=10 =80 - =

Rozměr: px
Začít zobrazení ze stránky:

Download "=10 =80 - ="

Transkript

1 Protokol č. DĚDIČNOST KVALITATIVNÍCH VLASTNOSTÍ ) Jednorozměrné rozdělení fenotypové charakteristiky (hodnoty) populace ) Vícerozměrné rozdělení korelační a regresní počet pro dvě sledované vlastnosti ad ) Mějme ve výběrovém souboru 0 králic kalifornského plemene, u kterých známe počet živě narozených mláďat. Naším úkolem je vypočítat v tomto vzorku jednotlivé fenotypové ukazatele (statistické charakteristiky). Příslušné údaje s naznačeným postupem výpočtu uvádí tab.. Tab.. Určení základních fenotypových ukazatelů (živě narozená mláďata 0 králic) Pořadová číslo n mláďat ve vrhu králice =0 =0 =0 králíčat králíčat Zjištěné hodnoty obvykle zapisujeme v pořadí : ; s, V. v našem případě tedy: = ± 0, živě narozených králíčat s =, živě narozených králíčat V% =,% Poznámka: Při práci s velkými čísly, příp. s čísly desetinnými zpravidla hodnotu s zjišťujeme takto:

2 ad ) Korelace, regrese, koeficient pořadové korelace, rovnice regresní přímky včetně grafického znázornění Tab. : Základní údaje o obvodu hrudníku (x, v cm) a živé hmotnosti (y, v kg) pro stanovení korelačního a obou regresních koeficientů Poř. č. x Y (B) 00 (C) (A) n = 0, x = 0 cm, y = kg, = cm, = 0 kg A = B= = C= = 00 r = r mezi obvodem hrudníku a živou hmotností byla zjištěna kladná závislost vyjádřena korelačním koeficientem (r=0,) při zvýšení obvodu hrudníku u plemenných býčků (v. měsíci stáří) v průměru cm, zvýší se jejich živá hmotnost v průměru o kg při zvýšení živé hmotnosti plemenných býčků (v. měsíci stáří) v průměru o kg, zvýší se jejich obvod hrudníku v průměru o 0, cm. Výpočet korelačního, regresních koeficientů není úplně přesný, k určité chybě ve výpočtu dochází v souvislosti s početností a representativností zpracovaného výběru. Měřítkem chyby je střední chyba korelačního koeficientu (s r ) a stření chyby koeficientů regresních (s bx/y, s by/x ). Tyto střední chyby (vzorce a dosažené údaje našeho příkladu) počítáme následující způsobem: Střední chyba je jedním z měřítek průkaznosti vypočteného koeficientu. Jestliže dvojnásobek (lépe, když ani trojnásobek) střední chyby nedosahuje příslušného koeficientu, lze tento korelační, popřípadě regresní koeficient považovat za průkazný.

3 Vraťme se k příkladu, ve kterém jsem sledovali u plemenných býků vztah mezi obvodem hrudníku (x) a jejich živou hmotností (y): = cm b y/x = kg = 0 kg b x/y = 0, cm A sestavme rovnice obou regresních přímek: Závislá proměnná y (živá hmotnost) na x: Závislá proměnná x (obvod hrudníku) na y: b = b y/x = b = b x/y =0, a = b a = b a = 0 = 0 a = 0, 0 =, = a + bx = 0 + x = a + by =, + y x = cm y = kg = 0 + = kg =, + =, cm x = cm y = cm = 0 + = kg =, + = 0, cm Pomocí těchto vypočtených hodnot vyneseme v bodovém poli 0xy obě statistické regresní přímky. Tyto přímky se potínají v průměrných hodnotách x a y, úhel, který spolu svírají, vyjadřuje výši korelačního koeficientu (v našem případě r = 0,). Hodnotě r = odpovídá splývání regresních přímek s úhlem 0 (funkční závislost, která je extrémním případem závislosti statistické), nulová korelace je charakterizována úhlem 0. Poznámka ke grafickému znázornění lineární stochastické závislosti pomocí sdružených regresních přímek:

