b c a P(A B) = c = 4% = 0,04 d

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "b c a P(A B) = c = 4% = 0,04 d"

Transkript

1 Příklad 6: Z Prahy do Athé je 50 km V Praze byl osaze válec auta ovou svíčkou, jejíž životost má ormálí rozděleí s průměrem 0000 km a směrodatou odchylkou 3000 km Jaká je pravděpodobost, že automobil překoá vzdáleost tam i zpět, aiž bude uto tuto svíčku měit? N(µ,σ ) µ σ σ P(X > 50) P(U > ) P(U >,9) 3000 φ(,9) [ φ(,9)] φ(,9) 0,98 Příklad : Při provozu balícího automatu vzikají během směy áhodé poruchy Ze zkušeostí víme, že během směy dochází v průměru ke poruchám Jaká je pravděpodobost, že během 4 hodi (třísměého provozu) edojde ai jedou k poruše? Po(λ) poruchy za směu za 3 směy 3 6 poruch očekávaá hodota λ 6 - e λ k -6 0 λ e 6-6 P(X k) P(X 0) e 0, 0048 k! 0! Příklad 4: Pravděpodobost, že hasící systém továry (jev A) selže, je 0%, pravděpodobost, že selže poplachové zařízeí (jev B), je 0% a pravděpodobost, že selžou oba ajedou (A průik B), je 4% Jaká je pravděpodobost, že: a) Alespoň jede bude fugovat? (Doplěk jevu "selžou oba současě") b) Oba dva budou fugovat? B P(A) a + c 0% 0,0 A P(B) b + c 0% 0,0 b c a P(A B) c 4% 0,04 d a) P( A B ) P(A B) a + b + d c 0,04 0,96 b) P( A B ) - P(A B) d 0, 0, + 0,04 0,4

2 Příklad 5: Je zámo, že 90% výrobků odpovídá stadardu Byla vypracováa zjedodušeá kotrolí zkouška, která u stadardího výrobku dá kladý výsledek s pravděpodobostí 0,95, kdežto u výrobku estadardího s pravděpodobostí 0,0 Jaká je pravděpodobost, že výrobek, u ěhož zkouška dopadla kladě, je stadardí? Výrobek je Stadardí 0,9 je Nestadard 0, oz za Sta 0,95 oz za Nest 0,05 oz za Sta 0, oz za Nest 0,8 A je ozače za stadardí B je Stadardí B je Nestadardí P(B ) 0,90 P(A B ) 0,95 P(A B ) 0,0 P(B P(A B ) P(B ) 0,95 0,9 0,855 A) 0,9 P(A B ) P(B ) + P(A B ) P(B ) 0,95 0,9 + 0, 0, 0,85 Příklad 3: Určitý typ součástek je dodává v sériích po 00 kusech Při přejímací kotrole je z každé série áhodě vybráo 5 výrobků Série je přijata, jestliže mezi kotrolovaými výrobky eí žádý zmetek Jaká je pravděpodobost, že série bude přijata, jestliže obsahuje 0 zmetků? Hy(;M;N) N 00 M 0 N 5 M N - M k - k P(X k) N P(X 0) 0, 00 5

3 Příklad 6: Aby sloužila lépe svým izeretům podikla rozhlasová staice zaměřeá a hudebí pořady u 500 posluchačů průzkum za účelem zjištěí, zda dávají předost klasické ebo populárí hudbě Výsledky pozorováí roztříděé podle věku byly ásledující: věk vážá populárí hudba hudba pod 5 let ad 50 let Sestrojte 99% iterval spolehlivosti pro podíl mládeže do 5 let, která dává předost populárí hudbě (v rámci celé populace) N x 08 α 0,0 u 0,995,58,58 0,0564 0, P(- P) 08 p ± u - α p 0, P ( - P) p(- p) 0,06 0,94 0,0564 0,60% z ; 9,49% z 500 4; 353 ± 4 (306; 400) Příklad : Podle aalýzy receptů ze stejého emocičího odděleí provedeého v lékárě vyplyulo, že lékař A apsal 0% receptů, z ichž % bylo předepsáo chybě a lékař B apsal 30% receptů, z ichž chybě předepsáa byla % a) Jaká je pravděpodobost chybě apsaého receptu v daém odděleí? b) Je-li recept předepsá chybě, jaká je pravděpodobost, že ho apsal lékař B? Odděleí A 0, B 0,3 Chybě 0,0 Dobře 0,99 Chybě 0,0 Dobře 0,98 A recept je apsá chybě B recept apsal lékař B B recept apsal lékař A a) P(A) 0, 0,0 + 0,3 0,0 0,03 b) P(B P(A B ) P(B ) 0,3 0,0 0,006 A) 0,465 P(A B ) P(B ) + P(A B ) P(B ) 0,0 0,3 + 0,0 0, 0, ,00 3

