, zm. Toto číslo lze cháat jako ravděodobnost, že říští měření adne od sodní, res. nad horní secifikační mez ravd. řekročení % ravděodobnost řekročení horní, res. sodní secifikační meze (v rocentech). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích 100 měření, okud se v rocesu nic nezmění.

4 ravd. řekročení M ravděodobnost řekročení horní, res. sodní secifikační meze (v M). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích měření, okud se v rocesu nic nezmění. ravd. mimo SL ravd. mimo SL % ravd. mimo SL M ARL ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo lze cháat jako ravděodobnost, že říští měření adne mimo secifikační meze. ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích 100 měření, okud se v rocesu nic nezmění. ravděodobnost řekročení kterékoliv ze secifikačních mezí v rocentech. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích měření, okud se v rocesu nic nezmění. Střední (očekávaná) délka běhu (anglicky ARL = Average Run Length) mezi dvěma o sobě následujícími řekročeními secifikačních mezí. k ro asymetrická data 1) očet hodnot Oravený růměr ílová hodnota Mezní očet dat ro výočet Odhad střední hodnoty s ohledem na sešikmení dat. V říadě symetrických dat se rovná aritmetickému růměru, viz modul Transformace. Zadaná cílová hodnota (target). Nejnižší říustná hodnota zůsobilosti, res. výkonnosti. Hodnoty nižší než mezní budou v rotokolu označeny červeně a tučně. Secifikační meze Zadané secifikační meze. ravd. řekročení ravděodobnost řekročení horní, res. sodní secifikační meze, zm. Toto číslo lze cháat jako ravděodobnost, že říští měření adne od sodní, res. nad horní secifikační mez. ravd. řekročení % ravděodobnost řekročení horní, res. sodní secifikační meze (v rocentech). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích 100 měření, okud se v rocesu nic nezmění. ravd. řekročení M ravděodobnost řekročení horní, res. sodní secifikační meze (v M). Toto číslo lze cháat jako očet měření, která adnou od sodní, res. nad horní secifikační mez z říštích měření, okud se v rocesu nic nezmění. ravd. mimo SL ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo lze cháat jako ravděodobnost, že říští měření adne mimo secifikační meze. ravd. mimo SL % ravděodobnost řekročení kterékoliv ze secifikačních mezí. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích 100 měření, okud se v rocesu nic

5 nezmění. ravd. mimo SL M ravděodobnost řekročení kterékoliv ze secifikačních mezí v rocentech. Toto číslo se rovná součtu říslušných hodnot ro sodní a horní mez z ředchozího odstavce. Lze jej cháat jako očet měření, která adnou mimo secifikační meze z říštích měření, okud se v rocesu nic nezmění. ARL Střední (očekávaná) délka běhu (anglicky ARL = Average Run Length) mezi dvěma o sobě následujícími řekročeními secifikačních mezí. k Hodnota zobecněného indexu zůsobilosti c * k ro symetrická i asymetrická data latná ro oboustranné i jednostranné symetrické i asymetrické secifikační meze. Tato hodnota ck by se měla oužívat vždy v říadě rokazatelně asymetrických dat. Meze ro k Dolní a horní mez intervalu solehlivosti indexu zůsobilosti c * k. Udává nejnižší a nejvyšší 1) Výočty ro asymetrická data jsou založeny na transformované klasické směrodatné odchylce Grafy Modul Zůsobilost oskytuje čtyři grafy, z nichž tři mají charakter hustoty ravděodobnosti a jeden distribuční funkce. rvní tři grafy, tedy Histogram, Distribuční funkce a Hustoty ravděodobnosti se zobrazí ouze bylo-li zaškrtnuto olíčko Klasické indexy, oslední graf, Transformovaná hustota ravděodobnosti, se vytváří ouze bylo-li zaškrtnuto olíčko Obecné indexy. Orientační graf orovnávající data se secifikačními mezemi. Data jsou ředstavována histogramem, jádrovým odhadem hustoty ravděodobnosti (červeně) a křivkou hustoty normálního rozdělení (Gaussovou křivkou). Svislé čáry označují cílovou hodnotu, sodní a horní secifikační mez. Vrchol Gaussovy křivky (zeleně) odovídá aritmetickému růměru, který má být co nejblíže cílové hodnotě. Křivka distribuční funkce normálního rozdělení (neboli kumulativní hustota ravděodobnosti) vyočítaná z dat za ředokladu normálního rozdělení dat. Svisle jsou oět vyznačeny cílová hodnota (target) a secifikační meze. Vodorovná římka odovídá ravděodobnosti 0.5 a její růsečík s křivkou odovídá aritmetickému růměru dat. Z tohoto grafu lze římo odečítat ravděodobnosti ro odovídající hodnoty arametru. ro řesnější odečet oužijte funkci Detail v interaktivním režimu grafu. Křivky hustoty ravděodobnosti. Červeně je vyznačen jádrový odhad hustoty, zeleně je vyznačena Gaussova křivka hustoty normálního rozdělení. Odlišuje-li se výrazně tvar těchto dvou křivek může to svědčit o tom, že data neocházejí z normálního rozdělení. ro objektivní osouzení je však nutno oužít test normality, který je obsažen v modulu Základní statistika. řerušovanými svislými římkami jsou vyznačeny secifikační meze a cílová hodnota. Data jsou rerezentována černými body od osou x. Tyto body jsou náhodně roztýleny ve svislém směru ro leší řehlednost. V záhlaví grafu je uveden vyočítaný odhad klasických indexů c, c k a c m.