4 a (absolutní člen) úsek osy regresní přímky b (regresní koeficient) směrnice regresní přímky Součet rozdílu teoretických a skutečných (empirických hodnot) tzn. vzdáleností jednotlivých průsečíků xy a regresní přímky je vždy = 0;platí pro jakoukoliv přímku v ose souřadnic 0xy. Pouze pro dvě přímky platí tzv. kritérium nejmenších čtverců: součet čtverců odchylek (vzdáleností) mezi jednotlivými průsečíky xy a regresní přímkou je nejmenší. Pro: xˆ a by se jedná o součet čtverců délky úseček mezi průsečíky xy jednotlivých náhodných proměnných x a y a regresní přímkou, přičemž uvažované úsečky jsou rovnoběžné s osou x. Pro: yˆ a bx úsečky jsou rovnoběžné s osou y. Výpočet koeficientu pořadové korelace (R). V praktickém příkladě budeme zjišťovat hodnotu pro procentický obsah tuku v mléce krav mezi prvou a druhou laktací. Potřebné údaje pro výpočet udává následující tabulka. Dosazením hodnoty d.=, a počtu pozorování (n=) do uvedného vzorce dostáváme: ( d ), R 0, n ( n ) ( ) Tabulka: Údaje o tučnosti mléka (v%) z prvou a druhou laktaci soužící pro výpočet koeficientu pořadové korelace Číslo Tučnost Pořadí d = x y d

5 krávy. laktace (x). laktace (y). laktace (x). lakatce (y) 0,0,,,,,,,,,,,0,,00,0,,,,,,,,0,,,0 0, 0, + + +, + + +,,,, Tabulky

6 Úkoly pro samostatnou práci: Úkol č. : Následující tabulka uvádí hodnoty živé hmotnosti (x) a hmotnosti střiže (y) ve výběrovém souboru deseti ovcí. Pro oba tyto ukazatele vypočítejte hlaví statistické charakteristiky a určete, která ze sledovaných vlastností se vyznačuje větší vyrovnaností: Vlastnost Pořadové číslo ovce 0 Živá hmotnost (x) Hmotnost střiže (y),0,,0,,0,,0,0,,0 Poznámka: obě vlastnosti v kg Úkol č. : Pomocí korelačního koeficientu r, koeficientu pořadové korelace R a obou regresních koeficientů (b x/y a b y/x ) vyjádřete vztah mezi výše uvedenými vlastnostmi. Průkaznost korelačního koeficientu r a oba regresní koeficienty ověřte výpočtem středních chyb. Vztah mezi vlastnostmi x a y rovněž vyjádřete rovnicemi příslušných regresních přímek a vynesením těchto přímek do osy souřadnic 0 xy. Úkol č. : Vztah mezi jatečnou délkou těla (x) a výškou hřbetního špeku (y) u jedné z populací prasat je charakterizován těmito hodnotami: x =, cm y =, cm b y/x = 0, cm b x/y =, cm r xy = 0, Jaké závěry lze z hodnot korelačního a obou regresních koeficientů učinit? Doplňte tento vztah výpočtem obou rovnic regresních přímek a vynesením těchto přímek do osy souřadnic 0 xy.

INDUKTIVNÍ STATISTIKA

INDUKTIVNÍ STATISTIKA 10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ

Více

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ

MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS

Více

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz

A[a 1 ; a 2 ; a 3 ] souřadnice bodu A v kartézské soustavě souřadnic O xyz 1/15 ANALYTICKÁ GEOMETRIE Základní pojmy: Soustava souřadnic v rovině a prostoru Vzdálenost bodů, střed úsečky Vektory, operace s vektory, velikost vektoru, skalární součin Rovnice přímky Geometrie v rovině

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ

VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ VZÁJEMNÁ POLOHA DVOU PŘÍMEK V ROVINĚ Dvě přímky v rovině mohou být: různoběžné - mají jediný společný bod, rovnoběžné různé - nemají společný bod, totožné - mají nekonečně mnoho společných bodů. ŘEŠENÉ

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

Statistika (KMI/PSTAT)

Statistika (KMI/PSTAT) Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)

Více

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu

Cvičící Kuba Kubina Kubinčák Body u závěrečného testu 1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.

