VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ"

Transkript

1 VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje tržní cenu nemovtost její poloha. Na dvou krajích v České republce byl zobrazen lneárním regresním modelem vlv velkost obce na tržní ceny rodnných domů. Výsledný vypočtený model ukazuje vzájemnou závslost těchto dvou velčn a umožňuje numercké využtí zejména př stanovování tržní ceny porovnávací metodkou. ÚVOD Př určování tržní ceny je třeba zohledňovat různé vlvy. Mez nejdůležtější patří poloha nemovtost. Pro kvantfkac těchto vlvů na výpočet tržní ceny je vhodné využívat statstckých metod. Pro odhadnutí závslost tržní ceny na velkost obce lze použít lneární regresní model. CHARAKTERISTIKA TRHU NEMOVITOSTÍ A JEHO SPECIFIKA Př oceňování nemovtostí nás zpravdla nejvíce zajímají dva typy cen, a to cena obvyklá (též obecná, tržní) nebo cena úřední (též admnstratvní), která se stanoví na základě zvláštního předpsu (zákon č. 151/1997 Sb.,o oceňování majetku a vyhláška 540/00 Sb., kterou se provádějí některá ustanovení tohoto zákona). Základním předpsem, který vymezuje tyto pojmy je zákon č. 56/1990 Sb., o cenách, jenž v 1 odst. stanovuje: Cena je peněžní částka: sjednaná př nákupu a prodej zboží podle až 13 nebo podle zvláštního předpsu (vz. výše) k jným účelům než k prodej Cena tržní se většnou zjšťuje porovnáním s jž realzovaným prodej podobných věcí, které se uskutečnly v určtém místě a čase. Hraje zde pochoptelně rol dostupnost, relevance a věrohodnost nformací. Mělo by se také jednat o statstcky významný soubor nformací, poněvadž v opačném případě by měl výsledek velm nízkou vypovídací schopnost a bylo by na místě zvolení jné metodky. Tržní cena nemovtost však vznká na trhu stejně jako ostatní statky, ovšem tento trh má řadu svých specfk. Pořád však platí základní aspekty pro stanovení rovnovážné ceny trhu. Především je to střet nabídky s nemovtostm (hojně reprezentované realtním kancelářem) a poptávky po nemovtostech. U nemovtostí je postup zpravdla takový, že nabídková cena má vytvořt shora ohrančený nterval, ve kterém se bude pohybovat cena př obchodování, a jeho horní mez je právě tvořena hodnotou nabídkové ceny. Ceny nzerované k prodej jsou tedy převážně vždy vyšší, než jaké budou nakonec dosaženy. Pro realtní 1 Cupal, Martn, Ing. et Bc. Ústav soudního nženýrství, Vysoké učení techncké v Brně, Údolní 44/53, Brno, 1

2 nabídku v podstatě platí krtérum, že cena odhadované nemovtost nemůže být větší než cena stejné nemovtost nzerované k prodej. Tedy nabídková cena takto stanovená pak buďto klesá ještě v nabídce anebo se domluví až cena prodejní stejná nebo nžší. Zde se vychází z předpokladu, že vyšší cenu prodeje, než byla nabídková cena, by za standardních podmínek málokdo akceptoval. Ncméně nabídka sama o sobě ještě trh netvoří, je třeba poptávky. Jejch vzájemné ovlvňování dospívá k výsledné ceně. Př analýze poptávky se subjekty budou nejspíše zaměřovat na užtek z dané nemovtost. Zde je však velm důležtý aspekt poptávky: užtek je subjektvní velčna a tudíž může významně působt na cenu (pokud bude například velm oblíbená lokalta v obc, může tento fakt značně zastínt samou věcnou hodnotu nemovtost). p (cena) S 0 S 1 p E D E 0 q E Q (množství) Graf č. 1 Model trhu s různou nabídkou dle délky období V grafckém zobrazení modelu trhu je ukázáno, jak se vyrovná nabídka a poptávka v bodě rovnováhy E [p E ;q E ]. Poptávková křvka D je u trhu s nemovtostm relatvně cenově elastcká, protože nemovtost v žvotě člověka představuje značnou nvestc a navíc může s koupí vyčkávat déle a nutně j nemusí hned koupt. Nabídková křvka S 0 (nabídka v krátkém období) je relatvně strmá a tedy nepřílš pružná, protože zejména v krátkém období př růstu poptávky nelze dodat na trh adekvátní množství produkce (např. mpulsem k další výstavbě rodnných domů č bytů je jstě fakt, že se prodají už v počátcích výstavby a tudíž pravděpodobně budou v další výstavbě snadno prodány). Je ale třeba určtá doba k tomu, aby nabídka dokázala zareagovat na poptávku (doba výstavby a tvorba nových kapact). V krátkém období by tedy vzrostla především cena, avšak časem by se přzpůsobovalo požadované množství nemovtostí. V delším období tedy nabídku zobrazuje křvka S 1 a z grafu je taky vdět, že př zvýšení poptávky by v delším období byla cena nžší než v kratším, protože nabídka S 1 dokáže nabídnout jž větší množství nemovtostí než S 0. Ovšem výrazné specfkum u nemovtostí spočívá v tom, že z nějakého důvodu může být nabídka pozemků a jných nemovtostí dlouhodobě omezená (například tím, že nkdo nevybavuje rozvojové pozemky nženýrským sítěm, ale také třeba tím, že se strktně chrání zemědělská půda, a tím se znemožňuje územní rozvoj města), tudíž se sníží dsponblní zásoba pozemků (nemovtostí) pro trh na mnmum neschopné dosáhnout rovnovážného stavu E. Trh pak buď přestane fungovat (pozemky a nemovtost se přestanou prodávat a

3 kupovat), nebo (v případě cenové regulace) vznkne černý trh, který nerespektuje ofcální pravdla. Modelové zobrazení této stuace zachycuje následující obrázek. p (cena) S D 0 Q (množství) Graf č. Zhroucení trhu s neelastckou omezenou nabídkou [5] Zjstt cenu nemovtost, stavby nebo pozemku, je vždy obtížné vzhledem k specfčnost trhu nemovtostí. Tento trh se dá pak obtížně porovnávat s jným trhy, například s trhem strojních zařízení. Zde je na místě uvést důležtá specfka trhů nemovtostí: Každý pozemek je unkátní svou polohou, svým fyzkálním vlastnostm, vlvy svého předchozího využtí atd.; je tedy těžké nějak absolutně vyjádřt kvaltu pozemku, hodnott jej a stanovt správnou cenu. Každou nemovtost lze (alespoň teoretcky) využívat řadou různých způsobů, z nchž každý má jné efekty, vč. ekonomckých. Cena stavebních pozemků je zpravdla řádově vyšší než cena jných pozemků. Ekonomcký potencál (komerční hodnotu) každé nemovtost ovlvňují externalty (vnější vlvy) okolí. Jen velm malé procento pozemků č nemovtostí je současně na trhu. Naprostá většna nemovtostí není nabízena, takže možnost výběru ze strany poptávajícího jsou velm omezeny. Frekvence prodeje nemovtostí je ve většně případů velm malá (většna z nás s kupuje nemovtost jednou nebo dvakrát za žvot na rozdíl třeba od oblečení a spotřebčů). Důležté je především to, že většna nabízejících poptávajících nemá dostatečné zkušenost, aby posoudla kvaltu a adekvátnost ceny nemovtostí vzhledem k stuac na trhu. Proto se zpravdla prodej realzuje za účast zprostředkovatele a nezávslého experta. Neexstuje nsttuce, která by poskytovala komplexní přehled o trhu s nemovtostm a která by byla schopna nabízet plný sortment typů nemovtostí na větším území. Hodnota resp. cena nemovtost je hlavně v obytných územích výrazně ovlvňována socálním statutem území. 3