6 Transformovaná hustota ravděodobnosti. Jedná se o graf s obdobným významem jako graf ředchozí. Hustota ravděodobnosti je vyočtena metodou exonenciální transformace (další odrobnosti o exonenciální transformaci viz modulu Transformace). Není-li řed výočtem zaškrtnuto olíčko Asymetrická data, transformace se nerovádí a křivka v grafu ředstavuje hustotu normálního rozdělení. Křivka hustoty ravděodobnosti odráží říadné sešikmení rozdělení dat. V záhlaví je uvedena hodnota indexu c k * a v závorce (jsouli zadány obě secifikační meze) i klasického indexu c k. Liší-li se výrazně tyto hodnoty, je vhodnější oužít rvní hodnotu c k *. Ilustrace vlevo uvádí tvary grafu ro symetrická data a ro sešikmená data.

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými 1 Pracovní úkoly 1. Změřte závislost indexu lomu vzduchu na tlaku n(). 2. Závislost n() zracujte graficky. Vyneste také závislost závislost vlnové délky sodíkové čáry na indexu lomu vzduchu λ(n). Proveďte

Více

STATISTICKÉ METODY. (kombinovaná forma, 8.4., 20.5. 2012) Matěj Bulant, Ph.D., VŠEM

STATISTICKÉ METODY. (kombinovaná forma, 8.4., 20.5. 2012) Matěj Bulant, Ph.D., VŠEM STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež, statistika.

Více

P Ř I Z N Á N Í k dani z příjmů právnických osob

P Ř I Z N Á N Í k dani z příjmů právnických osob Než začte vylňovat tiskois, řečtěte te si, rosím, okyny. Finančnímu úřadu ro / Secializovanému finančnímu úřadu Pardubický kraj Územnímu racovišti v, ve, ro Moravské Třebové T 0 Daňové identifikační číslo

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

STATISTICKÉ METODY A DEMOGRAFIE

STATISTICKÉ METODY A DEMOGRAFIE STATISTICKÉ METODY A DEMOGRAFIE (kombinovaná forma, 8.4., 2.5., 7.6. 22) Matěj Bulant, Ph.D., VŠEM Řekli o statistice Věřím ouze těm statistikám, které jsem sám zfalšoval. Tři stuně lži - lež, hnusná lež,

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

1.5.5 Potenciální energie

1.5.5 Potenciální energie .5.5 Potenciální energie Předoklady: 504 Pedagogická oznámka: Na dosazování do vzorce E = mg není nic obtížnéo. Problém nastává v situacíc, kdy není zcela jasné, jakou odnotu dosadit za. Hlavním smyslem

