Obsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Obsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku"

Transkript

1 Obsah Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi;-) roman.biskup(at) .cz 20. února 2012 Úvod do problému Míry polohy(úrovně) Míry centrální tendence Ostatní míry polohy Míry variability Rozptyl Směrodatná odchylka a variační koeficient Rozptyl pro ordinální data Rozpětí Míry šikmosti a špičatosti Míry šikmosti Míry špičatosti Grafická vizualizace Krabicový graf Statistika bybirom Statistika Deskriptivnícharakteristiky 1/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 2/28 Úvod do problému Popisné(deskriptivní) charakteristiky/statistiky jsoučíselnécharakteristiky,které koncentrovanou formou(jedinýmčíslem) vyjadřují určitou vlastnost statistického znaku, obvykle slouží pro popis kvantitativního(kardinálního) statistického znaku, ale některéjemožnopoužítipro jednodušší statistickéznaky(např.:modus) někdy je problém s jejich interpretací i u diskrétního kardinálního znaku( x je 1,87 dítěte,) v některých případech mají jiný tvar(předpis) pro populaci a výběr(viz rozptyl) odlehlé hodnoty(pozorování) pozorováníjehožhodnotaznakuvybočuje(reálná/nereálná) bývajívlivnýmihodnotami vlivné hodnoty(pozorování) ovlivňujívýsledekstatistickéanalýzy(výpočetcharakteristik,odhadů parametrů,...) Značení Úvod do problému n, rozsah souboru počet pozorování, x (i) pořadovéstatistiky, seřazeníhodnotpodlevelikosti, x(1) x (2) x (3)... x (n 1) x (n), n i absolutníčetnost, proi =1,...,k; k n i =, odděluje pojmenování respektive vzorce pro netříděná a tříděná data; navíc vše pro tříděná data je barevně odlišeno, w i pokudsevetříděnýchdatechformálněnahradín i symbolemw i ak symbolemn,pakseobvyklemluvíovaháchw i jednotlivýchhodnotx i pro i =1,...,naplatíčímvyššíhodnotaw i,tímvětšívlivhodnotyx i pro výslednývýsledek,pochopitelně= n w i protováženécharakteristiky, x i hodnotastatistickéhoznaku(i =1,...,n) hodnotastatistickéhoznaku při prostém třídění respektive středu intervalu pro třídění intervalové (i =1,...,k), Statistika bybirom Statistika Deskriptivnícharakteristiky 3/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 4/28

2 Míry polohy Míry polohy(úrovně) Mají být typickou hodnotou statistického znaku z daného statistického souboru, jsou jednoznačně definované a relativně jednoduše zjistitelné, slouží k porovnání úrovně různých statistických souborů, nebo vývoje statistického souboru v čase, mají co nejméně podléhat nahodilostem výběru respektive odlehlým hodnotám(pozorováním) požadavek robustnosti. Průměry I x aritmetický průměr vážený aritmetický průměr x = 1 n x i x = 1 1 x i n i ( x = n w i ) x i w i nerobustnímíraovlivněnáodlehlýmihodnotami, průměrmůžepředstavovatrovnoměrnostnebonormu,kterávůbecneexistuje a nemá odraz ve skutečnosti, jistěplatí: n x = n x i, (x i x) =0, (x i x) 2 n (x i a) 2,prolibovolnéa. α-useknutýprůměr průměr vypočtený klasickým způsobem bez α/2% největších a nejmenších hodnot(robustnějšínež obyčejný průměr) méněnerobustní Statistika bybirom Statistika Deskriptivnícharakteristiky 5/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 6/28 Průměry II x G geometrickýprůměr váženýgeometrickýprůměr kdex i 0, x G = n x 1 x 2...x n x G = x n1 1 xn2 2...xn k k, i =1,...,n i =1,...,k nerobustnímíraovlivněnáodlehlýmihodnotami, vevýpočtechčasovýchřadaněkterýchindexů(inflace,apod.). x H harmonickýprůměr váženýharmonickýprůměr kdex i 0, x H = n x H = 1 x i i =1,...,n i =1,...,k nerobustnímíraovlivněnáodlehlýmihodnotami, včasovýchvýpočtech(frekvence,...), n i x i ModusamediánI ˆx modus nejčetnějšíhodnotaznaku(unimodální,bimodální,vícenásobnýmodus) modálníinterval intervalsnejvětšíčetností(relativníčiabsolutní) odhadmódunazákladěintervalovéhotřídění ˆx x 0 + h n 1 n 1, 22n 0 n 1 n 1 kdex 0 jestředmodálníhointervalu,n 0 ječetnostmodálníhointervalu, n 1 ječetnostintervalu,kterýpředcházímodálnímuintervalu,n 1 ječetnost intervalu, který následuje za modálním intervalem a h je délka modálního intervalu x 0,5 medián ( x) hodnotaznaku,ježdělísoubornadvěpoloviny,natypozorovánísnižšími hodnotami znaku a ty yššími hodnotami znaku x 0,5 = x (n/2) +x (n/2+1) pronsudé 2 = x ((n+1)/2) pronliché mediánovýinterval intervalobsahujícímedián,tj.prvníinterval,prokterý platí:k pi 0,5 odhadmediánunazákladěintervalovéhotřídění Statistika bybirom Statistika Deskriptivnícharakteristiky 7/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 8/28