Více

LINEÁRNÍ REGRESE. Lineární regresní model

LINEÁRNÍ REGRESE. Lineární regresní model LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)

Více

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ

ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ V ROVINĚ Parametrické vyjádření přímky v rovině Máme přímku p v rovině určenou body A, B. Sestrojíme vektor u = B A. Pro bod B tím pádem platí: B = A + u. Je zřejmé,

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

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Mnohorozměrná statistická data

Mnohorozměrná 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

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem

Více

VEKTOR. Vymyslete alespoň tři příklady vektorových a skalárních fyzikálních veličin. vektorové: 1. skalární

VEKTOR. Vymyslete alespoň tři příklady vektorových a skalárních fyzikálních veličin. vektorové: 1. skalární VEKTOR Úvod Vektor je abstraktní pojem sloužící k vyjádření jistého směru a velikosti. S vektorovými veličinami se setkáváme například ve fyzice. Jde o veličiny, u nichž je rozhodující nejen velikost,

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

obecná rovnice kružnice a x 2 b y 2 c x d y e=0 1. Napište rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem A[-3;2].

obecná rovnice kružnice a x 2 b y 2 c x d y e=0 1. Napište rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem A[-3;2]. Kružnice množina bodů, které mají od středu stejnou vzdálenost pojmy: bod na kružnici X [x, y]; poloměr kružnice r pro střed S[0; 0]: SX =r x 0 2 y 0 2 =r x 2 y 2 =r 2 pro střed S[m; n]: SX =r x m 2 y

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

1.1 Napište středovou rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem

1.1 Napište středovou rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem Analytická geometrie - kružnice Napište středovou rovnici kružnice, která má střed v počátku soustavy souřadnic a prochází bodem A = ; 5 [ ] Napište středový i obecný tvar rovnice kružnice, která má střed

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Analytická geometrie (AG)

Analytická geometrie (AG) Analytická geometrie (AG) - zkoumá geometrické útvary pomocí algebraických a analytických metod Je založena na vektorech a soustavě souřadnic, rozděluje se na AG v rovině a v prostoru. Analytická geometrie

Více

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako

Více

SOUŘADNICE BODU, VZDÁLENOST BODŮ

SOUŘADNICE BODU, VZDÁLENOST BODŮ Registrační číslo projektu: CZ.1.07/1.1.14/01.001 SOUŘADNICE BODU, VZDÁLENOST BODŮ SOUŘADNICE BODU NA PŘÍMCE ČÍSELNÁ OSA na přímce je určena počátkem O a jednotkou měření. Libovolný bod A na číselné ose

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).

Více

Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla.

Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla. Lineární funkce Lineární funkcí se nazývá každá funkce, která je daná rovnicí y = ax + b, kde a, b jsou reálná čísla. Číslo b je hodnota funkce f v bodě 0. Definičním oborem lineární funkce je množina

Více

Regresní analýza 1. Regresní analýza

Regresní analýza 1. Regresní analýza Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému

Více

Digitální učební materiál

Digitální učební materiál Digitální učební materiál Číslo projektu CZ07/500/34080 Název projektu Zkvalitnění výuky prostřednictvím ICT Číslo a název šablony klíčové aktivity III/ Inovace a zkvalitnění výuky prostřednictvím ICT

Více

VZOROVÝ TEST PRO 3. ROČNÍK (3. A, 5. C)

VZOROVÝ TEST PRO 3. ROČNÍK (3. A, 5. C) VZOROVÝ TEST PRO 3. ROČNÍK (3. A, 5. C) max. 3 body 1 Zjistěte, zda vektor u je lineární kombinací vektorů a, b, je-li u = ( 8; 4; 3), a = ( 1; 2; 3), b = (2; 0; 1). Pokud ano, zapište tuto lineární kombinaci.