4 Z výše uvedeného plyne, že trh nemovtostí bývá oprávněně označován jako velm nedokonalý, tedy ovlvňovaný také řadou jných faktorů než jsou základní ekonomcké zákony. Základním rysy nemovtostí jsou: nepřemísttelnost, neopakovatelný výrobek, dlouhodobá žvotnost. Jsou to jakés hlavní determnanty. Pokud chceme dospět k tržní ceně nemovtost, musíme zohledňovat pečlvě všechny vlvy, které mají nebo mohou mít na tuto cenu vlv. K tomu směřují různé metody. Počty těchto vlvů se různí, většnou se uvažuje mez dvěma až třeba třcet vlvy, ale to záleží také na tom, jestl jsou agregované nebo samostatné. Nejvýraznějším faktorem (vlvem) je poloha nemovtost. Ten lze samozřejmě rozdělt na řadu dílčích faktorů, jako je velkost obce, ve které se nemovtost nachází, vybavenost obce, její okolí, její další regonální kontext, dále pak umístění nemovtost v dané obc, územní plán aj. V následující kaptole je demonstrována závslost tržní ceny na poloze nemovtost v rámc velkost obce a regonu. ODHAD VLIVU VELIKOSTI OBCE NA TRŽNÍ CENU RODINNÝCH DOMŮ POMOCÍ METOD REGRESNÍ ANALÝZY Výchozí podmínky výzkumu a kvantfkace dat Základní datový soubor byl vytvořen z rodnných domů nacházejících se ve dvou krajích České republky. Jsou to Jhomoravský kraj a kraj Vysočna. V těchto krajích jsou patrné odlšné podmínky geografcké, ekonomcké, socální a jné. Bylo tedy apror zřejmé, že tyto efekty budou mít dopad na tržní cenu nemovtostí př jejch porovnání. Soubor dat byl vytvořen z 67 rodnných domů, z toho 01 v Jhomoravském kraj a 66 v kraj Vysočna. Tyto počty byly svým způsobem determnovány sledovaným obdobím, po které byly ceny těchto nemovtostí sledovány a také aktualzovány v perodě jednoho týdne. Jedná se o databáz, která vznkla z nabízených nemovtostí na realtních serverech v období od do Jedná se tedy o nabídkové ceny, které se však většnou po určté době konvergují k ceně realzace. Jak jž ale bylo zmíněno v předešlé kaptole, cena odhadované nemovtost nemůže být větší než cena stejné nemovtost nzerované k prodej. Občas je používán koefcent redukce na pramen ceny, který je pro tyto případy přblžně 0,85. Pokud tedy vezmeme cenu z realtní nzerce okamžtě, je vhodné tímto koefcentem tuto násobt a dostáváme cenu prodejní. Ncméně v tomto modelu to není přílš důležté, protože popsujeme závslost mez velkostí obce a cenou nemovtostí a všechny ceny nemovtostí budou z realtní nzerce, tudíž k porovnání máme u všech stejné podmínky. Pokud však chceme konkrétní odhad ceny nemovtost v určtém kraj č obc (nejspíše střední hodnotou), pak můžeme tento koefcent použít, když zde by byl značně vyšší kvůl úpravám cen a aktualzacím. K určení velkost obce bylo zvoleno přřazení počtu obyvatel, protože vyjadřuje nějakou blízkou úměrou počet nemovtostí v obc resp. rodnných domů na rozdíl například od rozlohy obce. Následně byly vybrány obce náhodně, avšak bylo zde dodržováno jsté ntervalové rozpětí u počtu obyvatel obce, aby bylo možno vytvořt spektrum dle počtu obyvatel 4

5 rovnoměrně v celkovém ntervalu. Byly tedy vybrány určté reprezentanty daného ntervalu a rozložení obcí vznklo následovně: Kraje Jhomoravský Vysočna Třídy obec počet obyvatel obec počet obyvatel Třída: A Třída: B Třída: C Třída: D Třída: E Třída: F Třída: G Třída: H Brno - Znojmo Hodonín Břeclav 7 6 Vyškov 374 Havlíčkův Brod 4 57 Blansko Žďár nad Sázavou 4 49 Pelhřmov Kyjov 1 79 Velké Mezříčí Veselí nad Moravou Humpolec Boskovce Nové město na Moravě Tšnov 8 11 Moravské Budějovce Bučovce Třešť 5 90 Velké Pavlovce Žrovnce Jhlava Třebíč Tab č. 1 Zatřídění vybraných obcí s jejch počty obyvatel do výběrových ntervalů Z realty je zřejmé, že počet obcí se s rostoucím počtem obyvatel snžuje. Proto jsou ve vyšších ntervalech téměř všechny obce daného kraje, zatímco v nžších ntervalech bylo nutno vybírat jž zmíněné reprezentanty daných ntervalů. Soubor všech tržních cen nemovtostí byl tvořen 67 hodnotam. Tyto hodnoty mají docela velký rozsah, náleží do ntervalu <30 000; >. Pro mnoho statstckých zpracování je důležté rozložení četností určtého znaku resp. proměnné (v tomto případě tržní ceny). Vzhledem k tomu, že se počet varant hodnot blíží spíše rozsahu souboru nežl několka hodnotám, přřazujeme četnost nkolv jednotlvým varantám (bodové rozložení četností), ale celým ntervalům hodnot. Jedná se o ntervalové rozložení četností. V následujícím grafu č. 3 je toto ntervalové rozložení četností zobrazeno pro náš vybraný datový soubor s tržním cenam rodnných domů. Přes všechny ntervaly probíhá normální rozložení datového souboru respektve prokládá tyto hodnoty. Tento typ rozložení popsuje náhodnou velčnu Y například tak, že ke konstantě μ se přčítá velké množství nezávslých náhodných vlvů mírně kolísajících kolem 0. Proměnlvost těchto vlvů je vyjádřena konstantou σ > 0. - (yμ) σ (y) e (1) σ 1 π Tato funkce popsuje průběh hustoty pravděpodobnost (v našem případě relatvní četnost) velčny Y a je znázorněna červenou křvkou v grafu. Standardně se zapsuje typ rozložení náhodné velčny pomocí jejích parametrů. Normální rozložení se zapsuje jako Y ~ N (μ, σ ). Tyto parametry byly popsány výše; pro naše data jsou hodnoty těchto parametrů 5