3 ModusamediánII j 1 n+1 ni 2 x x 0 + h, nj kdex 0 jestředmediánovéhointervalu, j 1 ni jekumulativníčetnost intervalu,kterýpředcházímediánovémuintervalu,n j ječetnostintervalu mediánového intervalu a h je délka mediánového intervalu Ostatní míry polohy I x min minimum x max maximum xmin =minx =x (1) = x 0 xmax =maxx =x (n) = x 1 x 0,25 dolníkvartil Míry polohy(úrovně) Ostatní míry polohy hodnotaznaku,ježdělísoubor(pozorování)nadvěčástí čtvrtinuatři čtvrtiny; na čtvrtinu pozorování s nižšími hodnotami znaku a tři čtvrtiny pozorování yššími hodnotami znaku x 0,75 horníkvartil hodnotaznaku,ježdělísoubornadvěčástí třičtvrtinyačtvrtinu;na čtvrtinu pozorování s nižšími hodnotami znaku a čtvrtinu pozorování yššími hodnotami znaku x p p 100%(výběrový)kvantil p 0;1 hodnotaznaku,ježdělísoubornadvěčástí p-tinua(1 p)-tinu;p-tinu pozorování s nižšími hodnotami znaku a (1 p)-tinu yššími hodnotami znaku xp = (1 P) x (S) +P x (H), Statistika bybirom Statistika Deskriptivnícharakteristiky 9/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 10/28 Ostatní míry polohy II Míry polohy(úrovně) Ostatní míry polohy kdes= p(n 1)+1,H= p(n 1)+1 ap=p(n 1) S +1 decil p =0;0,1;0,2;...;0,9;1 percentil p =0;0,01;0,02;...;0,99;1 Míry variability Míry variability Vypovídají o variabilitě/proměnlivosti hodnot statistického znaku z daného statistického souboru, jsou jednoznačně definované a relativně jednoduše zjistitelné, slouží k porovnání variability různých statistických souborů, nebo vývoje statistického souboru v čase, mají co nejméně podléhat nahodilostem výběru respektive odlehlým hodnotám požadavek robustnosti některé vycházejí v odlišných jednotkách než posuzovaný statistický znak (rozptyly), nebo jsou relativní mírou variability(variační koeficient). Statistika bybirom Statistika Deskriptivnícharakteristiky 11/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 12/28