Více

Tvorba grafů v programu ORIGIN

Tvorba grafů v programu ORIGIN LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií

Více

Analytická geometrie lineárních útvarů

Analytická geometrie lineárních útvarů ) Na přímce: a) Souřadnice bodu na přímce: Analtická geometrie lineárních útvarů Bod P nazýváme počátek - jeho souřadnice je P [0] Nalevo od počátku leží čísla záporná, napravo čísla kladná. Každý bod

Více

Gymnázium Jiřího Ortena, Kutná Hora. Průřezová témata Poznámky. Téma Školní výstupy Učivo (pojmy) volné rovnoběžné promítání průmětna

Gymnázium Jiřího Ortena, Kutná Hora. Průřezová témata Poznámky. Téma Školní výstupy Učivo (pojmy) volné rovnoběžné promítání průmětna Předmět: Matematika Náplň: Stereometrie, Analytická geometrie Třída: 3. ročník a septima Počet hodin: 4 hodiny týdně Pomůcky: PC a dataprojektor, učebnice Stereometrie Volné rovnoběžné promítání Zobrazí

Více

Cvičné texty ke státní maturitě z matematiky

Cvičné texty ke státní maturitě z matematiky Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Úloha 1 1. a = s : 45 = 9.10180 45 = 9.101+179 45 = 9.10.10179

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Bodové a intervalové odhady parametrů v regresním modelu

Bodové a intervalové odhady parametrů v regresním modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model Mějme lineární regresní model (LRM) Y = Xβ + e, kde y 1 e 1 β y 2 Y =., e

Více

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

Zpracování náhodného vektoru. Ing. Michal Dorda, Ph.D. Ing. Michal Dorda, Ph.D. 1 Př. 1: Cestující na vybraném spoji linky MHD byli dotazováni za účelem zjištění spokojenosti s kvalitou MHD. Legenda 1 Velmi spokojen Spokojen 3 Nespokojen 4 Velmi nespokojen

Více

1. Přímka a její části

1. Přímka a její části . Přímka a její části přímka v rovině, v prostoru, přímka jako graf funkce, konstrukce přímky nebo úsečky, analytická geometrie přímky, přímka jako tečna grafu, přímka a kuželosečka Přímka v rovině a v

Více

Obecná rovnice kvadratické funkce : y = ax 2 + bx + c Pokud není uvedeno jinak, tak definičním oborem řešených funkcí je množina reálných čísel.

Obecná rovnice kvadratické funkce : y = ax 2 + bx + c Pokud není uvedeno jinak, tak definičním oborem řešených funkcí je množina reálných čísel. 5. Funkce 9. ročník 5. Funkce ZOPAKUJTE SI : 8. ROČNÍK KAPITOLA. Funkce. 5.. Kvadratická funkce Obecná rovnice kvadratické funkce : y = ax + bx + c Pokud není uvedeno jinak, tak definičním oborem řešených

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,

Více

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ. u. v = u v + u v. Umět ho aplikovat při . VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti:. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..

Více

Cvičení ze statistiky - 3. Filip Děchtěrenko

Cvičení ze statistiky - 3. Filip Děchtěrenko Cvičení ze statistiky - 3 Filip Děchtěrenko Minule bylo.. Dokončili jsme základní statistiky, typy proměnných a začali analýzu kvalitativních dat Tyhle termíny by měly být známé: Histogram, krabicový graf

Více

3) Vypočtěte souřadnice průsečíku dané přímky p : x = t, y = 9 + 3t, z = 1 + t, t R s rovinou ρ : 3x + 5y z 2 = 0.