6 uvedeny rovněž v grafu, takže výsledkem je Y ~ N( , ). Kromě normálního rozložení by bylo možno použít beta-normální rozložení, které má trochu jný průběh hustoty pravděpodobnost. 80 Hstogram (Tabulka9 v*67c) Y = 67*1,58E6*normal(x; 3,189E6;,0193E6) Počet pozorování ,E5,836E6 5,35E6 7,868E6 1,0384E7 1,9E7 1,578E6 4,094E6 6,61E6 9,16E6 1,164E7 Y Graf č. 3 Intervalové rozložení četností tržních cen [STATISTICA 7] K výpočtu odhadu parametrů pro model závslost mez tržní cenou a velkostí obce máme tedy číselná data, kde velčna X představuje počet obyvatel a velčna Y tržní cenu rodnných domů. Na následujícím grafu č. 4 jsou jž zobrazeny obě velčny. Je patrno, že zobrazované hodnoty netvoří souvslejší strukturu po celém grafu. To je však důsledek realty resp. vytvořené nepravdelné struktury obcí v České republce s různým počtem obyvatel. 6

7 Y (tržní cena) XVII. Meznárodní vědecká konference soudního nženýrství VZTAH TRŽNÍ CENY A VELIKOSTI OBCE X (počet obyvatel) Graf č. 4 Vztah tržní ceny rodnných domů a velkost obce V následující kaptole bude popsán a vypočítán lneární regresní model, který vysthuje průběh závslost mez počtem obyvatel a tržní cenou rodnných domů. Sestavení modelu a metoda výpočtu odhadu neznámých parametrů Pro zjštění průběhu závslost je zapotřebí sestavt a vypočítat lneární statstcký model. Tento proces se nazývá regresní analýza a jejím cílem je popsat resp. vysthnout průběh závslost hodnot 1 náhodné velčny (Y) na hodnotách k-náhodných velčn X 1 až X k. Náhodná velčna Y zde představuje vysvětlovanou nebo závslou proměnnou a X 1 až X k vysvětlující nebo nezávslou proměnnou. Potom Y(x 1,,x k ) představuje neznámý výsledek měření velčny Y za podmínek, že X 1 =x 1,, X k =x k (malá písmena představují konkrétní hodnoty př provedení expermentu). Regresní funkce velčny Y vzhledem k velčnám X 1 až X k vypadá takto. 1 x k y E Y x,..., () Počet měření je v našem případě 67 a je roven N. Jelkož se jedná o vlv náhody, dá se regresní funkce psát následovně. y ε E(Y x, = 1,,N (3) Uvažují se náhodné vlvy pomocí ε, což je de facto hodnota náhodné chyby -tého měření a platí tedy: 7

8 Y x εx E Y x (4) V tomto vztahu Y(x) představuje neznámý výsledek měření v bodě x (náhodná velčna); E[Y(x)] je regresní funkce (reálná funkce proměnné X) a náhodná velčna ε(x), pro kterou platí E[ε(x)] = 0 (střední hodnota chyby). Pro úplnost dodávám, že střední hodnota náhodné velčny X je E(X) a představuje střed rozdělení, okolo kterého kolísají realzace náhodné velčny X. Dále dodávám, že před provedením expermentu mluvíme o proměnných jako o náhodných velčnách (X) a po provedení expermentu jsou to realzace náhodné velčny (x). Následně musíme odhadnout hodnotu parametrů regresní funkce. Pro tento případ byla vybrána lneární regresní funkce s logartmckým průběhem. Lneární regresní funkce je totž lneární funkcí parametrů β 1,,β k, ale to neznamená, že její průběh je lneární. Konstanty, které je třeba určt, jsou jž zmíněné regresní parametry a jejch vektor β je vektorový regresní parametr. T β β,..., (5) 1 βk Dále tedy můžeme uvažovat lneární regresní funkc v tomto tvaru.,...,x ) β x... β x T β y E Y(x (6) 1 k 1 1 kx k Př provedení expermentu pro N měření označíme Y jako neznámý výsledek -tého měření, tj. výsledek v bodě x 1,,x k a = 1,,N. Y Y(x 1,...,xk ) (7),...,x β x... β x β E(Y ) E Y x, pro = 1,,N (8) 1 k 1 Jestlže pro náhodný vektor Y platí tento vztah, říkáme, že se řídí lneárním regresním modelem. Pro zjednodušení budeme uvažovat základní lneární regresní model, který uvažuje velčny Y 1,,Y N stejně přesné a nekorelované. Pro výpočet všech měření N má lneární regresní model tento tvar. 1 k k x T x11 x1.. x T 1k Y 1 x1 x 1 x.. x k E(Y) E : : β β Xβ (9) T : : Y N x N x N1 x N x Nk Matce X je tzv. matce plánu nebo též regresní matce. I-tý řádek matce udává bod, ve kterém se měří a neznámý výsledek je y. Matc plánu pro tento případ regrese lze sestavt, protože známe body (zde počty obyvatel v obcích), ve kterých měříme (zde tržní ceny rodnných domů). Zvolený regresní model pro tento případ je následující. Y(x) β β ln(x) E 1 (10) 8

9 Z výše uvedeného lze určt matc plánu X a bude vypadat následovně. 1 1, , X : : (11) : : 1 8, Matce plánu je reálná matce a má rozměr N/k (zde 67/) a pomocí ní také vypočteme bodové odhady neznámých parametrů β 1 a β. Tyto odhady provedeme metodou nejmenších čtverců, tzv. MNČ odhad. Prncp je založen na mnmalzac součtu čtverců odchylek skutečných hodnot od hodnot vysvětlovaných lneárním regresním modelem. Výpočet vede na soustavu normálních rovnc, kde výsledkem je tento matcový vztah, který vznkne po algebrackých úpravách. T T X Xβ X Y (1) Pro výpočet odhadu parametrů β 1 a β tento vztah upravíme na tento tvar. T 1 T X X X Y β (13) Z tohoto vztahu jsme schopn operacem mez vektory a matcem dospět k výslednému vektoru neznámých parametrů β. Podotýkám, že vektor Y je vektorem neznámých výsledků, ale v našem případě výsledných hodnot expermentu, tedy vektor hodnot tržních cen. Tento případ lze početně řešt nejlépe pomocí nějakého výpočetního softwareu, modely menšího rozsahu lze řešt například pomocí MS Excel. Zde je však omezení v podobě počtu buněk a rozsáhlejší data jž zde nelze spočítat (vz. tento případ). Proto doporučuj matematcký software, například MATLAB 7.0. Výsledek odhadu neznámých parametrů byl tento: β 1 = ,66 a β = ,98. Výsledný regresní model a jeho adekvátnost Vypočtený lneární regresní model má následující podobu. Y(x) 76950ln(x) E (14) Po zavedení a zobrazení modelu do jž vytvořeného grafckého zobrazení datového souboru bude vypadat toto zobrazení následovně. 9