4 Rozptyl I Míry variability Rozptyl s 2 p (populační)rozptyl vážený(populační)rozptyl s 2 p = 1 n (x i x) 2 sp 2 = 1 s 2 v výběrovýrozptyl váženývýběrovýrozptyl s 2 v = 1 n 1 (x i x) 2 (x i x) 2 s 2 v = 1 1 (x i x) 2 Rozptyl II Míry variability Rozptyl transformace(besselovaoprava) s 2 p = n 1 n s2 v s 2 p = 1 s2 v obecnámíravariabilitymezivšemihodnotami(nejenvůčiprůměru) s 2 p = 1 2n 2 (x i x j) 2 j=1 nerobustnímíryovlivněnéodlehlýmihodnotami, rozptylvycházívjednotkáchnadruhou!, s 2 p =x 2 x 2 výpočetnívzorecpopulačníhorozptylu s 2 p <s 2 v daň zavýběrovéšetření+požadaveknestrannostiodhadu, provelkánrespektiveneníznatelnýnumerickýrozdílmezipopulačníma výběrovým rozptylem, Statistika bybirom Statistika Deskriptivnícharakteristiky 13/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 14/28 Směrodatná odchylka (populační)směrodatnáodchylka výběrovásměrodatnáodchylka Míry variability Směrodatná odchylka a variační koeficient = s 2 p = s 2 v nerobustnímíryovlivněnéodlehlýmihodnotami, směrodatnéodchylkyvycházívjednotkáchanalyzovanéhostatistickéhoznaku, sp < daň zavýběrovéšetření+požadaveknestrannostiodhadu, provelkánrespektiveneníznatelnýnumerickýrozdílmezipopulačnía výběrovou směrodatnou odchylkou, Variační koeficient V X variačníkoeficient(populačníavýběrový) V X = x Míry variability Směrodatná odchylka a variační koeficient (V X 100%), V X = x (V X 100%) nerobustnímíryovlivněnéodlehlýmihodnotami, Vxjebezrozměrnácharakteristikarespektiveprocentuálněvyjádřená; Interpretaceprocentuálníhovyjádření: Vxudávázkolikaprocentsepodílí směrodatnáodchylkanaaritmetickémprůměru, Variačníkoeficientyjsourelativnímíryvariability( indexy ),cožumožňuje porovnávat variabilitu statistických znaků: s odlišnými jednotkami, mající sice stejné jednotky, ale odlišnou míru polohy. transformace n 1 sp = sv sp = n 1 sv Statistika bybirom Statistika Deskriptivnícharakteristiky 15/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 16/28

5 Rozptyl pro ordinální data dorvar Rozptyl pro ordinální data Míry variability Rozptyl pro ordinální data dorvar = 4 k 1 k pi (1 k pi ), kdekjepočetuspořádatelnýchkategoriíak pi,proi =1,...,kjsou kumulativní relativní četnosti. Dorvar je variantou rozptylu(míry variability) pro ordinální data. i 1 Rozpětí R variační rozpětí IQR (inter)kvartilové rozpětí Míry variability Rozpětí R =x max x min IQR = x 0,75 x 0,25 Statistika bybirom Statistika Deskriptivnícharakteristiky 17/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 18/28 Koeficient šikmosti I Míry šikmosti a špičatosti Míry šikmosti m t,3 koeficient(populační)šikmosti váženýkoeficient(populační)šikmosti m t,3 = 1 n ( xi x třetícentrálnímoment ) 3 m t,3 = 1 ( ) 3 xi x m t,3 koeficientvýběrovéšikmosti váženýkoeficientvýběrovéšikmosti (dle MS Excel 2000) Koeficient šikmosti II Míry šikmosti a špičatosti Míry šikmosti m t,3 >0,pakmluvímeokladnémzešikmení vyššíkoncentracipodprůměrných hodnot v porovnání s koncentrací hodnot nadprůměrných, m t,3 =0,pakmluvímesymetrickémzešikmení stejnékoncentracipodprůměrnýcha nadprůměrných hodnot, m t,3 <0,pakmluvímeozápornémzešikmení vyššíkoncentracinadprůměrných hodnot v porovnání s koncentrací hodnot podprůměrných. m t,3 = m t,3 = n (n 1)(n 2) ( 1)( 2) ( ) 3 xi x ( ) 3 xi x Je-li Statistika bybirom Statistika Deskriptivnícharakteristiky 19/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 20/28

