Marketingový výzkum 6. Analýza dat Grafy Závěrečná zpráva
|
|
- Lucie Novotná
- před 8 lety
- Počet zobrazení:
Transkript
1 Marketingový výzkum 6 Analýza dat Grafy Závěrečná zpráva
2 Analýza dat 1. Deskriptivní statistika výběr vhodných měřítek 2.Induktivní statistika - měření a testování závislostí
3 Na výběr statistické metody má vliv Typ dat (použitá škála) Typ výzkumu nezávislost výběrů, počet skupin, počet proměnných možnost kontroly proměnných
4 1. stupeň zpracování Popis odpovědí pro celý soubor, pro jednotlivé části (Ž,M) Absolutní a relativní četnosti Míry polohy Míry variability (vč. var.koef.) Míry šikmosti Tvorba kontingenčních tabulek
5 Kategorie měřící škály Typ postoje Kdy použít Typická aplikace Nominální Ano, ne Objekty jsou stejné nebo rozdílné Ordinální, pořadové Intervalové Poměrové Pořadí, párové srovnání, Likert,Thurstone, sem.d. Objekty jsou větší či menší Intervaly jsou stejné 0 má smysl, možné srovnání absolutních odchylek Pohlaví, sociální třída Řazení Měření postojů Tržby, počty výrobků, věk Statistické testy %, mo, chíkvadrát Me, korelace pořadí, percentily Průměr, směrod. odchylka, anova, regrese, faktorová an. geom. a harm. průměr, variační koeficient
6 Rozdělení četností Zájem o službu Počet % Ano ,1 Asi ano ,9 Nevím ,7 Asi ne ,3 Ne ,9 Celkem ,9 Ano ,1 Asi ano , Histogram Nejistota, nezájem ,
7 Četnosti Četnosti Pořad.číslo Velikost balení (l) Velikost balení (l) Velikost balení (l) Cena Kč/l Pořad.číslo Cena Kč/litr Pořad. číslo Cena Kč/litr , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,00 Aritmetický průměr = 26,31 Kč, medián = 26,10 Kč, směrodatná odchylka = 2,86 Kč Cena ( balení 1l) Kč Cena (balení 2l) Kč Průměrná cena džusu (balení 1l) = 27,57 Kč, průměrná cena džusu (balení 2l) = 24,87 Kč
8 Deskriptivní statistika Souhlas na škále 1(silný s.- 7 (silný n.) Průměrné skóre Uživatelé Neuživatelé Rozdíl mezi průměry Řídím nerad 3,7 4,3 2,9 1,4 Rád chodím pěšky Sleduji cenu benzínu Zajímá mě znečištění ovzduší Podíl resp., Kteří kladně odpověděli : 3,9 3,8 4,0-0,2 5,3 6,1 4,4 1,7 4,6 4,6 4,6 3,9 36% 50% 25% 25% Bydlím do vzdálenosti 1 km od stanice metra Velikost vzorku
9 Deskriptivní statistika Otázka Škála Odpověď Četnost % Při bolestech hlavy preferuji bylinky. Nesouhlas Souhlas Průměr -0,3
10 Deskriptivní statistika Lék X, Z na snižování hmotnosti hodnotím jako: velmi účinný, účinný, ani-ani, neúčinný, velmi neúčinný(problémy) Škála 1 Škála 2 Lék X Škála 1 Škála 2 Lék Y Škála 1 Škála S1 S ,2 3, , ,814035
11 Kontingenční tabulky Méně než 7000 Záměr koupit v závislosti na příjmu Víc než Ano 20,4% (38) 11,6%(46) 7,6%(37) 11,3% (121) Asi ano 19,4% (36) 11,9%(47) 17,9% (87) 16% (170) Neví, nezájem 60,2% (112) 76,5%(302) 74,5% (362) 72,5% (776) 100%(186) 100% (395) 100%(362) 100% (1067) Záměr koupit v závislosti na věku Do 30 let let Nad 40 let Ano 14%(60) 12,5% (40) 6,6% (24) 11,1% (24) Asi ano 21,9%(94) 20% (64) 14,5% (53) 18,9%(211) Neví, nezájem 64,1%(276) 67,5%(216) 78,9%(288) 70% (780) 100% (430) 100% (320) 100%(365) 100%(115)
12 Analýza závislostí- statistické charakteristiky v analýze dvou proměnných Typ proměnných Charakteristika Příklad Deskriptivní Dvě intervalové proměnné Závislost výdajů na příjmu Korelační koeficient Regresní koeficienty Nominální a intervalová proměnná Závislost mezi barvou balení a velikostí prodeje Analýza rozptylu (ANOVA) Dvě ordinální proměnné Shoda kvality zboží v názorech odborníků a laiků Koeficient korelace pořadí Deduktivní A a Z testy U-test Test Mann Whitney Dvě nominální proměnné Vazba mezi kouřením rodičů a kouřením dětí Kontingenční koeficienty (Pearsonův a Cramerův) Test 2