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízení ro akademický rok 24/5 na magisterský studijní rogram PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (ísemný test) U každé otázky či odotázky v následujícím zadání vyberte srávnou odověď zakroužkováním

Více

Modul Základní statistika

Modul Základní statistika Modul Základní statistika Menu: QCExpert Základní statistika Základní statistika slouží k předběžné analýze a diagnostice dat, testování předpokladů (vlastností dat), jejichž splnění je nutné pro použití

Více

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011 Evroský sociální fond Praha & EU: Investujeme do vaší udoucnosti Ekonomika odniku Katedra ekonomiky, manažerství a humanitních věd akulta elektrotechnická ČVUT v Praze Ing. Kučerková Blanka, 2011 Vztahy

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

Více

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma :

V p-v diagramu je tento proces znázorněn hyperbolou spojující body obou stavů plynu, je to tzv. izoterma : Jednoduché vratné děje ideálního lynu ) Děj izoter mický ( = ) Za ředokladu konstantní teloty se stavová rovnice ro zadané množství lynu změní na známý zákon Boylův-Mariottův, která říká, že součin tlaku

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

Porovnání dostupnosti různých konfigurací redundance pro napájení stojanů

Porovnání dostupnosti různých konfigurací redundance pro napájení stojanů Porovnán dostunosti různých konfigurac redundance ro naájen stojanů White Paer č. 48 Resumé K zvýšen dostunosti výočetnch systémů jsou ro zařzen IT oužvány řenače a duáln rozvody naájen. Statistické metody

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízení ro akademický rok 2007/08 na magisterský studijní rogram: Zde nalete své univerzitní číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (ísemný test) U každé otázky či odotázky v následujícím

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

PRINCIPY ZPRACOVÁNÍ HLASU V KLASICKÉ A IP TELEFONII

PRINCIPY ZPRACOVÁNÍ HLASU V KLASICKÉ A IP TELEFONII PRINCIPY ZPRACOVÁNÍ HLASU V KLASICKÉ A IP TELEFONII Doc. Ing. Boris ŠIMÁK, CSc. racoviště: ČVUT FEL, Katedra telekomunikační techniky; mail: simak@feld.cvut.cz Abstrakt: Tento řísěvek si klade za cíl seznámit

Více

ISŠT Mělník. Integrovaná střední škola technická Mělník, K učilišti 2566, 276 01 Mělník Ing.František Moravec

ISŠT Mělník. Integrovaná střední škola technická Mělník, K učilišti 2566, 276 01 Mělník Ing.František Moravec SŠT Mělník Číslo rojektu Označení materiálu ázev školy Autor Tematická oblast Ročník Anotace CZ..07/.5.00/34.006 VY_3_OVACE_H..05 ntegrovaná střední škola technická Mělník, K učilišti 566, 76 0 Mělník

Více

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

1 ROZHODOVÁNÍ V ŘÍZENÍ

1 ROZHODOVÁNÍ V ŘÍZENÍ 1 ROZHODOVÁNÍ V ŘÍZENÍ Rozhodování je ovažováno za jednu ze základních aktivit ři racionálním řešení nejenom řídících roblémů, řitom kvalita rozhodování zásadním zůsobem ovlivňuje výslednou kvalitu řídícího

Více

5. Finanční hlediska podnikatelského rozhodování. Časová hodnota peněz. Podnikatelské riziko ve finančním rozhodování.

5. Finanční hlediska podnikatelského rozhodování. Časová hodnota peněz. Podnikatelské riziko ve finančním rozhodování. 5. Finanční hlediska odnikatelského rozhodování. Časová hodnota eněz. Podnikatelské riziko ve finančním rozhodování. FINANČNÍ HLEDISKA PODNIKATELSKÉHO ROZHODOVÁNÍ Základní zásady finančního rozhodování:

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

Sbírka A - Př. 1.1.5.3

Sbírka A - Př. 1.1.5.3 ..5 Ronoměrný ohyb říklady nejnižší obtížnosti Sbírka A - ř...5. Kolik hodin normální chůze (rychlost 5 km/h) je od rahy zdálen Řím? Kolik dní by tuto zdálenost šel rekreační chodec, který je schoen ujít

Více

Statistická analýza dat - Indexní analýza

Statistická analýza dat - Indexní analýza Statistiká analýza dat Indexní analýza Statistiká analýza dat - Indexní analýza Index mohou být:. Stejnorodýh ukazatelů. Nestejnorodýh ukazatelů Index se skládají ze dvou složek:... intenzita (úroveň znaku)...