6 Pearsonova míra šikmosti τ Pearsonova míra šikmosti Míry šikmosti a špičatosti Míry šikmosti τ = x ˆx s x mírašikmostizaloženána xa ˆx(přibližnámíra) Je-li τ > 0, pak mluvíme o kladném zešikmení koncentrace některých podprůměrných hodnot je vyšší v porovnání s koncentrací hodnot nadprůměrných, τ =0,pakmluvímesymetrickémzešikmení průměrné hodnotyjsounejčastější, τ < 0, pak mluvíme o záporném zešikmení koncentrace některých nadprůměrných hodnot je vyšší v porovnání s koncentrací hodnot podprůměrných. Míra špičatosti I Míry šikmosti a špičatosti Míry špičatosti m t,4 koeficient(populační)špičatosti váženýkoeficient(populační)špičatosti m t,4 = 1 n ( xi x čtvrtýcentrálnímoment ) 4 m t,4 = 1 kurt modifikovaný koeficient(populační) špičatosti kurt =m t,4 3 ( ) 4 xi x prolepšísrovnáváníseodčtvrtéhocentrálníhomomentuodečítá3,cožje hodnotakoeficientušpičatostinormálníhorozdělení; větší respektive menší špičatostpakurčujemevesrovnánísešpičatostínormálníhorozdělení Statistika bybirom Statistika Deskriptivnícharakteristiky 21/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 22/28 Míra špičatosti II Míry šikmosti a špičatosti Míry špičatosti m t,4 koeficientvýběrovéšpičatosti váženýkoeficientvýběrovéšpičatosti (dle MS Excel 2000) (n+1)n ( ) 4 xi x m t,4 = (n 1)(n 2)(n 3) m t,4 = ( +1) ( 1)( 2)( 3) ( ) 4 xi x kurt modifikovaný koeficient výběrové špičatosti vážený modifikovaný koeficient výběrové špičatosti(dle MS Excel 2000) Krabicový graf Box-plot vizualizace popisných statistik vybrané míry polohy a vybraných variabilit plným názvem Box-and-whisker(s) plot krabicový graf ousy celýgrafjesloženzboxu(krabice), vousů,příčnéčárkyrespektivečtverečku jakéhodnotyvolitpronastaveníkrabicovéhografuzáležípovazedatazáměru analýzy principiálnělzepronastavenívolitparametry xas,topro ilustraci statistickéindukce,nebo x 0,50aIQR,toproanalýzuodlehlýchpozorování kurt =m t,4 3(n 1)2 (n 2)(n 3) kurt =m t,4 3( 1)2 ( 2)( 3) stejnéjakprokoeficient(populační)špičatosti Je-li kurt >0,pakmluvímeokladnéšpičatosti koncentraceprůměrnýchhodnotjevyšší, než bývá u normálního rozdělení, kurt = 0, pak mluvíme o normální špičatosti koncentrace průměrných hodnot je Statistika bybirom právě taková jako u normálníhostatistika rozdělení, Deskriptivnícharakteristiky 23/28 kurt 0, pak mluvíme o záporné špičatosti koncentrace odlehlých hodnot je vyšší, Statistika bybirom Statistika Deskriptivnícharakteristiky 24/28

7 Box-plot Cena zaplacená za celkový spotřebitelský úvěr Vytvořeno 0 v programu STATISTICA komplet 6.1 Cz x 0,50 =6741 x 0,25 x 0,75 tj Rozsahneodlehlýchhodnot = (1584;15093) Odlehléhodnoty Extrémníhodnoty Box-plot Cena zaplacená za celkový spotřebitelský úvěr dle provozoven I Vytvořeno Strakonice v programuprachatice STATISTICAKlatovy komplet 6.1 Cz x 0,50 x 0,25 x 0,75 Rozsahneodlehlýchhodnot Odlehléhodnoty Extrémníhodnoty Statistika bybirom Statistika Deskriptivnícharakteristiky 25/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 26/28 Box-plot Cena zaplacená za celkový spotřebitelský úvěr dle provozoven II 8200 Box-plot Cena zaplacená za celkový spotřebitelský úvěr dle provozoven III x x ± x ±1, x x ± sv n x ±1,96 sv n Vytvořeno Strakonice v programuprachatice STATISTICAKlatovy komplet 6.1 Cz 0 Vytvořeno Strakonice v programuprachatice STATISTICAKlatovy komplet 6.1 Cz Statistika bybirom Statistika Deskriptivnícharakteristiky 27/28 Statistika bybirom Statistika Deskriptivnícharakteristiky 28/28

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

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

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

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

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

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

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Jak nelhat se statistikou? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava Co je to statistika? teoretická disciplína, která se zabývá metodami sběru a analýzy dat Jak získat data?