10 Y (tržní cena) XVII. Meznárodní vědecká konference soudního nženýrství VZTAH TRŽNÍ CENY A VELIKOSTI OBCE X (počet obyvatel) Graf č. 5 Lneární regresní model pro vyjádření vztahu tržní ceny rodnných domů a velkost obce Tento model využívá logartmckou regresní funkc, která je nejlepší varantou regresní funkce. Jné průběhy této funkce, jako například exponencální nebo lneární, vykázaly horší adekvátnost k danému modelu. Míra adekvátnost modelu se vykazuje statstkou Se, což je rezduální součet čtverců. Je to rozdíl mez skutečně naměřenou hodnotou a hodnotou vysvětlenou modelem. Rozdílem je chyba ε (rezdua) a pro všechna měření N tedy platí následující. N 1 N Se Y Y ε (15) Čím je statstka Se menší, tím je model adekvátnější. Nevýhodou je, že není shora omezená a hodí se tedy spíše k porovnávání kvalty modelů. Proto se míra adekvátnost modelu vyjadřuje pomocí tzv. výběrového koefcentu mnohonásobné determnace R. Pokud je roven 1, naměřené body leží přímo na regresní funkc a tedy 100 % varablty závslé proměnné Y je vysvětleno danou regresní funkcí. Pokud je naopak roven 0, tak 0 % varablty závslé proměnné Y lze vysvětlt danou regresní funkcí (nezávslost na X). K určení tohoto výběrového koefcentu mnohonásobné determnace R potřebujeme určt kromě Se také Sc a Sr. Sc je celkový součet čtverců (celková varablta Y) a Sr představuje regresní součet čtverců (tu část celkové varablty Y, která je vysvětlena regresní funkcí). Tedy Se je ta část varablty, která není vysvětlena regresní funkcí. Z výše uvedeného evdentně platí toto. 1 Sc = Se + Sr (16) 10

11 Výpočet statstk Sc a Sr: N 1 N Y ;Sr (Y Y) 1 Sc Y (17) U těchto dvou statstk je odčítán průměr od skutečně naměřené hodnoty (Sc) a od hodnoty vysvětlované modelem (Sr). Rovnc (16) lze upravt na tvar: Se Sr 1 (18) Sc Sc Pak R se rovná podílu Sr/Sc. Př vypočtených statstkách Sc a Se má tedy tvar: R Se 1 (19) Sc Hodnota R se realzuje v ntervalu <0;1>. Výpočet tohoto konkrétního případu je uveden v tabulce č.. Statstka R Statstka Se Statstka Sc 0, Tab č. Výpočet statstk pro zjštění adekvátnost modelu Výsledná hodnota výběrového koefcentu mnohonásobné determnace R pro zjšťovaný případ závslost tržní ceny rodnných domů na velkost obce (resp. počtu obyvatel v obc) je 0,57, což není velm vhodné číslo pro adekvátnost modelu. Zároveň však musíme respektovat skutečnost, že tento model musel být sestaven tak, že data jsou tříděna dle jednotlvých obcí vždy vertkálně (určté množství objektů resp. jejch tržních cen v jedné obc) a tak tímto faktem byla rozptýlenost výrazně zvyšována. Pokud bychom vycházel ze středních hodnot tržních cen pro jednotlvé obce a tím elmnoval tento fakt, pak by tento konkrétní model měl hodnotu výběrového koefcentu mnohonásobné determnace R rovnu číslu 0,741. Znamená to, že 74,1 % varablty závslé proměnné Y lze vysvětlt danou regresní funkcí. Další důvod, proč je model relatvně adekvátní (vzhledem k determnac skutečností) je ten, že ostatní regresní funkce (např. mocnnného č exponencálního průběhu) nedosahují vyšší hodnoty R, než je v případě logartmckého průběhu regresní funkce. Porovnání středních hodnot tržních cen rodnných domů ve dvou krajích Data byla shromážděna pro kraje České republky. Odhad středních hodnot tržních cen u obou krajů je znázorněn v grafu č. 6. Rozsah datového souboru pro kraj Vysočna je tvořen 66 rodnným domy a střední hodnota tržní ceny rodnného domu ční Kč. Databáz Jhomoravského kraje tvoří 01 rodnných domů a střední hodnota je Kč. Věrohodnější odhad střední hodnoty je u Jhomoravského kraje vzhledem k většímu rozsahu dat. 11

12 Srovnání průměrné ceny RD v kraj Vysočna a v Jhomoravském kraj kraj Vysočna 1kraj Jhomoravský Graf č. 6 Srovnání průměrné tržní ceny RD v kraj Vysočna a v Jhomoravském kraj ZÁVĚR Na tržní hodnotu nemovtost působí hodně vlvů. Mez nejvýznamnější patří poloha obce, ve které se daná nemovtost nachází, poloha nemovtost v rámc obce aj. Na dvou krajích v České republce byl proveden výzkum vlvu velkost obce, reprezentovanou počtem obyvatel, na tržní cenu rodnného domu. Pro data obou krajů byl vytvořen lneární regresní model, který popsuje tuto závslost jako funkc vysvětlované proměnné (Y tržní ceny) závsející na vysvětlující proměnné (X počet obyvatel). Tento model byl vypočten a byla posouzena adekvátnost jeho použtí. S ohledem na determnanty skutečného světa vyšel tento model jako relatvně adekvátní. Pro lustrac úrovně tržní ceny ve dvou zkoumaných krajích byla srovnána průměrná hodnota tržních cen v obou krajích. Výsledkem bylo zjštění, že tržní hodnota průměrného rodnného domu je v Jhomoravském kraj o 700 ts. Kč vyšší než v kraj Vysočna. Význam lneárního regresního modelu lze spatřovat především př stanovování tržní ceny porovnávací metodkou. Numercky se dá využít jako funkční hodnota (tržní cena) pro určtou velkost obce. Lze tedy převést tržní cenu v jedné obc s určtou výší počtu obyvatel na tržní cenu obce s jným počtem obyvatel. Pokud by se počítalo s porovnávacím koefcenty, tak by se jednalo o podíl těchto cen. LITERATURA [1] BRADÁČ, Albert a kol.: Teore oceňování nemovtost. Akademcké nakladatelství CERM, 004, 6. přepracované a doplněné vydání, Brno ISBN [] ŽÍTEK, Vladmír: Oceňování nemovtostí a přírodních zdrojů. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 005, 1. vydání, Brno ISBN [3] BRADÁČ, Albert a kol.: Soudní nženýrství. Akademcké nakladatelství CERM, 1999, dotsk 1. vydání, Brno ISBN

13 [4] FUCHS, Kaml, TULEJA, Pavel: Základy ekonome. EKOPRESS, 003, 1. vydání, Praha ISBN [5] MAIER,K., ČTYŘOKÝ,J.: Ekonomka územního rozvoje. Grada Publshng, 001, Praha [6] BUDÍKOVÁ, Mare: Statstka I. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 004, 1. vydání, Brno ISBN [7] BUDÍKOVÁ, Mare: Statstka I. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 004, 1. vydání, Brno ISBN [8] KOUTKOVÁ, Helena, MOLL, Ivo: Úvod do pravděpodobnost a matematcké statstky. Akademcké nakladatelství CERM, 001, Brno ISBN [9] [10] [11] [1] 13

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu 6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a

Více

CHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.

CHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ. CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt

Více

Transformace dat a počítačově intenzivní metody

Transformace dat a počítačově intenzivní metody Transformace dat a počítačově ntenzvní metody Jří Mltký Katedra textlních materálů, Textlní fakulta, Techncká unversta v Lberc, Lberec, e- mal jr.mltky@vslb.cz Mlan Meloun, Katedra analytcké cheme, Unversta

Více

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d

Korelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím

Více

STATISTIKA (pro navazující magisterské studium)

STATISTIKA (pro navazující magisterské studium) Slezská unverzta v Opavě Obchodně podnkatelská fakulta v Karvné STATISTIKA (pro navazující magsterské studum) Jaroslav Ramík Karvná 007 Jaroslav Ramík, Statstka Jaroslav Ramík, Statstka 3 OBSAH MODULU

Více

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl ČVUT FEL X16FIM Fnanční Management Semestrální projekt Téma: Optmalzace zásobování teplem Vypracoval: Marek Handl Datum: květen 2008 Formulace úlohy Pro novou výstavbu 100 bytových jednotek je třeba zvolt

Více

Energie elektrického pole

Energie elektrického pole Energe elektrckého pole Jž v úvodní kaptole jsme poznal, že nehybný (centrální elektrcký náboj vytváří v celém nekonečném prostoru slové elektrcké pole, které je konzervatvní, to znamená, že jakýkolv jný

Více

Posuzování výkonnosti projektů a projektového řízení

Posuzování výkonnosti projektů a projektového řízení Posuzování výkonnost projektů a projektového řízení Ing. Jarmla Ircngová Západočeská unverzta v Plzn, Fakulta ekonomcká, Katedra managementu, novací a projektů jrcngo@kp.zcu.cz Abstrakt V současnost je

Více

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně 9. Měření knetky dohasínání fluorescence ve frekvenční doméně Gavolův experment (194) zdroj vzorek synchronní otáčení fázový posun detektor Měření dob žvota lumnscence Frekvenční doména - exctace harmoncky

Více

VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH

VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH VOLBA HODNOTÍCÍCH KRITÉRIÍ VE VEŘEJNÝCH ZAKÁZKÁCH THE CHOICE OF EVALUATION CRITERIA IN PUBLIC PROCUREMENT Martn Schmdt Masarykova unverzta, Ekonomcko-správní fakulta m.schmdt@emal.cz Abstrakt: Článek zkoumá

Více

1.2. Postup výpočtu. , [kwh/(m 3.a)] (6)

1.2. Postup výpočtu. , [kwh/(m 3.a)] (6) 1. Stavebn energetcké vlastnost budov Energetcké chování budov v zním období se v současné době hodnotí buď s pomocí průměrného součntele prostupu tepla nebo s pomocí měrné potřeby tepla na vytápění. 1.1.

Více

Teorie efektivních trhů (E.Fama (1965))

Teorie efektivních trhů (E.Fama (1965)) Teore efektvních trhů (E.Fama (965)) Efektvní efektvní zpracování nových nformací Efektvní trh trh, který rychle a přesně absorbuje nové nf. Ceny II (akcí) náhodná procházka Předpoklady: na trhu partcpuje

Více

MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES

MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta stavební Ústav stavební mechanky Doc. Ing. Zdeněk Kala, Ph.D. MEZNÍ STAVY A SPOLEHLIVOST OCELOVÝCH KONSTRUKCÍ LIMIT STATES AND RELIABILITY OF STEEL STRUCTURES TEZE

Více

Metody volby financování investičních projektů

Metody volby financování investičních projektů 7. meznárodní konference Fnanční řízení podnků a fnančních nsttucí Ostrava VŠB-T Ostrava konomcká fakulta katedra Fnancí 8. 9. září 00 Metody volby fnancování nvestčních projektů Dana Dluhošová Dagmar

Více

Znamená vyšší korupce dražší dálnice? Evidence z dat Eurostatu. Michal Dvořák *

Znamená vyšší korupce dražší dálnice? Evidence z dat Eurostatu. Michal Dvořák * Znamená vyšší korupce dražší dálnce? Evdence z dat Eurostatu Mchal Dvořák * Článek je pozměněnou verzí práce Analýza vztahu mez mírou korupce a cenovou úrovní nfrastrukturních staveb, kterou autor zakončl

Více

Časová hodnota peněz ve finančním rozhodování podniku. 1.1. Význam faktoru času a základní metody jeho vyjádření

Časová hodnota peněz ve finančním rozhodování podniku. 1.1. Význam faktoru času a základní metody jeho vyjádření Časová hodnota peněz ve fnančním rozhodování podnku 1.1. Význam faktoru času a základní metody jeho vyjádření Fnanční rozhodování podnku je ovlvněno časem. Peněžní prostředky získané dnes mají větší hodnotu

Více

Základy finanční matematiky

Základy finanční matematiky Hodna 38 Strana 1/10 Gymnázum Budějovcká Voltelný předmět Ekonome - jednoletý BLOK ČÍSLO 6 Základy fnanční matematky ředpokládaný počet : 5 hodn oužtá lteratura : Frantšek Freberg Fnanční teore a fnancování

Více

LOGICKÉ OBVODY J I Ř Í K A L O U S E K

LOGICKÉ OBVODY J I Ř Í K A L O U S E K LOGICKÉ OBVODY J I Ř Í K A L O U S E K Ostrava 2006 Obsah předmětu 1. ČÍSELNÉ SOUSTAVY... 2 1.1. Číselné soustavy - úvod... 2 1.2. Rozdělení číselných soustav... 2 1.3. Polyadcké číselné soustavy... 2

Více

Hodnocení účinnosti údržby

Hodnocení účinnosti údržby Hodnocení účnnost ekonomka, pojmy, základní nástroje a hodnocení Náklady na údržbu jsou nutné k obnovení funkce výrobního zařízení Je potřeba se zabývat ekonomckou efektvností a hodnocením Je třeba řešt

Více

Měření solventnosti pojistitelů neživotního pojištění metodou míry solventnosti a metodou rizikově váženého kapitálu

Měření solventnosti pojistitelů neživotního pojištění metodou míry solventnosti a metodou rizikově váženého kapitálu Měření solventnost pojsttelů nežvotního pojštění metodou míry solventnost a metodou rzkově váženého kaptálu Martna Borovcová 1 Abstrakt Příspěvek je zaměřen na metodku vykazování solventnost. Solventnost

Více

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)

ina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou) Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.

Více

Vykazování solventnosti pojišťoven

Vykazování solventnosti pojišťoven Vykazování solventnost pojšťoven Ing. Markéta Paulasová, Techncká unverzta v Lberc, Hospodářská fakulta marketa.paulasova@centrum.cz Abstrakt Pojšťovnctví je fnanční službou zabývající se přenosem rzk

Více

BEZRIZIKOVÁ VÝNOSOVÁ MÍRA OTEVŘENÝ PROBLÉM VÝNOSOVÉHO OCEŇOVÁNÍ

BEZRIZIKOVÁ VÝNOSOVÁ MÍRA OTEVŘENÝ PROBLÉM VÝNOSOVÉHO OCEŇOVÁNÍ Prof. Ing. Mloš Mařík, CSc. BEZRIZIKOVÁ VÝNOSOVÁ MÍRA OEVŘENÝ PROBLÉM VÝNOSOVÉHO OCEŇOVÁNÍ RESUMÉ: Jedním z důležtých a přtom nepřílš uspokojvě řešených problémů výnosového oceňování podnku je kalkulace

Více

Softwarová podpora matematických metod v ekonomice a řízení

Softwarová podpora matematických metod v ekonomice a řízení Softwarová podpora matematckých metod v ekonomce a řízení Petr Sed a Opava 2013 Hrazeno z prostředků proektu OPVK CZ.1.07/2.2.00/15.0174 Inovace bakalářských studních oborů se zaměřením na spoluprác s

Více

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové. Příprava na cvčení č.1 Čísla a artmetka Číselné soustavy Obraz čísla A v soustavě o základu z: m A ( Z ) a z (1) n kde: a je symbol (číslce) z je základ m je počet řádových míst, na kterých má základ kladný

Více

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G.