4 Příklad : Oil Exploratio podikla zoufalý hazardí pokus veškeré zbylé fody vložila a pokusých vrtů Šace, že vrt arazí a ropu, je u všech vrtů 0% a jedotlivé vrty jsou avzájem ezávislé Před bakrotem může firmu zachráit je úspěch tří a více vrtů Jaké je šace? Bi(,π) π 0, k 3 i -i P(X k) π ( π ) i k i P(X 3) (P(X0)+ P(X) + P(X)) 0,5583 0,44 Příklad : Uiverzálí peumatiky mají průměrou životost mil se směrodatou odchylkou mil a ormálí rozděleí a) Jaká je pravděpodobost, že daá peumatika vydrží mil a více? b) Kolik procet peumatik vydrží méě ež mil? c) Jaká je pravděpodobost, že peumatika bude mít životost od do mil? d) Jaká je pravděpodobost, že peumatika vydrží více ež mil? N(µ,σ ) µ σ a) P(X > 50000) P(U > ) P(U > 0,5) φ ( 0,5) φ(0,5) 0, b) P(X < 50000) 0,33 0,663,% c) P(50000 < X < 60000) P < U < φ(0,5) φ( 0,5) φ(0,5) ( φ(0,5)) 0,33 + 0,6946-0, d) P(X > 80000) P(U > ) P(U > 3) φ (3) 0, ,

5 Příklad 8: Pojišťova uzavřela 00 životích pojistek s osobami určitého věku, o ichž je v úmrtostích tabulkách zjištěa pravděpodobost dožití dalších deseti let 0,85 Jedorázové pojisté čií 600 Kč a v případě úmrtí do deseti let vyplatí pojišťova pozůstalým Kč Jaký zisk z těchto pojistek může za daých podmíek pojišťova očekávat? zisk E(X) pro P(X) x x P(X) 600,- 0, ,- 0,5-60 suma: 00 Zisk zisk pro * počet pojistek ,- Kč Příklad 4: Pracovík pro odbyt u velké firmy a výrobu léčiv avštíví ročě 3 velkoprodejy s farmaky s 80% pravděpodobostí, že sjedá kotrakt Nechť X je součet všech prodejů za rok (0,, ebo 3) a) Sestavte tabulku rozděleí pravděpodobostí p(x) b) Jaká je pravděpodobost, že sjedá aspoň dva kotrakty? Bi(,π) P(X k) π k ( π ) -k k a) sjedaých P(x) obchodů 0 0,008 0,096 0, ,5 suma: b) P(x ) P(x) + P(x3) 0, ,5 0,896 Příklad 3: Z časového símku určité motáží operace vyplývá, že bylo provedeo pozorováí, zjištěý průměr doby trváí operace je průměr x 44 sec a směrodatá odchylka s 4 sec Sestrojte 95% iterval spolehlivosti pro očekávaou délku motáže x 44 σ 4 α 0,05 x ± u α - σ ± u 0,95 44 ±,96 44 ±,63 (4,3; 46,63) 3 5

6 Příklad 9: Při průjezdu přes most byla kotrolováa rychlost jízdy 00 vozidel Bylo zjištěo, že 4 vozidel překročilo povoleou rychlost Sestrojte 95% iterval spolehlivosti pro podíl vozidel překračujících a mostě povoleou rychlost 00 x 4 α 0,05 p ± u - α P(- P) 4 p 00 0,4 ( - P) p(- p) 0,4 0,6 0,84 P u 0,95,96 0,84 4 ±,96 4 ± 8,3% 4 ± 8,3 4 ± 8 00 (6; 3) Příklad 6: Z populace USA v roce 980 bylo: 0% z Kaliforie 6% špaělského původu % špaělského původu a z Kaliforie Jaká je pravděpodobost, že áhodě vybraý Američa bude: a) z Kaliforie ebo špaělského původu b) ai z Kaliforie, ai špaělského původu c) špaělského původu, ale e z Kaliforie? A je z Kaliforie B je špaělského původu A a c b B d a) P(A B) P(A) + P(B) P(A B) a + c + b 0, + 0,06 0,0 0,4 b) A B P(A) P(B) + P(A B) d (A B) - 0,- 0,06 + 0,0 0,86 c) P(B A) P(B) - P(A B) b 0,06-0,0 0,04 6