Více

EXPLORATORNÍ ANALÝZA DAT. 7. cvičení

EXPLORATORNÍ ANALÝZA DAT. 7. cvičení EXPLORATORNÍ ANALÝZA DAT 7. cvičení Teorie pravděpodobnosti x Statistika Teorie pravděpodobnosti popisuje zákonitosti týkající se náhodných jevů, používá se k modelování náhodností a neurčitostí, které

Více

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka

2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka 2. Statistická terminologie a vyjadřovací prostředky 2.1. Statistická terminologie Statistická jednotka Statistická jednotka = nositel statistické informace, elementární prvek hromadného jevu. Příklady:

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

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

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

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

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách

VNITROSKUPINOVÝ ROZPTYL. Je mírou variability uvnitř skupin Jiný název: průměr rozptylů Vypočítává se jako průměr rozptylů v jednotlivých skupinách ROZKLAD ROZPTYLU ROZKLAD ROZPTYLU Rozptyl se dá rozložit na vnitroskupinový a meziskupinový rozptyl. Celkový rozptyl je potom součet meziskupinového a vnitroskupinového Užívá se k výpočtu rozptylu, jestliže

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

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

Analýza dat s využitím MS Excel

Analýza dat s využitím MS Excel Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti

Více

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr

Kurz SPSS: Jednoduchá analýza dat. Jiří Šafr Kurz SPSS: Jednoduchá analýza dat Jiří Šafr vytvořeno 29. 6. 2009 Dva základní typy statistiky 1. Popisná statistika: metody pro zjišťování a sumarizaci informací grfy, tabulky, popisné chrakteristiky

Více

Průzkumová analýza jednorozměrných dat (Teorie)

Průzkumová analýza jednorozměrných dat (Teorie) Míra nezaměstnanosti *%+ 211 Průzkumová analýza jednorozměrných dat (Teorie) Míra nezaměstnanosti *%+ (okres Opava, červen 21) Rozsah 77 Průměr 11,5 Minimum 5,5 Dolní kvartil 8,4 5 1 15 2 Medián 9,9 Horní

Více

Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby

Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby IVP 1275 Rozvrhování nákladů pomocných činností a režijních nákladů na výkony rostlinné a živočišné výroby Prezentace k oponentuře konané dne 27. 1. 2015 v Praze Ing. Jana Poláčková, CSc. odpovědný řešitel

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok

IES FSV UK. Domácí úkol Pravděpodobnost a statistika I. Cyklistův rok IES FSV UK Domácí úkol Pravděpodobnost a statistika I Cyklistův rok Radovan Fišer rfiser@gmail.com XII.26 Úvod Jako statistický soubor jsem si vybral počet ujetých kilometrů za posledních 1 dnů v mé vlastní

Více

ADZ základní statistické funkce

ADZ základní statistické funkce ADZ základní statistické funkce Základní statistické funkce a znaky v softwaru Excel Znak Stručný popis + Sčítání buněk - Odčítání buněk * Násobení buněk / Dělení buněk Ctrl+c Vyjmutí buňky Ctrl+v Vložení

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

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

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu cvičící 1. cvičení 4ST201 Informace o kurzu Popisná statistika Úvod do SASu Obsah: Vysoká škola ekonomická 1 Vyučující: Základní informace:» Konzultační hodiny: pátek 9:00 11:00» Místnost: JM317» Email:

Více

Statistika pro gymnázia

Statistika pro gymnázia Statistika pro gymnázia Pracovní verze učebního textu ZÁKLADNÍ POJMY Statistika zkoumá jevy (společenské, přírodní, technické) ve velkých statistických souborech. Prvky statistických souborů se nazývají