SÍŤOVÁ ANALÝZA. Základní pojmy síťové analýzy. u,. Sjednocením množin { u, u,..., 2. nazýváme grafem G. SÍŤOVÁ ANALÝZA Využívá grafcko-analytcké metody pro plánování, řízení a kontrolu složtých návazných procesů. yto procesy se daí rozložt na dílčí a organzačně spolu souvseící čnnost. yto procesy se nazývaí

Více

Vysoká škola ekonomická v Praze Fakulta financí a účetnictví BAKALÁŘSKÁ PRÁCE. 2010 Michal Dvořák

Vysoká škola ekonomická v Praze Fakulta financí a účetnictví BAKALÁŘSKÁ PRÁCE. 2010 Michal Dvořák Vysoká škola ekonomcká v Praze Fakulta fnancí a účetnctví BAKALÁŘSKÁ PRÁCE 2010 Mchal Dvořák Vysoká škola ekonomcká v Praze Fakulta fnancí a účetnctví Katedra veřejných fnancí Studjní obor: Fnance Analýza

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

Pracovní list č. 3: Pracujeme s kategorizovanými daty

Pracovní list č. 3: Pracujeme s kategorizovanými daty Pracovní lt č. 3: Pracujeme kategorzovaným daty Cíl cvčení: Tento pracovní lt je určen pro cvčení ke 3. a. přednášce předmětu Kvanttatvní metody B (.1 Třídění tattckých dat a. Číelné charaktertky tattckých

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti 1. Úvod do záladních pojmů teore pravděpodobnost 1.1 Úvodní pojmy Většna exatních věd zobrazuje své výsledy rgorózně tj. výsledy jsou zísávány na záladě přesných formulí a jsou jejch nterpretací. em je

Více

IES, Charles University Prague

IES, Charles University Prague Insttute of Economc Studes, aculty of Socal Scences Charles Unversty n Prague Trh práce žen: Gender pay gap a jeho determnanty artna ysíková IES Workng Paper: 13/2007 Insttute of Economc Studes, aculty

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

MODELOVÁNÍ POPTÁVKY, NABÍDKY A TRŽNÍ ROVNOVÁHY

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

Více

MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN.

MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN. MOŽNOSTI PREDIKCE DYNAMICKÉHO CHOVÁNÍ LOPAT OBĚŽNÝCH KOL KAPLANOVÝCH A DÉRIAZOVÝCH TURBÍN. Mroslav VARNER, Vktor KANICKÝ, Vlastslav SALAJKA ČKD Blansko Strojírny, a. s. Anotace Uvádí se výsledky teoretckých

Více

Konverze kmitočtu Štěpán Matějka

Konverze kmitočtu Štěpán Matějka 1.Úvod teoretcký pops Konverze kmtočtu Štěpán Matějka Směšovač měnč kmtočtu je obvod, který přeměňuje vstupní sgnál s kmtočtem na výstupní sgnál o kmtočtu IF. Někdy bývá tento proces označován také jako

Více

Bezporuchovost a pohotovost

Bezporuchovost a pohotovost Bezporuchovost a pohotovost Materály z 59. semnáře odborné skupny pro spolehlvost Konaného dne 24. 2. 205 Česká společnost pro jakost, ovotného lávka 5, 6 68 raha, www.csq.cz ČJ 205 Obsah: Ing. Jan Kamencký,

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

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace Tetlní zkušebnctv ebnctví II Jří Mltky Škály měření epřímá měření Teore měření Kalbrace Základní pojmy I PRAVDĚPODOBOST Jev A, byl sledován v m pokusech. astal celkem m a krát. Relatvní četnost výskytu

Více

ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE

ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE FAKULTA ŽIVOTNÍHO PROSTŘEDÍ KATEDRA APLIKOVANÉ GEOINFORMATIKY A ÚZEMNÍHO PLÁNOVÁNÍ PROSTOROVÁ NEURČITOST GEODAT V ANALÝZÁCH DISTRIBUCE VYBRANÝCH DRUHŮ PTÁKŮ DIPLOMOVÁ

Více

Univerzita Pardubice Fakulta ekonomicko-správní. Modelování predikce časových řad návštěvnosti web domény pomocí SVM Bc.

Univerzita Pardubice Fakulta ekonomicko-správní. Modelování predikce časových řad návštěvnosti web domény pomocí SVM Bc. Unverzta Pardubce Fakulta ekonomcko-správní Modelování predkce časových řad návštěvnost web domény pomocí SVM Bc. Vlastml Flegl Dplomová práce 2011 Prohlašuj: Tuto prác jsem vypracoval samostatně. Veškeré

Více

INŽ ENÝ RSKÁ MECHANIKA 2002

INŽ ENÝ RSKÁ MECHANIKA 2002 Ná dní konference s mezná dní účastí INŽ ENÝ RSÁ MECHANIA 00 1. 16. 5. 00, Svratka, Č eská republka PODRITICÝ RŮ ST TRHLINY VE SVAROVÉ M SPOJI OMORY PŘ EHŘÍVÁ U Jan ouš, Ondřej Belak 1 Abstrakt: V důsledku

Více

- 1 - Zdeněk Havel, Jan Hnízdil. Cvičení z Antropomotoriky. Obsah:

- 1 - Zdeněk Havel, Jan Hnízdil. Cvičení z Antropomotoriky. Obsah: - - Zdeněk Havel, Jan Hnízdl Cvčení z Antropomotorky Obsah: Úvod... S Základní charakterstky statstckých souborů...3 S Charakterstka základních výběrových technk a teoretcká rozložení četností...9 S 3

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

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

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

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů Optmalzační přístup př plánování rekonstrukcí vodovodních řadů Ladslav Tuhovčák*, Pavel Dvořák**, Jaroslav Raclavský*, Pavel Vščor*, Pavel Valkovč* * Ústav vodního hospodářství obcí, Fakulta stavební VUT

Více

Zkouškový test z fyzikální a koloidní chemie

Zkouškový test z fyzikální a koloidní chemie Zkouškový test z fyzkální a kolodní cheme VZOR/1 jméno test zápočet průměr známka Čas 9 mnut. Povoleny jsou kalkulačky. Nejsou povoleny žádné písemné pomůcky. Uotázeksvýběrema,b,c...odpověd b kroužkujte.platí:

Více

194/2007 Sb. Vyhláška

194/2007 Sb. Vyhláška 194/2007 Sb. Vyhláška ze dne 17. července 2007, kterou se stanoví pravdla pro vytápění a dodávku teplé vody, měrné ukazatele spotřeby tepelné energe pro vytápění a pro přípravu teplé vody a požadavky na