7 Příklad : Autobusy městské dopravy odjíždějí ze staice v sedmimiutových itervalech Cestující může přijít a staici v libovolém okamžiku a) Jaká je pravděpodobost, že bude čekat méě ež miuty? b) Jaká je středí hodota a rozptyl doby jeho čekáí a odjezd ze staice? 0 < x < f(x) a) P(X 5) dx [ x] 5 5 0, 85 5 x b) E(X) x P(x) x f (x)dx x dx 3, 5 x Ω x ( Ω ) 0 D(X) E x 0 {[ X - E(X) ] } E(X ) - [ E(X) ] 6,333,5 4, x E(X ) x dx 3 0 [ E(X) ] 3,5, ,333 3 Příklad : Předpokládáme, že měsíčí výdaje domácosti a určité potraviářské zboží mají ormálí rozděleí se středí hodotou 90 Kč a směrodatou odchylkou 4 Kč Staovte pravděpodobost překročeí hraice 00 Kč a) pro výdaje áhodě vybraé domácosti, b) pro průměré výdaje třiceti áhodě vybraých domácostí (Věta Lideberg - Lévy o výběrovém průměru) N(µ,σ ) E(X) µ 90 D(X) σ 4 a) N(90,4 ) P(X > 00) P U > φ (0,485) 0,65 0, b) x ~ N(90, ) P(X > 00) P U > φ (3,94) 0, ,

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou 1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C) Přijímací řízeí pro akademický rok 24/ a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata C) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím

Více

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

AMC/IEM J - HMOTNOST A VYVÁŽENÍ ČÁST JAR-OPS 3 AMC/IEM J - HMOTNOST A VYVÁŽENÍ ACJ OPS 3.605 Hodoty hmotostí Viz JAR-OPS 3.605 V souladu s ICAO Ae 5 a s meziárodí soustavou jedotek SI, skutečé a omezující hmotosti vrtulíků, užitečé zatížeí

Více

8. Základy statistiky. 8.1 Statistický soubor

8. Základy statistiky. 8.1 Statistický soubor 8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě

Více

Vzorový příklad na rozhodování BPH_ZMAN

Vzorový příklad na rozhodování BPH_ZMAN Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha

Více

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti

Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti 1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto

Více

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

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

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test) Přijímací řízeí pro akademický rok 2007/08 a magisterský studijí program: Zde alepte své uiverzití číslo PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test) U každé otázky či podotázky v ásledujícím

Více

STATISTIKA. Základní pojmy

STATISTIKA. Základní pojmy Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci

Více

STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ

STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Prof. Ig. Albert Bradáč, DrSc. STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Příspěvek vazuje publikovaý

Více

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ 4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu

Více

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA RVDĚODONOST STTISTIK Gymázium Jiřího Wolkera v rostějově Výukové materiály z matematiky pro vyšší gymázia utoři projektu Studet a prahu. století - využití ICT ve vyučováí matematiky a gymáziu Teto projekt

Více

STATISTIKA PRO EKONOMY

STATISTIKA PRO EKONOMY EDICE UČEBNÍCH TEXTŮ STATISTIKA PRO EKONOMY EDUARD SOUČEK V Y S O K Á Š K O L A E K O N O M I E A M A N A G E M E N T U Eduard Souček Statistika pro ekoomy UČEBNÍ TEXT VYSOKÁ ŠKOLA EKONOMIE A MANAGEMENTU

Více

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT 2 IDENIFIKACE H-MAICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNO omáš Novotý ČESKÉ VYSOKÉ UČENÍ ECHNICKÉ V PRAZE Faulta eletrotechicá Katedra eletroeergetiy. Úvod Metody založeé a loalizaci poruch pomocí H-matic

Více

Interval spolehlivosti pro podíl

Interval spolehlivosti pro podíl Iterval polehlivoti pro podíl http://www.caueweb.org/repoitory/tatjava/cofitapplet.html Náhodý výběr Zkoumaý proce chápeme jako áhodou veličiu určitým ám eámým roděleím a měřeá data jako realiace této