3) Vypočtěte souřadnice průsečíku dané přímky p : x = t, y = 9 + 3t, z = 1 + t, t R s rovinou ρ : 3x + 5y z 2 = 0. M1 Prog4 D1 1) Určete vektor c kolmý na vektory a = 2 i 3 j + k, b = i + 2 j 4 k. 2) Napište obecnou a parametrické rovnice roviny, která prochází bodem A[ 1; 1; 2] a je kolmá ke dvěma rovinám ρ : x 2y

Více

Urci parametricke vyjadreni primky zadane body A[2;1] B[3;3] Urci, zda bod P [-3;5] lezi na primce AB, kde A[1;1] B[5;-3]

Urci parametricke vyjadreni primky zadane body A[2;1] B[3;3] Urci, zda bod P [-3;5] lezi na primce AB, kde A[1;1] B[5;-3] 1 Parametricke vyjadreni primky Priklad 16 Priklad 17 Priklad 18 jestlize Urci parametricke vyjadreni primky zadane body A[2;1] B[3;3] Urci, zda bod P [-3;5] lezi na primce AB, kde A[1;1] B[5;-3] Urci,

Více

ANALYTICKÁ GEOMETRIE V ROVINĚ

ANALYTICKÁ GEOMETRIE V ROVINĚ ANALYTICKÁ GEOMETRIE V ROVINĚ Analytická geometrie vyšetřuje geometrické objekty (body, přímky, kuželosečky apod.) analytickými metodami. Podle prostoru, ve kterém pracujeme, můžeme analytickou geometrii

Více

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je = Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.

Více

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

MÍRY ZÁVISLOSTI (KORELACE A REGRESE) zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky

Více

Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u.

Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u. Vektory, operace s vektory Ž3 Orientovaná úsečka Mějme dvojici bodů, (na přímce, v rovině nebo prostoru), které spojíme a vznikne tak úsečka. Pokud budeme rozlišovat, zda je spojíme od k nebo od k, říkáme,

Více

Příklady k analytické geometrii kružnice a vzájemná poloha kružnice a přímky

Příklady k analytické geometrii kružnice a vzájemná poloha kružnice a přímky Příklady k analytické geometrii kružnice a vzájemná poloha kružnice a přímky Př. 1: Určete rovnice všech kružnic, které procházejí bodem A = * 6; 9+, mají střed na přímce p: x + 3y 18 = 0 a jejich poloměr

Více

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci

Projekt OPVK - CZ.1.07/1.1.00/ Matematika pro všechny. Univerzita Palackého v Olomouci Projekt OPVK - CZ.1.07/1.1.00/26.0047 Matematika pro všechny Univerzita Palackého v Olomouci Tematický okruh: Závislosti a funkční vztahy Gradovaný řetězec úloh Téma: graf funkce, derivace funkce a její

Více

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných

Více

KGG/STG Statistika pro geografy

KGG/STG Statistika pro geografy KGG/STG Statistika pro geografy 10. Mgr. David Fiedor 27. dubna 2015 Nelineární závislost - korelační poměr užití v případě, kdy regresní čára není přímka, ale je vyjádřena složitější matematickou funkcí

Více

PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII

PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII PŘÍMKA A JEJÍ VYJÁDŘENÍ V ANALYTICKÉ GEOMETRII V úvodu analytické geometrie jsme vysvětlili, že její hlavní snahou je popsat geometrické útvary (body, vektory, přímky, kružnice,...) pomocí čísel nebo proměnných.

Více

Aplikovaná statistika v R - cvičení 3

Aplikovaná statistika v R - cvičení 3 Aplikovaná statistika v R - cvičení 3 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.8.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.8.2014 1 / 10 Lineární

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA

Regrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot

Více

Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené 22. 2. 2016 Matematika II, úroveň A ukázkový test č. 1 (2016) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které