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

Seriál TeoriečíselI. Jak seriál číst? Dohoda. Úvod

Seriál TeoriečíselI. Jak seriál číst? Dohoda. Úvod Seriál TeoriečíselI Počínaje 17. ročníkem robíhá každý rok v PraSátku seriál na okračování. Jde o výklad nějakého odvětví matematiky, se kterým se na střední škole s velkou ravděodobností setkáš jenvomezenémířečivůbecne,alekteréjeřestomožnévyložittak,abybylostředoškolákům

Více

StatSoft Jak se pozná normalita pomocí grafů?

StatSoft Jak se pozná normalita pomocí grafů? StatSoft Jak se pozná normalita pomocí grafů? Dnes se podíváme na zoubek speciální třídě grafů, podle názvu článku a případně i ilustračního obrázku vpravo jste jistě již odhadli, že půjde o třídu pravděpodobnostních

Více

Neuronové časové řady (ANN-TS)

Neuronové časové řady (ANN-TS) Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci

Více

SOCIÁLNĚ PRÁVNÍ MINIMUM

SOCIÁLNĚ PRÁVNÍ MINIMUM SOCIÁLNĚ PRÁVNÍ MINIMUM Vážení rodiče, rarodiče, blízcí našich acientů, nabízíme řehled dávek, výhod a kontaktů, který by Vám omohl lée zvládnout situaci, která vznikla v souvislosti s onemocněním Vašeho

Více

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost 1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik

Více

STATISTICKÉ TESTY VÝZNAMNOSTI

STATISTICKÉ TESTY VÝZNAMNOSTI STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená

Více

Univerzita Pardubice. Fakulta ekonomicko-správní

Univerzita Pardubice. Fakulta ekonomicko-správní Unverzta Pardubce Fakulta ekonomcko-srávní Vývoj hyotečních úvěrů a dskontní sazby v ČR s rognózou do budoucna Ilona Gerčáková Bakalářská ráce 2014 PROHLÁŠENÍ Prohlašuj, že jsem tuto rác vyracovala samostatně.

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

BAKALÁŘSKÁ PRÁCE. Klára Jelenová. Sbírka úloh z finanční matematiky

BAKALÁŘSKÁ PRÁCE. Klára Jelenová. Sbírka úloh z finanční matematiky Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Klára Jelenová Sbírka úloh z finanční matematiky Katedra ravděodobnosti a matematické statistiky Vedoucí bakalářské ráce: RNDr.

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Ekonomické modelování pro podnikatelskou praxi

Ekonomické modelování pro podnikatelskou praxi pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. vlachy@atlas.cz Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce Sylabus

Více

Jak správně interpretovat ukazatele způsobilosti a výkonnosti výrobního procesu

Jak správně interpretovat ukazatele způsobilosti a výkonnosti výrobního procesu Jak správně interpretovat ukazatele způsobilosti a výkonnosti výrobního procesu Jiří Michálek Ukazatele způsobilosti a výkonnosti C p, C pk, P p, P pk byly zavedeny ve snaze popsat stav výrobního procesu,

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

SW podpora při řešení projektů s aplikací statistických metod

SW podpora při řešení projektů s aplikací statistických metod SW podpora při řešení projektů s aplikací statistických metod Jan Král, Josef Křepela Úvod Uplatňování statistických metod vyžaduje počítačovou podporu. V současné době je rozšiřována řada vynikajících

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

Výpočty za použití zákonů pro ideální plyn

Výpočty za použití zákonů pro ideální plyn ýočty za oužití zákonů ro ideální lyn Látka v lynné stavu je tvořena volnýi atoy(onoatoickýi olekulai), ionty nebo olekulai. Ideální lyn- olekuly na sebe neůsobí žádnýi silai, jejich obje je ve srovnání