Více

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK)

Systém intralaboratorní kontroly kvality v klinické laboratoři (SIKK) Systém itralaboratorí kotroly kvality v kliické laboratoři (SIKK) Doporučeí výboru České společosti kliické biochemie ČLS JEP Obsah: 1. Volba systému... 2 2. Prováděí kotroly... 3 3. Dokumetace výsledků

Více

9.1.13 Permutace s opakováním

9.1.13 Permutace s opakováním 93 Permutace s opakováím Předpoklady: 906, 9 Pedagogická pozámka: Obsah hodiy přesahuje 45 miut, pokud emáte k dispozici další půlhodiu, musíte žáky echat projít posledí dva příklady doma Př : Urči kolik

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY

Statistické metody ve veřejné správě ŘEŠENÉ PŘÍKLADY Statitické metody ve veřejé právě ŘEŠENÉ PŘÍKLADY Ig. Václav Friedrich, Ph.D. 2013 1 Kapitola 2 Popi tatitických dat 2.1 Tabulka obahuje rozděleí pracovíků podle platových tříd: TARIF PLAT POČET TARIF

Více

9.1.12 Permutace s opakováním

9.1.12 Permutace s opakováním 9.. Permutace s opakováím Předpoklady: 905, 9 Pedagogická pozámka: Pokud echáte studety počítat samostatě příklad 9 vyjde tato hodia a skoro 80 miut. Uvažuji o tom, že hodiu doplím a rozdělím a dvě. Př.

Více

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY.

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY. Ig.Karel Hoder, ÚAMT-VUT Bro. 1.Úvod Optimálí rozděleí ákladů a vytápěí bytového domu mezi uživatele bytů v domě stále podléhá

Více

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu ÚROKVÁ SAZBA A VÝPOČET BUDOUÍ HODNOTY. Typy a druhy úročeí, budoucí hodota ivestice Úrok - odměa za získáí úvěru (cea za službu peěz) Ročí úroková sazba (míra)(i) úrok v % z hodoty kapitálu za časové období

Více

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu.

KVALIMETRIE. 16. Statistické metody v metrologii a analytické chemii. Miloslav Suchánek. Řešené příklady na CD-ROM v Excelu. KVALIMETRIE Miloslav Sucháek 16. Statistické metody v metrologii a aalytické chemii Řešeé příklady a CD-ROM v Excelu Eurachem ZAOSTŘENO NA ANALYTICKOU CHEMII V EVROPĚ Kvalimetrie 16 je zatím posledí z

Více

Veterinární a farmaceutická univerzita Brno. Základy statistiky. pro studující veterinární medicíny a farmacie

Veterinární a farmaceutická univerzita Brno. Základy statistiky. pro studující veterinární medicíny a farmacie Veteriárí a farmaceutická uiverzita Bro Základy statistiky pro studující veteriárí medicíy a farmacie Doc. RNDr. Iveta Bedáňová, Ph.D. Prof. MVDr. Vladimír Večerek, CSc. Bro, 007 Obsah Úvod.... 5 1 Základí

Více

Petr Otipka Vladislav Šmajstrla

Petr Otipka Vladislav Šmajstrla VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA PRAVDĚPODOBNOST A STATISTIKA Petr Otipka Vladislav Šmajstrla Vytv ořeo v rámci projektu Operačího programu Rozv oje lidských zdrojů CZ.04..03/3..5./006

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika

Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH ECHNICKÝ AUDI VODÁRENSKÝCH DISRIBUČNÍCH SYSÉMŮ Ig. Ladislav uhovčák, CSc. 1), Ig. omáš Kučera 1), Ig. Miroslav Svoboda 1), Ig. Miroslav Šebesta 2) 1) 2) Vysoké učeí techické v Brě, Fakulta stavebí, Ústav

Více

10.3 GEOMERTICKÝ PRŮMĚR

10.3 GEOMERTICKÝ PRŮMĚR Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo

Více

Sekvenční logické obvody(lso)

Sekvenční logické obvody(lso) Sekvečí logické obvody(lso) 1. Logické sekvečí obvody, tzv. paměťové čley, jsou obvody u kterých výstupí stavy ezávisí je a okamžitých hodotách vstupích sigálů, ale jsou závislé i a předcházejících hodotách

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

7. P o p i s n á s t a t i s t i k a

7. P o p i s n á s t a t i s t i k a 7. P o p i s á s t a t i s t i k a 7.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme

Více

1 Trochu o kritériích dělitelnosti

1 Trochu o kritériích dělitelnosti Meu: Úloha č.1 Dělitelost a prvočísla Mirko Rokyta, KMA MFF UK Praha Jaov, 12.10.2013 Růzé dělitelosti, třeba 11 a 7 (aeb Jak zfalšovat rodé číslo). Prvočísla: které je ejlepší, které je ejvětší a jak

Více

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty)

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty) (variata s odděleým hodoceím ivestičích ákladů vyaložeých a jedotlivé privatizovaé objekty) Vypracoval: YBN CONSULT - Zalecký ústav s.r.o. Ig. Bedřich Malý Ig. Yvetta Fialová, CSc. Václavské áměstí 1 110

Více

pravděpodobnostn podobnostní jazykový model

pravděpodobnostn podobnostní jazykový model Pokročilé metody rozpozáváířeči Předáška 8 Rozpozáváí s velkými slovíky, pravděpodobost podobostí jazykový model Rozpozáváí s velkým slovíkem Úlohy zaměřeé a diktováíči přepis řeči vyžadují velké slovíky

Více

Neparametrické metody

Neparametrické metody I. ÚVOD Neparametrické metody EuroMISE Cetrum v Neparametrické testy jsou založey a pořadových skórech, které reprezetují původí data v Data emusí utě splňovat určité předpoklady vyžadovaé u parametrických

Více

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1 [M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti

Více

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná

Výroční zpráva fondů společnosti Pioneer investiční společnost, a.s. - neauditovaná Výročí zpráva fodů společosti Pioeer ivestičí společost, a.s. - eauditovaá Obsah 1. Účetí závěrka: Pioeer Sporokoto, Pioeer obligačí fod, Pioeer růstový fod, Pioeer dyamický fod, Pioeer akciový fod, BALANCOVANÝ

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS.

1) Vypočtěte ideální poměr rozdělení brzdných sil na nápravy dvounápravového vozidla bez ABS. Dopraví stroje a zařízeí odborý zálad AR 04/05 Idetifiačí číslo: Počet otáze: 6 Čas : 60 miut Počet bodů Hodoceí OTÁZKY: ) Vypočtěte eálí poměr rozděleí brzdých sil a ápravy dvouápravového vozla bez ABS.

Více

Patří slovo BUSINESS do zdravotnictví?. 23. 6. 2005

Patří slovo BUSINESS do zdravotnictví?. 23. 6. 2005 Patří slovo BUSINESS do zdravotictví?. 23. 6. 2005 Společost Deloitte Společost Deloitte v České republice má více ež 550 zaměstaců a kaceláře v Praze a Olomouci. Naše česká pobočka je součástí aší regioálí

Více

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ)

3. POJIŠTĚNÍ OSOB (ŽIVOTNÍ POJIŠTĚNÍ) 3. POJIŠTĚÍ OSOB (ŽIVOTÍ POJIŠTĚÍ) 3.. EMOELOVÝ PŘÍSTUP 3... ekremeí řád vymíráí populace Úmrosí abulky a) Smr je áhodým jevem, kerý se pojišťuje pro účely ŽP sačí pracova s průměrými hodoami záko velkých

Více

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)

(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications) Základy datové aalýzy, modelového vývojářství a statistického učeí (Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applicatios) Lukáš Pastorek POZOR: Autor upozorňuje, že se jedá

Více

8 Průzkumová analýza dat

8 Průzkumová analýza dat 8 Průzkumová aalýza dat Cílem průzkumové aalýzy dat (také zámé pod zkratkou EDA - z aglického ázvu exploratory data aalysis) je alezeí zvláštostí statistického chováí dat a ověřeí jejich předpokladů pro

Více

ř ú ú Š Í Á É ř ř ř é é ř ř š é ř ř š ř é ž é ž š é š é é ř ů ž ž ř é ř ů é é ž é ř é é ř é ú é é ž é é š ň é ř š é š é Ť é ř ů ž ž ď ř é é é ž ř é Š ů é ř é ř é Š ú ř Í ž ž ř ř Í é š ž é ř Ť š ř ř ř š