Více

3. LINEÁRNÍ FUNKCE, LINEÁRNÍ ROVNICE A LINEÁRNÍ NEROVNICE

3. LINEÁRNÍ FUNKCE, LINEÁRNÍ ROVNICE A LINEÁRNÍ NEROVNICE . LINEÁRNÍ FUNKCE, LINEÁRNÍ ROVNICE A LINEÁRNÍ NEROVNICE Dovednosti:. Lineární funkce. -Vědět, že je vyjádřena předpisem f: y = a + b, a znát geometrický význam konstant a,b. -Umět přiřadit proměnné její

Více

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ

11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ 11. VEKTOROVÁ ALGEBRA A ANALYTICKÁ GEOMETRIE LINEÁRNÍCH ÚTVARŮ Dovednosti: 1. Chápat pojmy orientovaná úsečka a vektor a geometrický význam součtu, rozdílu a reálného násobku orientovaných úseček a vektorů..

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN

Více

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika)

Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Eukleidovský prostor a KSS Eukleidovský prostor je bodový prostor, ve kterém je definována vzdálenost dvou bodů (metrika) Kartézská soustava souřadnic je dána počátkem O a uspořádanou trojicí bodů E x,

Více

Kvadratickou funkcí se nazývá každá funkce, která je daná rovnicí. Definičním oborem kvadratické funkce je množina reálných čísel.

Kvadratickou funkcí se nazývá každá funkce, která je daná rovnicí. Definičním oborem kvadratické funkce je množina reálných čísel. Kvadratická funkce Kvadratickou funkcí se nazývá každá funkce, která je daná rovnicí y = ax 2 + bx + c Číslo a je různé od nuly, b,c jsou libovolná reálná čísla. Definičním oborem kvadratické funkce je

Více

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou

Více

M - Příprava na 1. čtvrtletku pro třídu 4ODK

M - Příprava na 1. čtvrtletku pro třídu 4ODK M - Příprava na 1. čtvrtletku pro třídu 4ODK Autor: Mgr. Jaromír Juřek Kopírování a jakékoliv další využití výukového materiálu povoleno pouze s odkazem na www.jarjurek.cz. VARIACE 1 Tento dokument byl

Více

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé. 1. Korelační analýza V životě většinou nesledujeme pouze jeden statistický znak. Sledujeme více statistických znaků zároveň. Kromě vlastností statistických znaků nás zajímá také jejich těsnost (velikost,

Více

Bodové a intervalové odhady parametrů v regresním modelu

Bodové a intervalové odhady parametrů v regresním modelu Bodové a intervalové odhady parametrů v regresním modelu 1 Odhady parametrů 11 Bodové odhady Mějme lineární regresní model (LRM) kde Y = y 1 y 2 y n, e = e 1 e 2 e n Y = Xβ + e, x 11 x 1k, X =, β = x n1

Více

Mnohorozměrná statistická data

Mnohorozměrná 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

Více

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK

FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK FAKULTA STAVEBNÍ VUT V BRNĚ PŘIJÍMACÍ ŘÍZENÍ PRO AKADEMICKÝ ROK 00 007 TEST Z MATEMATIKY PRO PŘIJÍMACÍ ZKOUŠKY ČÍSLO FAST-M-00-0. tg x + cot gx a) sinx cos x b) sin x + cos x c) d) sin x e) +. sin x cos

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

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn!

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn! MATEMATIKA vyšší úroveň obtížnosti MAGVD10C0T01 DIDAKTICKÝ TEST Didaktický test obsahuje 21 úloh. Časový limit pro řešení didaktického testu je uveden na záznamovém archu. Povolené pomůcky: psací a rýsovací

Více

Popis metod CLIDATA-GIS. Martin Stříž

Popis metod CLIDATA-GIS. Martin Stříž Popis metod CLIDATA-GIS Martin Stříž Říjen 2008 Obsah 1CLIDATA-SIMPLE...3 2CLIDATA-DEM...3 2.1Metodika výpočtu...3 2.1.1Výpočet regresních koeficientů...3 2.1.2 nalezených koeficientu...5 2.1.3Výpočet