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

STATISTICA Téma 1. Práce s datovým souborem

STATISTICA 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

Více

ř ž ř š ř ů ř ž ř ř ž ž ř Č Ú Č Ř Ě Ř É Á ř ř ž ř ř ř ř ž Č ú ž Č ř š ř Č ž ř ň ř ž ř ů Ů ř ž ž ú ř š ř úř ř ř ň ř ů ů ř ř ž ů Č ž ř š ř ň ů ú ů ž ů ů š ž ř ů ů š ó š ů ů ř š ů ů ř ů ř ž š ř ú ůč Ú š ú

Více

MODELOVÁNÍ POPTÁVKY, NABÍDKY A TRŽNÍ ROVNOVÁHY

MODELOVÁNÍ POPTÁVKY, NABÍDKY A TRŽNÍ ROVNOVÁHY MODELOVÁÍ POPTÁVKY, ABÍDKY A TRŽÍ ROVOVÁHY Schéma tržní rovnováhy Modely otávky na trhu výrobků a služeb Formulace otávkové funkce Komlexní model Konstrukce modelu otávky Tržní otávka Dynamcké modely otávky

Více

TECHNICKÝ KATALOG GRUNDFOS. Série 100. Oběhová čerpadla série 100 50 Hz

TECHNICKÝ KATALOG GRUNDFOS. Série 100. Oběhová čerpadla série 100 50 Hz TECNICKÝ KATALOG GRUNDFOS Série Oběhová čeradla série z Obsah Všeobecné údaje Výkonový rozsah Výrobní rogram, x V, z Tyové klíče 6 GRUNDFOS ALPA 6 GRUNDFOS ALPA+ 6 UP, UPS 6 GRUNDFOS COMFORT 6 Použití

Více

Úvěry aneb kde na to vzít?

Úvěry aneb kde na to vzít? Úvěry aneb kde na to vzít? Pokud máte nedostatek finančních rostředků, je dobré se zamyslet nad tím, kde byste mohli ušetřit v rámci svého osobního či rodinného rozočtu. Většinou se najde něco, co můžete

Více

Třídění statistických dat

Třídění 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.

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

Základní analýza dat. Úvod

Základní analýza dat. Úvod Základní analýza dat literatura: Hendl, J. 2006: Přehled statistických metod zpracování dat. Analýza a metaanalýza dat. Praha: Portál. Macháček, J. 2001: Studie k velkomoravské keramice. Metody, analýzy

Více

Pojem a úkoly statistiky

Pojem 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

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

15. KubickÈ rovnice a rovnice vyööìho stupnï

15. KubickÈ rovnice a rovnice vyööìho stupnï 15. KubickÈ rovnice a rovnice vyööìho stupnï Čas od času je možné slyšet v pořadech o počasí jména jako Andrew, Mitch, El Ňiňo. otom následuje zpráva o katastrofálních vichřicích, uragánech a jiných mimořádných

Více

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech.

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech. 3 Grafické zpracování dat Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou tak přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

Statistika pro geografy. Rozd lení etností DEPARTMENT OF GEOGRAPHY

Statistika pro geografy. Rozd lení etností DEPARTMENT OF GEOGRAPHY Statistika pro geografy Rozd lení etností DEPARTMENT OF GEOGRAPHY Faculty of Science Palacký University Olomouc t. 17. listopadu 1192/12, 771 46 Olomouc Pojmy etnost = po et prvk se stejnou hodnotou statistického

Více

21.1 VRATNÉ A NEVRATNÉ DĚJE 21.2 ENTROPIE. Probíhá-li v uzavřeném systému nevratný děj, entropie S systému vždy roste a nikdy neklesá.