Více

ň ý ě ý ý ý ě ň ý ě ý Ú ú ň ň ý ě ý ó ž ý ň ě ě ě ú ú Ř ň ň ý ě ý ě ě ž ý ž ě ý ě ý ě ě ů ě Ů Č Í Ě Á Á Í ě ě ě ě Ž Ů ú ě ě ě Ú ě ů ě ý ě ě ú ň ý ě Ů ž ů ž ě ý ý ý ý ě Č Č ě Č ě ů ý ě ý ý ž ě ě ž ů ž ě

Více

ě ě ú ě ě ě ě ě ň ě ň ů ě ů Ý ě ě ů ň ě Í ě ň ě ě Ž ě ň ě ě ú ů ú ě ě ě ú ě ě ě ě ě ě ů ě ů ě ě ú ů ě ě ě Ž ů ě ě ú Ž Ž Ú ě ě ě ě Ž Ž ě ť Ž Í ě Ž ě Ž Ž ů ěž ů ěž ě Í Ú ů ě ů ě Ž Ž Ž ě ě ě ů ě ě ě ě ě ů

Více

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál:

P(n) = n * (n - 1) * (n - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: PERMUTACE a VARIACE 2.1 Permutace P() = * ( - 1) * ( - 2) *... 2 * 1 To odpovídá zápisu, ve kterém využíváme faktoriál: ( )! P = Jedá se o vzorec pro počet permutací z prvků bez opakováí. 2.2 Variace bez

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

ó ž Ž ť Ó Ž Č Ž ž ž Ž ž Ž Š Ž ď ž Ž ž ž Š Ž ž Š Ž Ž ó Ž Ž Č ó ž Ž ž ž ž Ů ž ž Ž Ů ť ž Ž ž Ž Ž ž ž Ž É ó É É ž Ž Ž ó Ž Ě ť ó Á Ž Á ť Ó Ů Ů Ý ÓŽ Ž Ó ž Č Ž ž ž Ů Ů ž Ů ž ž ž ž ž ž ž É ť ó Š ž ó Š ž ť ó Ď

Více

SH = BH*( 1 + i) n nebo

SH = BH*( 1 + i) n nebo PEKS 2 Literatura Syek PEK 4. vydáí Faktor času v peěžím vyjádřeí Peěží jedotka Kč přijata ebo vyplacea v růzých časových okamžicích má rozdílou hodotu. Deší korua je ceější, ež korua získaá později apř.

Více

Máme dotazníky. A co dál? Martina Litschmannová

Máme dotazníky. A co dál? Martina Litschmannová Máme dotazíy. A co dál? Martia Litschmaová. Úvod S dotazíy se setáváme běžě. Vídáme je v oviách, v časopisech, jsou součásti evaluačích zpráv (sebehodoceí šol, ), výzumých zpráv, Využívají se v sociologii,

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

FYZIKA 4. ROČNÍK. Disperze světla. Spektrální barvy. β č β f. T různé f různá barva. rychlost světla v prostředí závisí na f = disperze světla

FYZIKA 4. ROČNÍK. Disperze světla. Spektrální barvy. β č β f. T různé f různá barva. rychlost světla v prostředí závisí na f = disperze světla Disperze světla. Spektrálí barvy v = = f T v = F(f) růzé f růzá barva rychlost světla v prostředí závisí a f = disperze světla c = = F ( f ) idex lomu daého optického prostředí závisí a frekveci světla

Více

dálniced3 a rychlostní silnice Praha x Tábor x České Budějovice x Rakousko

dálniced3 a rychlostní silnice Praha x Tábor x České Budějovice x Rakousko dáliced3 a rychlostí silice R3 Praha Tábor České Budějovice Rakousko w w obsah základí iformace 3 dálice D3 a rychlostí silice R3 PrahaTáborČeské BudějoviceRakousko 3 > základí iformace 4 > čleěí dálice

Více

Klonování, embryonální kmenové buňky, aj. proč ano a proč ne

Klonování, embryonální kmenové buňky, aj. proč ano a proč ne Kloováí, embryoálí kmeové buňky, aj. proč ao a proč e Doc. MUDr. Petr Hach, Csc., Em. předosta ústavu pro histologii a embryologii 1. lékařské fakulty Uiversity Karlovy v Praze Neí určeo k dalšímu šířeí

Více

SML33 / SMM33 / SMN3. Multifunkční měřící přístroje Návod k obsluze. Firmware 3.0 / 2013