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

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

Organizační pokyny k přednášce. Matematická statistika. Co je statistika? Přehled témat

Organizační pokyny k přednášce. Matematická statistika. Co je statistika? Přehled témat Organizační pokyny k přednášce Matematická statistika MS710P05 Zdeněk Hlávka (Šárka Hudecová, Michal Kulich) Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta UK hlavka@karlin.mff.cuni.cz

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

Bohemius, k.s. www.bohemius.cz

Bohemius, k.s. www.bohemius.cz Bohemius, k.s. Je vývoj výsledků provozoven závislý na konkrétním zaměstnanci? Je to náhoda, nebo úmysl? Umíme předpovědět vývoj dat v našich podmínkách? Jaké mohu očekávat výkyvy? Jaké je tedy riziko

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

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

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1

Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 Statistická analýza dat podzemních vod. Statistical analysis of ground water data. Vladimír Sosna 1 1 ČHMÚ, OPZV, Na Šabatce 17, 143 06 Praha 4 - Komořany sosna@chmi.cz, tel. 377 256 617 Abstrakt: Referát

Více

Z tohoto setříděného souboru snadno sestavíme tabulku prostého rozdělení četností.

Z tohoto setříděného souboru snadno sestavíme tabulku prostého rozdělení četností. Příklad 1 Firma má pro své zaměstnance stanoveny tyto základní mzdy v Kč: 18600, 17650, 19200, 20400, 20800, 18600, 20400, 24200, 20400, 19200, 24200, 20400, 17650, 25800, 17650. Určete charakteristiky

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

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

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 276/2004 Sb. kterou se mění vyhláška č. 343/2002 Sb., o postupu

Více

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR

aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR 1 aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické

Více

zcela převažující druh průměru, který má uplatnění při řešení téměř všech úloh statistiky široké využití: v ekonomických

zcela převažující druh průměru, který má uplatnění při řešení téměř všech úloh statistiky široké využití: v ekonomických STŘEDNÍ HODNOTY VÝZNAM Rozdělení četností poskytuje užitečnou informaci a přehled o zkoumaném statistickém souboru. Porovnávat několik souborů pomocí tabulek rozděleni četností by však bylo.a. Proto se

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

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK

Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK Sbírka příkladů k procvičení VMZDP, VMZDH, VMZDK 1. Na základě údajů uvedených v tabulce rozhodněte, zda existuje závislost mezi roky a počtem firem ve Šluknovském výběžku, které zaměstnávaly osoby zdravotně

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

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

Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz

Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz UK FHS Historická sociologie (LS 2010) Analýza kvantitativních dat: 1. Popisné statistiky a testování hypotéz Jiří Šafr jiri.safr(zavináč)seznam.cz vytvořeno 29. 6. 2009, poslední aktualizace 25. 5. 2010

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

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

Analýza dat v ekonomii

Analýza dat v ekonomii Vysoká škola ekonomie a managementu Ekonomický institut VŠEM Analýza dat v ekonomii (dříve Statistické metody a demografie) Mgr. Milena Opletalová, VŠEM milena.opletalova@vsem.cz Na základě materiálů Matěje

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

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA. Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT. Jana Borůvková, Petra Horáčková, Miroslav Hanáček

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA. Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT. Jana Borůvková, Petra Horáčková, Miroslav Hanáček VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky STATISTICA ÚVOD DO ZPRACOVÁNÍ DAT Jana Borůvková, Petra Horáčková, Miroslav Hanáček 2013 Jana Borůvková, Petra Horáčková, Miroslav Hanáček STATISTICA

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

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU

KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU KVANTITATIVNÍ METODY V PEDAGOGICKÉM VÝZKUMU RADEK KRPEC CZ.1.07/2.2.00/29.0006 OSTRAVA, ČERVEN 2013 Studijní opora je jedním z výstupu projektu ESF OP VK. Číslo Prioritní osy: 7.2 Oblast podpory: 7.2.2

Více

Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, 170 00 Praha 7, tel.: +420 224 507 507 www.cermat.cz, www.novamaturita.

Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, 170 00 Praha 7, tel.: +420 224 507 507 www.cermat.cz, www.novamaturita. Analýza výsledků testu - slovníček aktuálních pojmů. Úlohy zařazované do testů jsou různého typu. V uzavřených úlohách a uzavřených podúlohách svazku žák vybírá odpověď z několika nabízených alternativ.

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

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

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

Biostatistika a matematické metody epidemiologie - stručné studijní texty

Biostatistika a matematické metody epidemiologie - stručné studijní texty Biostatistika a matematické metody epidemiologie - stručné studijní texty Bohumír Procházka, SZÚ Praha 1 Co můžeme sledovat Pro charakteristiku nebo vlastnost, kterou chceme sledovat zvolíme termín jev.

Více

PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013. Vyhodnocení průzkumu

PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013. Vyhodnocení průzkumu PLATOVÁ STUDIE PRO FINANČNÍ POZICE 2013 Vyhodnocení průzkumu Česká asociace pro finanční řízení (CAFIN) si jako jeden ze svých cílů klade pomoc při rozvoji finanční profese. Zajímají nás aktuální trendy

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

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

Míra přerozdělování příjmů v ČR

Míra přerozdělování příjmů v ČR Míra přerozdělování příjmů v ČR Luboš Marek, Michal Vrabec Anotace V tomto článku počítají autoři hodnoty Giniho indexu v České republice. Tento index je spočítán nejprve za celou ČR, poté pro skupinu

Více

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA

VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra matematiky STATISTIKA V SPSS Jana Borůvková, Petra Horáčková, Miroslav Hanáček 2014 Jana Borůvková, Petra Horáčková, Miroslav Hanáček STATISTIKA V SPSS 1. vydání

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

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

Statistická analýza složek kvality bílého vína

Statistická analýza složek kvality bílého vína Statistická analýza složek kvality bílého vína Petr Voborník Fakulta informatiky a managementu, Katedra informatiky a kvantitativních metod Univerzita Hradec Králové, Rokitanského 62, 5 Hradec Králové,

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

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

5 ANALÝZA ROZPTYLU. Počet sloupců, K = 7 Počet dat, N = 70 Celkový průměr = 3.9846

5 ANALÝZA ROZPTYLU. Počet sloupců, K = 7 Počet dat, N = 70 Celkový průměr = 3.9846 1 5 ANALÝZA ROZPTYLU Vzorová úloha 5.1 Zkrácený postup jednofaktorové analýzy rozptylu Na úloze B5.02 Porovnání nové metody v sedmi laboratořích ukážeme postup 16 jednofaktorové analýzy rozptylu. Kirchhoefer

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

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

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

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

Kvalita v laboratorní a kontrolní praxi

Kvalita v laboratorní a kontrolní praxi Kvalita v laboratorní a kontrolní praxi Část 3: Chyby a hodnocení výsledků měření Vladimír Kocourek Praha, únor 2015 Zkoušení (analýza) v laboratoři Výroba Výzkum a vývoj (R&D) Obchodování (dodávání) Ochrana

Více

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35

Obsah. 3 Testy 31 3.1 z test... 32 3.2 z test 2... 33 3.3 t test... 34 3.4 t test 2s... 35 Obsah 1 Popisná statistika 4 1.1 bas stat........................................ 5 1.2 mean.......................................... 6 1.3 meansq........................................ 7 1.4 sumsq.........................................

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

PSY117/454 Statistická analýza dat v psychologii Přednáška 10 PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot

Více

Me neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 76

Me neˇ nezˇ minimum ze statistiky Michaela S ˇ edova KPMS MFF UK Principy medicı ny zalozˇene na du kazech a za klady veˇdecke prˇı pravy 1 / 76 1 / 76 Méně než minimum ze statistiky Michaela Šedová KPMS MFF UK Principy medicíny založené na důkazech a základy vědecké přípravy Příklad Studie syndromu náhodného úmrtí dětí. Dvě skupiny: Děti, které