13 Závislost dvou intervalových proměnných Závislost ceny na stáří automobilu (20 automobilů stejně značky a typu) B = -1,529, r = -0,923 Závislost výdajů na potravinářské zboží (y) na příjmu domácnosti (x) a počtu členů domácnosti (z) b yx.z =0,27 b yz.x =1089 r yx.z =0,538 r yz.x =0,689
14 Závislost nominálních proměnných Existence test χ 2 H 0 : nezávislost H 1 = závislost χ 2 > K krit přijetí H 1 Síla - Pearsonův a Cramerův kontingenční koficient C, C r = <0,1>
15 Závislost nominálních proměnných Vzdělání Názor na množství reklamy Součty příliš mnoho přiměřeně příliš málo základní vyučení středoškolské vysokoškolské Součty Relativní četnosti 0,30 0,55 0,15 1,00 G = (nij-n0,ij) 2 / n 0,ij C= G/G+n, C r = G/c.n G = 4,074 G krit = 12,6 C = 0,100 C r =0,071
16 Mladší 30 let Kontingenční tabulka ano Penzijní připojištění ne celkem ano ne Souvisí důchodové pojištění s věkem? G * = n(n11n22n12n21і-n/2) 2 /n1 * n 2* n *1 n *2 G>X0,95 =3,84
17 Závislost ordinálních proměnných Pořadí vypracované 2 skupinami hodnotitelů podle názoru na přitažlivost výrobků či na vlastnosti, které by měl mít výrobek 2 skupiny pořadí : Spearmen Více skupin. Kendallův koef. konkordance
18 Koeficient konkordance Znač k a piva Pořadí podle chuti Součet pořadový ch čísel Ai Ai2 A B R k = 12/(h 2 (n 3 -n)). Σ Ai 2 3(n+1)/(n-1) C D E F G H I R k = J Součt y
19 Závislost nominální a ordinální proměnné Variační analýza ANOVA H 0 : a 1 = a 2 = a 3 = a M ; H 1 = non H 0 Výpočet testové charakteristiky F F >F tab. závislost Problém: závislost výše prodeje na typu obalu nebo barvě balení
20 ANOVA: Cenový experiment Má cena vliv na prodej NV? 3 úrovně ceny: 39,44,49 Kč 3 soubory supermarketů, v každém 5 obchodů (na úroveň prodeje může mít vliv jak cena tak samotný supermarket, lokalita a skupina zákazníků, ) H 0 : x 1 = x 2 = x 3 = x M ; H 1 = non H 0 F statistika
21 PRODEJ PRODEJ ANOVA:cenový experiment Poro 14 = X 11 X 10 X X 9 X X X 8 X X X 7 X X X 6 X 5 4 X Cena 39Kč 44Kč 49Kč
22 ANOVA:cenový experiment Celkem Průměr.prodej CENA 39Kč = 10 44Kč = 8 49Kč = 7 Rozptyl v důsledku změny cen: SS r r p 1 n p X X 23, 3 p Rozptyl v důsledku obchodu : SS u np r X ip X p i 1 p
23 ANOVA:cenový experiment Rozptyl vysvětlený změnami ceny 23,3/2 = 11,65 Rozptyl vlivem obchodu 34/12= 2,8 Statistika F =11,65/2,8= 4,16 Pro daný počet stupňů volnost čitatele (2) a jmenovatele (12) tabulky distribuční fce F udávají hodnotu p= cca 0,4 Závěr: zamítáme hypotézu o rovnosti průměrů
24 Speciální testy (závislé výběry) Mc Namarův test změny názorů Stejná skupina je tázána na názor před a po Wilcoxonův test pro závislé výběry stejná skupina kupuje určité množství výrobků a změní se např. cena
25 Mc Namarův test změny názorů na Názor před získáním informace příznivý Názor po získání informace nepříznivý Součty příznivý nepříznivý Součty G= ( n12-n21-1) 2 /n12+n21 G = 8,5 H o : nezměnil H 1 : změnil se G> G krit
26 Vybrané vícerozměrné statistické metody
27 Faktorová analýza Používá se pro omezení počtu proměnných Vstupy tvoří soubor proměnných vztahujících se ke každému objektu Výstupy poskytují faktorová skóre s údaji, z kolika % vysvětlují daný faktor
28 Banka Měření postojů na 9 bodové škále souhlas-nesouhlas 1. Malé banky požadují nižší poplatky než velké 2. Velké banky se pravděpodobně dopouštějí více chyb než malé 3. Pracovníci na přepážkách nemusí být mimořádně přátelští a uctiví, stačí když se budou chovat civilně 4. Přeji si, aby mě v bance znali osobně a jednali se mnou s velmi uctivě. 5. Když se ke mě v bance chovají neosobně a neochotně, nestanu se jejím pravidelným zákazníkem.