SML33 / SMM33 / SMN3. Multifunkční měřící přístroje Návod k obsluze. Firmware 3.0 / 2013 KMB systems, s.r.o. Dr. M. Horákové 559, 460 06 Liberec 7, Czech Republic tel. +420 485 30 34, fax +420 482 736 896 email : kmb@kmb.cz, iteret : www.kmb.cz SML33 / SMM33 / SMN3 Multifukčí měřící přístroje

Více

Využití Markovových řetězců pro predikování pohybu cen akcií

Využití Markovových řetězců pro predikování pohybu cen akcií Využití Markovových řetězců pro predikováí pohybu ce akcií Mila Svoboda Tredy v podikáí, 4(2) 63-70 The Author(s) 2014 ISSN 1805-0603 Publisher: UWB i Pilse http://www.fek.zcu.cz/tvp/ Úvod K vybudováí

Více

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online.

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online. Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ČÍSELNÉ OBORY vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z mtemtiky školí rok 204/205

Více

ÚVOD DO PRAKTICKÉ FYZIKY I

ÚVOD DO PRAKTICKÉ FYZIKY I JIŘÍ ENGLICH ÚVOD DO PRAKTICKÉ FYZIKY I ZPRACOVÁNÍ VÝSLEDKŮ MĚŘENÍ Jede z epermetů, které změly vývoj fyzky v mulém století. V roce 9 prof. H. Kamerlgh Oes ve své laboratoř v Leydeu měřl teplotí závslost

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY 4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY Průvodce studiem V této kapitole se seznámíte se základními typy rozložení diskrétní náhodné veličiny. Vašim úkolem by neměla být

Více

Aritmetická posloupnost

Aritmetická posloupnost /65 /65 Obsh Obsh... Aritmetická posloupost.... Soustv rovic, součet.... AP - předpis... 5. AP - součet... 6. AP - prvoúhlý trojúhelík... 7. Součet čísel v itervlu... 8 Geometrická posloupost... 0. Soustv

Více

Zobrazení čísel v počítači

Zobrazení čísel v počítači Zobraeí ísel v poítai, áklady algoritmiace Ig. Michala Kotlíková Straa 1 (celkem 10) Def.. 1 slabika = 1 byte = 8 bitů 1 bit = 0 ebo 1 (ve dvojkové soustavě) Zobraeí celých ísel Zobraeí ísel v poítai Ke

Více

ZÁKLADNÍ ICHTYOLOGICKÉ METODY

ZÁKLADNÍ ICHTYOLOGICKÉ METODY ZÁKLADNÍ ICHTYOLOGICKÉ METODY Určováí věku a staoveí růstu ryb Ryby jsou poikilotermí obratlovci, u ichž jsou všechy biologické fukce zásadím způsobem ovlivňováy teplotou vody. To platí v plém rozsahu

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

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve Příklady k procvičení k průběžnému testu: 1) Při zpracování studie o průměrné výši měsíčních příjmů v České republice jsme získali data celkem od 8 tazatelů. Každý z těchto pěti souborů dat obsahoval odlišný

Více

Číselné řady. 1 m 1. 1 n a. m=2. n=1

Číselné řady. 1 m 1. 1 n a. m=2. n=1 Číselé řady Úvod U řad budeme řešit dva typy úloh: alezeí součtu a kovergeci. Nalezeí součtu (v případě, že řada koverguje) je obecě mohem těžší, elemetárě lze sečíst pouze ěkolik málo typů řad. Součet

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006

Asynchronní motory Ing. Vítězslav Stýskala, Ph.D., únor 2006 8 ELEKTRCKÉ STROJE TOČVÉ říklad 8 Základí veličiy Určeo pro poluchače akalářkých tudijích programů FS Aychroí motory g Vítězlav Stýkala, hd, úor 006 Řešeé příklady 3 fázový aychroí motor kotvou akrátko

Více

BIVŠ. Pravděpodobnost a statistika

BIVŠ. Pravděpodobnost a statistika BIVŠ Pravděpodobost a statstka Úvod Skrpta Pravděpodobost a statstka jsou učebím tetem pro stejojmeý kurz magsterského studa Bakovího sttutu vysoké školy Kurzy Pravděpodobost a statstka a avazující kurz

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

Model péče o duševně nemocné

Model péče o duševně nemocné Model péče o duševě emocé v regiou hlavího města Prahy Zázam jedáí závěrečé koferece projektu Vzděláváí odboríků, státí správy a samosprávy v oblasti trasformace istitucioálí péče o duševě emocé Praha,

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...