21.1 VRATNÉ A NEVRATNÉ DĚJE 21.2 ENTROPIE. Probíhá-li v uzavřeném systému nevratný děj, entropie S systému vždy roste a nikdy neklesá. 21 Entroie AnonymnÌ n is na zdi v jednè kav rniëce na Pecan Street v Austinu v Texasu n m sdïluje: Ñ»as je z sob, jak B h zajistil, aby se vöechno nestalo najednouì.»as m takè smïr: nïkterè dïje se odehr

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

pracovní list studenta Kombinatorika, pravděpodobnost, základy statistiky Jak jsou vysocí? Mirek Kubera

pracovní 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

Více

SROVNÁNÍ VYBRANÝCH DĚJŮ V REÁLNÉM PLYNU MODELY, ANIMACE

SROVNÁNÍ VYBRANÝCH DĚJŮ V REÁLNÉM PLYNU MODELY, ANIMACE Záadočeská univerzita v Plzni Fakulta edagogická Dilomová ráce SROVNÁNÍ VYBRANÝCH DĚJŮ V REÁLNÉM PLYNU MODELY, ANIMACE COMPARISON OF SELECTED EFFECTS IN REAL GAS - MODELS, ANIMATIONS Jiří Prušák Plzeň

Více

TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24

TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24 TECHNICKÝ POPIS STRUKTURY FORMÁTU VÝPISU MT940 PRO SLUŽBU BUSINESS 24 Obsah 1. Pois formátu výisu MT940 ro BUSINESS 24...2 1.1. Obecé odmíky... 2 1.2. Záhlaví souboru... 2 1.3. Struktura zázamu... 2 1.4.

Více

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník

Více

Frézování. Podstata metody. Zákl. způsoby frézování rovinných ploch. Frézování válcovými frézami

Frézování. Podstata metody. Zákl. způsoby frézování rovinných ploch. Frézování válcovými frézami Fréování obrábění rovinných nebo tvarových loch vícebřitým nástrojem réou mladší ůsob než soustružení (rvní réky 18.stol., soustruhy 13.stol.) Podstata metody řený ohyb: složen e dvou ohybů cykloida (blížící

Více

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D

Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Hodnocení vlastností materiálů podle ČSN EN 1990, přílohy D Milan Holický Kloknerův ústav ČVUT v Praze 1. Úvod 2. Kvantil náhodné veličiny 3. Hodnocení jedné veličiny 4. Hodnocení modelu 5. Příklady -

Více

5.4.2 Objemy a povrchy mnohostěnů I

5.4.2 Objemy a povrchy mnohostěnů I 5.. Objemy orchy mnohostěnů I Předokldy: 51 Význm slo objem i orch je intuitině jsný. Mtemtická definice musí být oněkud řesnější. Okoání z lnimetrie: Obsh obrzce je kldné číslo, řiřzené obrzci tk, že

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

Šířením elektronické verze testu způsobíte, že na další testování a kvalitní služby nebudeme mít dostatek peněz. Přejeme příjemné počtení.

Šířením elektronické verze testu způsobíte, že na další testování a kvalitní služby nebudeme mít dostatek peněz. Přejeme příjemné počtení. Děkujeme vám, že jste si stáhli informace z www.dtest.cz. I díky Vašim enězům může časois dtest hradit vysoké náklady na testování výrobků a oskytovat rvotřídní služby sotřebitelům. Šířením elektronické

Více

Obsah MECHANIKA IDEÁLNÍCH PLYNŮ. Studijní text pro řešitele FO a ostatní zájemce o fyziku. Bohumil Vybíral. Předmluva 3

Obsah MECHANIKA IDEÁLNÍCH PLYNŮ. Studijní text pro řešitele FO a ostatní zájemce o fyziku. Bohumil Vybíral. Předmluva 3 MECHANIKA IDEÁLNÍCH PLYNŮ Studijní text ro řešitele FO a ostatní zájemce o fyziku Bohumil ybíral Obsah Předmluva 3 Základní veličiny a zákony ideálního lynu 4 Stavové veličiny lynu 4 eličiny oisující lyn

Více

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení

Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení Přednáška 9 Testy dobré shody Grafická analýza pro ověření shody empirického a teoretického rozdělení χ 2 test dobré shody ověření, zda jsou relativní četnosti jednotlivých variant rovny číslům π 01 ;