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

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

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

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

výchovy a sportu v testu 12minutového plavání

výchovy a sportu v testu 12minutového plavání Zpracovala: Pokorná Jitka Katedra plaveckých sportů UK FTVS Výkonnost studentů 1.. ročník níků Fakulty tělesné výchovy a sportu v testu 12minutového plavání Irena Čechovská, Barbora Čechovská, Gabriela

Více

SEMESTRÁLNÍ PRÁCE 3.5 Klasifikace analýzou vícerozměrných dat

SEMESTRÁLNÍ PRÁCE 3.5 Klasifikace analýzou vícerozměrných dat UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ KATEDRA ANALYTICKÉ CHEMIE LICENČNÍ STUDIUM - STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Ing. Věra Fialová BIOPHARM VÝZKUMNÝ ÚSTAV BIOFARMACIE A VETERINÁRNÍCH

Více

Fakulta dopravní PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA. Doc. RNDr. Jana Novovičová, CSc. verze 12. dubna 2006. Vydavatelství ČVUT

Fakulta dopravní PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA. Doc. RNDr. Jana Novovičová, CSc. verze 12. dubna 2006. Vydavatelství ČVUT ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA Doc. RNDr. Jana Novovičová, CSc. verze 12. dubna 2006 Vydavatelství ČVUT Lektor : Doc. Ing. Miloslav Vošvrda,

Více

Úvod. Struktura respondentů

Úvod. Struktura respondentů Výsledky pilotního průzkumu postojů studentů Policejní akademie ČR v Praze k problematice zálohování dat Ing. Bc. Marek Čandík, Ph.D. JUDr. Štěpán Kalamár, Ph.D. The results of the pilot survey of students

Více

Při statistickém zkoumání se snažíme udělat nějaký závěr ohledně vlastností celého statistického souboru

Při statistickém zkoumání se snažíme udělat nějaký závěr ohledně vlastností celého statistického souboru 0.1 Základy statistického zpracování dat 1 0.1 Základy statistického zpracování dat Statistika se zabývá shromažďováním, tříděním a popisem velkých souborů dat. Někdy se pod pojmem statistika myslí přímo

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

počet imigrantů imigranti nedospělí dospělí

počet imigrantů imigranti nedospělí dospělí AAV přednášející Mgr. Patrik Galeta 2. října 2008-2. přednáška + cvičení - test - vypisovací odpovědi, pokaždé v odpovědi bude postup a výsledek, pokud budu mít jen jedno z toho, potom dostanu jen část

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

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

Navrhování experimentů a jejich analýza. Eva Jarošová

Navrhování experimentů a jejich analýza. Eva Jarošová Navrhování experimentů a jejich analýza Eva Jarošová Obsah Základní techniky Vyhodnocení výsledků Experimenty s jedním zkoumaným faktorem Faktoriální experimenty úplné 2 N dílčí 2 N-p Experimenty pro studium

Více

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf.

Experimentáln. lní toků ve VK EMO. XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký. www.vf. Experimentáln lní měření průtok toků ve VK EMO XXX. Dny radiační ochrany Liptovský Ján 10.11.-14.11.2008 Petr Okruhlica, Miroslav Mrtvý, Zdenek Kopecký Systém měření průtoku EMO Měření ve ventilačním komíně

Více

9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI

9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Statistické třídění, intervalové rozdělení četnosti Aleš Drobník strana 1 9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Problematiku třídění podle jednoho spojitého

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

Semestrální práce z předmětu Matematika 6F

Semestrální práce z předmětu Matematika 6F vypracoval: Jaroslav Nušl dne: 17.6.24 email: nusl@cvut.org Semestrální práce z předmětu Matematika 6F Zádání: Cílem semestrální práce z matematiky 6F bylo zkoumání hudebního signálu. Pluginem ve Winampu

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

výška (cm) počet žáků

výška (cm) počet žáků Statistika 1) Ve školním roce 1997/119 bylo v Brně 3 základních škol, ve kterých bylo celkem 1 tříd. Tyto školy navštěvovalo 11 5 žáků. Určete a) kolik tříd průměrně měla jedna ZŠ, b) kolik žáků průměrně

Více