Více

Užití swapových sazeb pro stanovení diskontní míry se zřetelem na Českou republiku

Užití swapových sazeb pro stanovení diskontní míry se zřetelem na Českou republiku M. Dvořák: Užtí swapových sazeb pro stanovení dskontní míry Užtí swapových sazeb pro stanovení dskontní míry se zřetelem na Českou republku Mchal Dvořák * 1 Úvod Korektní určení bezrzkových výnosových

Více

Numerické výpočty ve světovém geodetickém referenčním systému 1984 (WGS84)

Numerické výpočty ve světovém geodetickém referenčním systému 1984 (WGS84) Numercké výpočty ve světovém geodetckém referenčním systému 984 (WGS84) prof. Mara Ivanovna Jurkna, DrSc. CNIIGAK, Moskva prof. Ing. Mloš Pck, DrSc. Geofyzkální ústav ČAV, Praha Vojenský geografcký obzor,

Více

10. Předpovídání - aplikace regresní úlohy

10. Předpovídání - aplikace regresní úlohy 10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu

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

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

M ě ř e n í o d p o r u r e z i s t o r ů

M ě ř e n í o d p o r u r e z i s t o r ů M ě ř n í o d p o r u r z s t o r ů Ú k o l : Proměřt sadu rzstorů s nznámým odporm různým mtodam a porovnat přsnost jdnotlvých měřní P o t ř b y : Vz sznam v dskách u úlohy na pracovním stol Obcná část:

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

ŘÍZENÍ OTÁČEK ASYNCHRONNÍHO MOTORU

ŘÍZENÍ OTÁČEK ASYNCHRONNÍHO MOTORU ŘÍZENÍ OTÁČEK AYNCHONNÍHO MOTOU BEZ POUŽITÍ MECHANICKÉHO ČIDLA YCHLOTI Petr Kadaník ČVUT FEL Praha, Techncká 2, Praha 6 Katedra elektrckých pohonů a trakce e-mal: kadank@feld.cvut.cz ANOTACE V tomto příspěvku

Více

Semestrální práce z předmětu MAB

Semestrální práce z předmětu MAB Západočeská univerzita v Plzni Fakulta aplikovaných věd Semestrální práce z předmětu MAB Modely investičního rozhodování Helena Wohlmuthová A07148 16. 1. 2009 Obsah 1 Úvod... 3 2 Parametry investičních

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

Pomocník na cesty. www.dtest.cz. Export z www.dtest.cz pro obecbezdekov@seznam.cz. Výběr cestovní kanceláře nebo agentury.

Pomocník na cesty. www.dtest.cz. Export z www.dtest.cz pro obecbezdekov@seznam.cz. Výběr cestovní kanceláře nebo agentury. www.dtest.cz Výběr cestovní kanceláře nebo agentury Storno zájezdu Cestovní pojštění Reklamace zájezdu Práva v letecké dopravě Roamng Pomocník na cesty Haló, to je časops dtest? Právě řeším složtý problém

Více

EKONOMICKÉ SOUVISLOSTI VYUŽÍVÁNÍ VĚTRNÉ ENERGIE V ČR IVANA RYVOLOVÁ

EKONOMICKÉ SOUVISLOSTI VYUŽÍVÁNÍ VĚTRNÉ ENERGIE V ČR IVANA RYVOLOVÁ EKONOMICKÉ SOUVISLOSTI VYUŽÍVÁNÍ VĚTRNÉ ENERGIE V ČR IVANA RYVOLOVÁ OBSAH 1 HISTORICKÝ VÝVOJ A LEGISLATIVNÍ RÁMEC...2 1.1 VĚTRNÁ ENERGIE A EVROSKÁ UNIE...4 1.1.1 Bílá knha EU...4 1.1.2 Směrnce EU...5 1.1.3

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

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

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

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

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

Více

MAKROEKONOMIE přednášky, zeleně menším písmem postupně doplňované z učebnice Ing. Macháček

MAKROEKONOMIE přednášky, zeleně menším písmem postupně doplňované z učebnice Ing. Macháček MAKROEKONOMIE přednášky, zeleně menším písmem postupně doplňované z učebnce Ing. Macháček MODEL - - stěžejní makroekonomcký model - popsuje mechansmus, kterým se ekonomka dostává do stavu všeobecné makroekonomcké

Více

8 Střední hodnota a rozptyl

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

Více

LABORATORNÍ CVIČENÍ Z FYZIKÁLNÍ

LABORATORNÍ CVIČENÍ Z FYZIKÁLNÍ MASARYKOVA UNIVERZITA FAKULTA PŘÍRODOVĚDECKÁ LABORATORNÍ CVIČENÍ Z FYZIKÁLNÍ CHEMIE ÚLOHY ZÁKLADNÍHO PRAKTIKA PRO POSLUCHAČE VYSOKOŠKOLSKÉHO STUDIA ODBORNÉ A UČITELSKÉ CHEMIE KOLEKTIV: PAVEL BROŽ MIROSLAV

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

VYUŽÍVANÍ GEOINFORMAČNÍCH TECHNOLOGIÍ V OBDOBÍ REORGANIZACE ÚŘADŮ V RESORTU MPSV

VYUŽÍVANÍ GEOINFORMAČNÍCH TECHNOLOGIÍ V OBDOBÍ REORGANIZACE ÚŘADŮ V RESORTU MPSV VYUŽÍVANÍ GEOINFORMAČNÍCH TECHNOLOGIÍ V OBDOBÍ REORGANIZACE ÚŘADŮ V RESORTU MPSV Tomáš INSPEKTOR 1, Jří HORÁK 1, Igor IVAN 1, Davd VOJTEK 1, Davd FOJTÍK 2, Pavel ŠVEC 1, Luce ORLÍKOVÁ 1,Pavel BELAJ 1 1

Více

Znalecký posudek číslo 2120-93/2009

Znalecký posudek číslo 2120-93/2009 Znalecký posudek číslo 2120-93/2009 O ceně nemovitosti: Zemědělské pozemky katastrální území: Dražůvky katastrální území: Želetice okres: Hodonín Objednatel znaleckého posudku: Exekutorský úřad Brno-venkov

Více

OSTRAVSKÁ UNIVERZITA P ř írodově decká fakulta. Biostatistika I. Pavel Drozd

OSTRAVSKÁ UNIVERZITA P ř írodově decká fakulta. Biostatistika I. Pavel Drozd OSTRAVSKÁ UIVERZITA P ř írodově decká fakulta Bostatstka I. Pavel Drozd OSTRAVA 003 OBSAH Úvod...5 Orentace v tetu...6 Bostatstka a její význam...7 Co to je bostatstka?...7 Stručná hstore statstky...9

Více

Analýza chování servopohonů u systému CNC firmy Siemens

Analýza chování servopohonů u systému CNC firmy Siemens Analýza chování servopohonů u systému CNC frmy Semens Analyss and behavour of servo-drve system n CNC Semens Bc. Tomáš áčalík Dplomová práce 00 UTB ve Zlíně, Fakulta aplkované nformatky, 00 4 ABSTRAKT

Více

CENA BYTU A VÝŠE NÁJEMNÉHO V PRAZE, BRNĚ A OSTRAVĚ

CENA BYTU A VÝŠE NÁJEMNÉHO V PRAZE, BRNĚ A OSTRAVĚ Abstrakt CENA BYTU A VÝŠE NÁJEMNÉHO V PRAZE, BRNĚ A OSTRAVĚ Tomáš Chmelík 1 Příspěvek sleduje výši cen bytů a nájmů z bytů v Praze, Brně a Ostravě a jejich vzájemný vztah v současné době. Cílem studie

Více

Měrná vnitřní práce tepelné turbíny při adiabatické expanzi v T-s diagramu

Měrná vnitřní práce tepelné turbíny při adiabatické expanzi v T-s diagramu - 1 - Tato Příloha 307 j součástí článku: ŠKORPÍK, Jří. Enrgtcké blanc lopatkových strojů, Transformační tchnolog, 2009-10. Brno: Jří Škorpík, [onln] pokračující zdroj, ISSN 1804-8293. Dostupné z http://www.transformacn-tchnolog.cz/nrgtckblanc-lopatkovych-stroju.html.