Více

3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY

3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY 3. ÚVOD DO ANALYTICKÉ GEOMETRIE 3.1. ANALYTICKÁ GEOMETRIE PŘÍMKY V této kapitole se dozvíte: jak popsat bod v rovině a v prostoru; vzorec na výpočet vzdálenosti dvou bodů; základní tvary rovnice přímky

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu

Více

Přednáška č.7 Ing. Sylvie Riederová

Přednáška č.7 Ing. Sylvie Riederová Přednáška č.7 Ing. Sylvie Riederová 1. Aplikace klasifikace nákladů na změnu objemu výroby 2. Modelování nákladů Podstata modelování nákladů Nákladové funkce Stanovení parametrů nákladových funkcí Klasifikační

Více

Mateřská škola a Základní škola při dětské léčebně, Křetín 12

Mateřská škola a Základní škola při dětské léčebně, Křetín 12 Mateřská škola a Základní škola při dětské léčebně, Křetín 12 Autor: Mgr. Miroslav Páteček Vytvořeno: červen 2012 Klíčová slova: Matematika a její aplikace Podobnost, funkce, goniometrické funkce, lomený

Více

10. Analytická geometrie kuželoseček 1 bod

10. Analytická geometrie kuželoseček 1 bod 10. Analytická geometrie kuželoseček 1 bod 10.1. Kružnice opsaná obdélníku ABCD, kde A[2, 3], C[8, 3], má rovnici a) x 2 10x + y 2 + 7 = 0, b) (x 3) 2 + (y 3) 2 = 36, c) x 2 + 10x + y 2 18 = 0, d) (x 10)

Více

Univerzita Pardubice 8. licenční studium chemometrie

Univerzita Pardubice 8. licenční studium chemometrie Univerzita Pardubice 8. licenční studium chemometrie Statistické zpracování dat při managementu jakosti Semestrální práce Metody s latentními proměnnými a klasifikační metody Ing. Jan Balcárek, Ph.D. vedoucí

Více

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené 28. 2. 2017 Matematika II, úroveň A ukázkový test č. 1 (2017) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené mn. M E n. Zapište a načrtněte množinu D, ve které

Více

Cvičné texty ke státní maturitě z matematiky

Cvičné texty ke státní maturitě z matematiky Cvičné texty ke státní maturitě z matematiky Pracovní listy s postupy řešení Brno 2010 RNDr. Rudolf Schwarz, CSc. Státní maturita z matematiky Obsah Obsah NIŽŠÍ úroveň obtížnosti 4 MAGZD10C0K01 říjen 2010..........................

Více

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2.

Kapitola 2. o a paprsek sil lze ztotožnit s osou x (obr.2.1). sil a velikost rovnou algebraickému součtu sil podle vztahu R = F i, (2. Kapitola 2 Přímková a rovinná soustava sil 2.1 Přímková soustava sil Soustava sil ležící ve společném paprsku se nazývá přímková soustava sil [2]. Působiště všech sil m i lze posunout do společného bodu

Více

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost.

Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Euklidovský prostor. Funkce dvou proměnných: základní pojmy, limita a spojitost. Vyšší matematika, Inženýrská matematika LDF MENDELU Podpořeno projektem Průřezová inovace studijních programů Lesnické a

Více

Selekční efekt. Úvod do šlechtění zvířat 1

Selekční efekt. Úvod do šlechtění zvířat 1 Selekční efekt Úvod do šlechtění zvířat 1 Dědičnost tělesné výšky u lidí ( F. Galton 1800-1911) Generac Odchylky od průměru populace e Rodičů -6,0-4,5-3,0-1,5 0 +1,5 +3,0 +4,5 +5,0 Potomků -4,0-2,5-1,5-1,0

Více

Optimální trvanlivost nástroje

Optimální trvanlivost nástroje Ústav Strojírenské technologie Speciální technologie výroby Cvičení Optimální trvanlivost nástroje č. zadání: Zadání: Z naměřených hodnot opotřebení vyměnitelné břitové destičky určete optimální trvanlivost