Více

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu

5. Výpočty s využitím vztahů mezi stavovými veličinami ideálního plynu . ýpočty s využití vztahů ezi stavovýi veličiai ideálího plyu Ze zkušeosti víe, že obje plyu - a rozdíl od objeu pevé látky ebo kapaliy - je vyeze prostore, v ěž je ply uzavře. Přítoost plyu v ádobě se

Více

Carl Friedrich Gauss

Carl Friedrich Gauss Carl Friedrich Gauss F. KOUTNÝ, Zlí (. 4. 777.. 855) Každé vyprávěí o ěkom, kdo žil dávo, je utě je kompilací prameů a odkazů, které v ejlepším případě pocházejí od jeho pamětíků. Rámec tohoto textu tvoří

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

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více

Jan Zahradník, Pedagogická fakulta Jihočeské univerzity v Českých Budějovicích

Jan Zahradník, Pedagogická fakulta Jihočeské univerzity v Českých Budějovicích Pohled do historie fiačí matematiky Ja Zahradík, Pedagogická fakulta Jihočeské uiverzity v Českých Budějovicích Úvod Častým tématem diskusí současých ekoomů je ízká úroveň fiačí gramotosti ašich občaů.

Více

Informační systémy o platu a služebním příjmu zahrnují:

Informační systémy o platu a služebním příjmu zahrnují: Katalog datových prvků a dalších položek používaých v Iformačích systémech o platu a služebím příjmu (ISPSP) verze 2014-6 16. 4. 2014 ISPSP Iformačí systémy o platu a služebím příjmu zahrují: ISP Iformačí

Více

Základní pojmy kombinatoriky

Základní pojmy kombinatoriky Základí pojy kobiatoriky Začee příklade Příklad Máe rozesadit lidí kole kulatého stolu tak, aby dva z ich, osoby A a B, eseděly vedle sebe Kolika způsoby to lze učiit? Pro získáí odpovědi budee potřebovat

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Všeobecné instrukce pro instalaci, použití a údržbu

Všeobecné instrukce pro instalaci, použití a údržbu Všeobecé istruce pro istalaci, použití a údržbu SPORÁKY PLYNOVÉ MODELY CG-2002 CG-1502 CG-1002 2 3 4 5 Tabula techicých parametrů (č. 1) VNĚJŠÍ ROZMĚRY ROZMĚRY TROUBY POČET Ů NOMINÁLNÍ SPOTŘEBA CELKOVÝ

Více

Vlastní hodnocení školy

Vlastní hodnocení školy Vlastí hodoceí školy dle vyhlášky 15/2005 Sb., v platém zěí, kterou se staoví áležitosti dlouhodobých záměrů, výročích zpráv a vlastí hodoceí školy. Škola: Základí umělecká škola Plzeň, Sokolovská 30,

Více

DOPRAVNÍ STAVBY A KONSTRUKCE

DOPRAVNÍ STAVBY A KONSTRUKCE 0o Dopraví stavb a kostrukce 0o DOPRVNÍ STVBY KONSTRUKCE Rozsah výuk: 7 týdů * hod/týde 4 hodi cvičeí hodia obsah cvičeí Úvod; podmík pro uděleí zápočtu Používaé orm Přehled průřezů používaých ve stavebích

Více

stavební obzor 1 2/2014 11

stavební obzor 1 2/2014 11 tavebí obzor /04 Exploratorí aalýza výběrového ouboru dat pevoti drátobetou v tlau Ig. Daiel PIESZKA Ig. Iva KOLOŠ, Ph.D. doc. Ig. Karel KUBEČKA, Ph.D. VŠB-TU Otrava Faulta tavebí Věrohodé vyhodoceí experimetálích

Více

n fixace uvnitř obalu

n fixace uvnitř obalu TVA RO VÉ VÝPLN Ě bezpečé uložeí výrobků a dílů při maipulaci, dopravě a skladováí fixace uvitř obalu baleí dílů v průmyslu pro sériovou i kusovou výrobu baleí dílů v elektrotechickém průmyslu - atistatické

Více

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

Makroekonomie cvičení 1

Makroekonomie cvičení 1 Makroekoomie cvičeí 1 D = poptávka. S = Nabídka. Q = Možství. P = Cea. Q* = Rovovážé možství (Q E ). P* = Rovovážá caa (P E ). L = Práce. K = Kapitál. C = Spotřeba domácosti. LR = Dlouhé období. SR = Krátké

Více