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Á ů Á Á ů Ř Ý ú ř ř ů Ě Á ú ř Ř Ž Ý Ř Ž Á ť ř ů Á Š ú ř ť É Í ř ú ú Á Ě Ý ř ó Ř ú ř ú Ý Í ú Ř ů ú Š ú ř ť ř ř Á ŘÍ ř Ů ú ř ú ú ř Ž ú ú ů ú ř ř ó ř ů ů ř ř ř ř ů ů ř ř ř ů ů Í Ý Ů ů ř ů ř Ř ř ř ú Ý ř ř

Více

ů ž Ř Š Í Ú ů š ů š ů Í Í ů ů ů ů ů Š ú ů ů š ů Š ů ů ů ž ů š ů ů Š Č ů ů š š Í Š Š š ů š ů š ú ž š ů ů ů ů š ů ů ů ú š š ž š š ž ů š ů Š ú Š ů Š š ů š š ú ů ů ů ů ú ů ů š š ú ú Š ů Š ů ů Š ů ů ů š Š ň

Více

Tomáš Linda Tel: +420 777 169 939 lindova@bozplindova cz

Tomáš Linda Tel: +420 777 169 939 lindova@bozplindova cz 2014/R0/kód 101 Dana Lindová Tel: +420 602 439 939 Tomáš Linda Tel: +420 777 169 939 Email: lindova@bozlindova.cz lindova@bozlindova cz Email:linda tomas@bozlindova cz Email:linda.tomas@bozlindova.cz OZO

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE

SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE SEZNAM VZDĚLÁVACÍCH MATERIÁLŮ - ANOTACE Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast Autor CZ.1.07/1.5.00/34.0797 III/2 INOVACE A ZKVALITNĚNÍ VÝUKY PROSTŘEDNICTVÍM ICT 2M3 Slovní

Více

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí

0.0001 0.001 0.01 0.1 1 10 100 1000 10000. Čas (s) Model časového průběhu sorpce vyplývá z 2. Fickova zákona a je popsán následující rovnicí Program Sorpce1.m psaný v prostředí Matlabu slouží k vyhlazování naměřených sorpčních křivek a výpočtu difuzních koeficientů. Kromě standardního Matlabu vyžaduje ještě Matlab Signal Processing Toolbox

Více

Ů Á Ť ť ť Á š ř ř Š ů ř š ř ů ú š Š ř ř ř ř Ý ů Č ř ů ř ř ř úř ď š Ť ř ř úř š ř Č ť š Ž š ř ú ú Ž š ř ř ř š š ř Á ř É ť Á ú š ř ř ř š š ř ú ř š Á ř ř ř ó š Ž š ř ú ú Ž Ž ú ř ř ř ř Žš š Č š Á ř Č Č Č Á

Více

ř úř úř ř Č ř Ž ř ř Č ú ú ú ú Ž ř Č ř ó ř úř ř ř ř ř ř ř ú ř ř ú ř ř ř ř ú ú ř Č ř ř ř Č ú ř ú ř ú ú ú ú ř ú ř ř ř ř ř ó ř ř ř ř Ř ř ř úř ř ř ř ř ř Ž Ý Š Š ř ř ř ř ú ř ř ř ř Ý ř ř ř ú Ú Š ř É Ú ú ť ř úř

Více

Pednáška mikro 04: Poptávková a nabídková funkce, cenová elasticita poptávky

Pednáška mikro 04: Poptávková a nabídková funkce, cenová elasticita poptávky Pednáška mikro 04: Potávková a nabídková funkce, cenová elasticita otávk 1. Matematické minimum (dolnit na cviení v íad otávk od student) funkce = edis(druhá odmocnina, dvojnásobek snížený o jednu : =

Více

MS EXCEL - Podmíněné formátování

MS EXCEL - Podmíněné formátování MS EXCEL - Podmíněné formátování Podmíněné formátování je velmi užitečná možnost formátování v Excelu, pomocí které je možné: Zpřehlednění dat Lepší čitelnost výsledků Zvýraznění buněk obsahující chybovou

Více