Více

Funkce - pro třídu 1EB

Funkce - pro třídu 1EB Variace 1 Funkce - pro třídu 1EB Autor: Mgr. Jaromír JUŘEK Kopírování a jakékoliv využití výukového materiálu je povoleno pouze s odkazem na www.jarjurek.cz. 1. Funkce Funkce je přiřazení, které každému

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a

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

MATEMATIKA II - vybrané úlohy ze zkoušek (2015)

MATEMATIKA II - vybrané úlohy ze zkoušek (2015) MATEMATIKA II - vybrané úlohy ze zkoušek (2015) doplněné o další úlohy 24. 2. 2015 Nalezené nesrovnalosti ve výsledcích nebo připomínky k tomuto souboru sdělte laskavě F. Mrázovi (e-mail: Frantisek.Mraz@fs.cvut.cz

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

Popis modelu pro odhady PH mléčné užitkovosti

Popis modelu pro odhady PH mléčné užitkovosti Popis modelu pro odhady PH mléčné užitkovosti Zvířata zařazená do hodnocení V modelu plemene H jsou hodnoceny krávy s podílem krve H nebo 75% a výše. V modelu plemene C jsou hodnoceny krávy s podílem krve

Více

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek UNIVERZITA PARDUBICE Licenční Studium Archimedes Statistické zpracování dat a informatika 4.4 Aproximace křivek a vyhlazování křivek Mgr. Jana Kubátová Endokrinologický ústav V Praze, leden 2012 Obsah

Více

Příklady na testy předmětu Seminář z matematiky pro studenty fakulty strojní TUL.

Příklady na testy předmětu Seminář z matematiky pro studenty fakulty strojní TUL. Příklady na testy předmětu Seminář z matematiky pro studenty fakulty strojní TUL. Jméno a příjmení(čitelně): varianta č. 90 Přezdívka(nepovinné): Zde pište své výsledky Napište rovnici přímky procházející

Více

Pohyb tělesa po nakloněné rovině

Pohyb tělesa po nakloněné rovině Pohyb tělesa po nakloněné rovině Zadání 1 Pro vybrané těleso a materiál nakloněné roviny zjistěte závislost polohy tělesa na čase při jeho pohybu Výsledky vyneste do grafu a rozhodněte z něj, o jakou křivku

Více

CVIČNÝ TEST 2. OBSAH I. Cvičný test 2. Mgr. Václav Zemek. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17

CVIČNÝ TEST 2. OBSAH I. Cvičný test 2. Mgr. Václav Zemek. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 CVIČNÝ TEST 2 Mgr. Václav Zemek OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17 I. CVIČNÝ TEST 1 Od součtu libovolného čísla x a čísla 256 odečtěte číslo x zmenšené o 256.

Více

CVIČNÝ TEST 1. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 21 IV. Záznamový list 23

CVIČNÝ TEST 1. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 21 IV. Záznamový list 23 CVIČNÝ TEST 1 Mgr. Tomáš Kotler OBSAH I. Cvičný test 2 II. Autorské řešení 6 III. Klíč 21 IV. Záznamový list 23 I. CVIČNÝ TEST 1 Určete výraz V, který je největším společným dělitelem výrazů V 1 V 3 :

Více

Kontingenční tabulky, korelační koeficienty

Kontingenční tabulky, korelační koeficienty Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,

Více

1. Změřte modul pružnosti v tahu E oceli z protažení drátu. 2. Změřte modul pružnosti v tahu E oceli a duralu nebo mosazi z průhybu trámku.

1. Změřte modul pružnosti v tahu E oceli z protažení drátu. 2. Změřte modul pružnosti v tahu E oceli a duralu nebo mosazi z průhybu trámku. 1 Pracovní úkoly 1. Změřte modul pružnosti v tahu E oceli z protažení drátu. 2. Změřte modul pružnosti v tahu E oceli a duralu nebo mosazi z průhybu trámku. 3. Výsledky měření graficky znázorněte, modul

Více