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

Oceňování majetkové hodnoty dřevin

Oceňování majetkové hodnoty dřevin 11. června 2013, Brno Konference měst 2013 Připravil: Ing. Tomáš Badal Oceňování majetkové hodnoty dřevin strana 2 Hodnota = co dostanu dlouhodobější charakter není skutečně zaplacená určuje se odhadem

Více

PRACOVIŠTĚ PRO PŘÍJEM TÍSŇOVÉHO VOLÁNÍ NA JEDNOTNÉ EVROPSKÉ ČÍSLO

PRACOVIŠTĚ PRO PŘÍJEM TÍSŇOVÉHO VOLÁNÍ NA JEDNOTNÉ EVROPSKÉ ČÍSLO 112 PRACOVIŠTĚ PRO PŘÍJEM TÍSŇOVÉHO VOLÁNÍ NA JEDNOTNÉ EVROPSKÉ ČÍSLO Systém tísňových volání je v České republce propracovaný. Máme čtyř národní telefonní čísla tísňového volání na: 150 - Hasčský záchranný

Více

3. Cena cenová kalkulace, poptávka a nabídka

3. Cena cenová kalkulace, poptávka a nabídka 3. Cena cenová kalkulace, poptávka a nabídka Klíčová slova: Cena, kalkulace, kalkulační vzorec, trh, poptávka, nabídka. Anotace textu: Cílem modulu je objasnění ceny jako ekonomické kategorie a způsobů

Více

Neuronové časové řady (ANN-TS)

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

Více

[ ] 6.2.2 Goniometrický tvar komplexních čísel I. Předpoklady: 4207, 4209, 6201

[ ] 6.2.2 Goniometrický tvar komplexních čísel I. Předpoklady: 4207, 4209, 6201 6.. Gonometrcký tvar kompleních čísel I Předpoklad: 07, 09, 60 Pedagogcká poznámka: Gonometrcký tvar kompleních čísel není pro student njak obtížný. Velm obtížné je pro student s po roce vzpomenout na

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

1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ

1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ 1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ Účele ěření je stanovení velkost ěřené velčny, charakterzující určtou specfckou vlastnost. Specfkace ěřené velčny ůže vyžadovat údaje o dalších

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

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

Téma: Investice do akcií společnosti ČEZ

Téma: Investice do akcií společnosti ČEZ Matematika a byznys Téma: Investice do akcií společnosti ČEZ Alena Švédová A07146 Investice do akcií společnosti ČEZ ÚVOD Tímto tématem, které jsem si pro tuto práci zvolila, bych chtěla poukázat na to,

Více

Znalecký posudek č. 5388 133/2013 b)

Znalecký posudek č. 5388 133/2013 b) Ing. Bc. Ewa Hradil, znalec 765 02 Otrokovice, Moravní 6224 mobil: +420 603 35 45 98 Znalecký posudek č. 5388 133/2013 b) o obvyklé ceně nemovitostí pozemků parcelní číslo 432 a 437 v katastrálním území

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

4.2 Chronické plicní nemoci v těhotenství (s možností akutního průběhu)

4.2 Chronické plicní nemoci v těhotenství (s možností akutního průběhu) Plcní nemoc v těhotenství, dagnostka a léčba 4.2 Chroncké plcní nemoc v těhotenství (s možností akutního průběhu) 4.2.1 Chroncké nenfekční nemoc 4.2.1.1 Asthma bronchale Astma je nejčastější chroncké onemocnění

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

Vždy na Vaší straně. Uživatelská příručka. Thermolink P Thermolink RC

Vždy na Vaší straně. Uživatelská příručka. Thermolink P Thermolink RC Vždy na Vaší straně Užvatelská příručka Thermolnk P Thermolnk RC OBSAH ÚVOD 1 Základní dokumentace... 3 2 Označení CE... 3 INSTALACE 3 Instalace zařízení... 3 3.1 Seznam balení... 3 3.2 Uchycení... 3 4

Více

Znalecký posudek č. 2010/224

Znalecký posudek č. 2010/224 Znalecký posudek č. 2010/224 O ceně nemovitosti: Pozemek, parcela č. 1539, v katastrálním území Bezměrov, obec Bezměrov, okres Kroměříž, kraj Zlínský. Objednatel posudku: Exekutorský úřad Ostrava JUDr.

Více

ZNALECKÝ POSUDEK číslo: 10547-17/2015

ZNALECKÝ POSUDEK číslo: 10547-17/2015 Oceňovací a znalecká kancelář s.r.o. se sídlem Václavské náměstí 832/19, Praha, kancelář Sušilova 1938/26, Přerov tel.: 608 251 025, 776 284 814, 581 331 601, email: vingralek@posudek.com zapsaná v obchodním

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

ZNALECKÝ POSUDEK. č. 623-42-2014

ZNALECKÝ POSUDEK. č. 623-42-2014 ZNALECKÝ POSUDEK č. 623-42-2014 O ceně pozemků parc.č.734/23, 271/23, zapsaných na LV č. 384 v KÚ 767671 Točník u Klatov, obec Klatovy, okres Klatovy Objednatel znaleckého posudku: Účel znaleckého posudku:

Více

DIPLOMOVÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY

DIPLOMOVÁ PRÁCE UNIVERZITA PALACKÉHO V OLOMOUCI KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY UNIVERZITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY DIPLOMOVÁ PRÁCE Mateatka úvěrů Vedoucí dploové práce: Mgr Eva Bohanesová, PhD Rok odevzdání: 2010

Více

MS EXCEL 2010 ÚLOHY. Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b.

MS EXCEL 2010 ÚLOHY. Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b. MS EXCEL 2010 ÚLOHY ÚLOHA Č.1 Vytvořte tabulku podle obrázku, která bude provádět základní matematické operace se dvěma zadanými čísly a a b. Do buněk B2 a B3 očekávám zadání hodnot. Buňky B6:B13 a D6:D13

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

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

Znalecký posudek č. 2009/128 Pozemky, parcely č. 766/32, 2748, v katastrálním území Kopřivnice, obec Kopřivnice, okres Nový Jičín, kraj Moravskoslezský. Exekutorský úřad Ostrava JUDr. Milan Vlha, soudní

Více