29 Ot. X1 X2 X3 X4 X5 F1 F2 Respond ent , , , , ,
30 Korelační analýza X1 X2 X3 X4 X5 X , , , ,09642 X2 1,0000 0, , ,31863 X3 1,000-0, ,77394 X4 1,0000 0,92732 X5 1,0000 Principal-Component Analysis Eigenvalue 2, , , , , Difference, , , , Proportion 0,5509 0,3550 0,0754 0,0130 0,0057 Cumulative 0,5509,9059, ,0000
31 Složení faktorů F1 F2 Komunalita X1-0,29 0,85 0,81 X2 0,05 0,92 0,83 X3 -,94 0,28 0,94 X4 0,95 0,23 0,94 X5 0,94 0,27 0,96 Interpretace faktorů F1: proměnné 3,4,5 interpretace: personální faktor F2: proměnné 1,2 interpretace: velikost banky
32 FA: Prací prášky Co zákazníci očekávají od pracích prášků? síla, odstranění všech nečistot, rozjasnění barev, cena, zamezení ztráty barev, odstranění skvrn od tuku, vůně, nepoškození struktury prádla (netřepí se), praktičnost balení, přehlednost dávkování, vliv na životní prostředí, vypere límečky na košilích, odstranění zapraných nečistot, náklady na praní, účinek na pokožku, snadnost rozpouštění, hebkost prádla, cena přiměřená účinku.
33 FA: Prací prášky (požadavky a JE SILNÝ vnímání zákazníků) Nejméně silný Nejvíce silný VYPERE VŠECHNY NEČISTOTY Vůbec nevypere Zcela vypere ROZJASNÍ BARVY Vůbec nerozjasní Nádherně rozjasní CENA JE Vysoká Nízká PRÁDLO PO VYPRÁNÍ ZTRÁCÍ BARVU Ztrácí barvu Vůbec neztrácí barvu ODSTRANÍ SKVRNY OD TUKU Vůbec neodstraní Zcela odstraní skvrny PRÁDLO PO VYPRÁNÍ VONÍ Bez vůně Intenzivní vůně NEPOŠKOZUJE STRUKTURU PRÁDLA Silně poškozuje Nepoškozuje ( prádlo je po častém praní otřepené ) PRAKTIČNOST BALENÍ Zcela nepraktické balení Velmi praktické balení PŘEHLEDNOST DÁVKOVÁNÍ Nepřehledné Srozumitelné, přehledné VLIV NA ŽIVOTNÍ PROSTŘEDÍ Škodlivý Neškodlivý VYPERE LÍMEČKY NA KOŠILÍCH Vůbec nevypere Zcela vypere ODSTRANÍ I ZAPRANÉ NEČISTOTY Vůbec neodstraní Zcela odstraní NÁKLADY NA PRANÍ JSOU Vysoké Nízké ÚČINEK NA POKOŽKU Dráždivý Šetrný SNADNOST ROZPOUŠTĚNÍ Nízká Vysoká HEBKOST PRÁDLA PO VYPRÁNÍ Nízká Vysoká CENA PŘIMĚŘENÁ ÚČINKU, KTERÝ Zcela nepřiměřená Velmi přiměřená POSKYTUJE
34 FA: Prací prášky - faktory Jednotlivé vlastnosti souvisí s faktory takto: F1:hebkost, síla, nečistoty, zašpiněnost F2: cena, cena/účin, náklady F3:pokožka, struktura, prostředí (prostředí málo koresponduje s ostatními) Vysvětlení celkového rozptylu F1: 65%, F2: 16,8%, F3:16%
35 Grafy
36 Krabicový graf Výdaje na 1 člena domácnosti
37 Grafy ordinální škála Základní rozdělení četností 5 st. škály způsob využití videomagnetofonu stupeň využití velmi často dosti často prů-měrně dosti zřídka velmi zřídka zatím nevědí k nahrávání TV pořadů k přehrávání nahraných videokazet k promítání vlastních natočených snímků N=400, údaje v %
38 velmi často 2 dosti často 3 prů-měrně 4 dosti zřídka 5 velmi zřídka 5 zatím nevědí k nahrávání TV pořadů k přehrávání nahraných videokazet k promítání vlastních natočených snímků
39 k přehrávání nahraných videokazet 1 velmi často 2 dosti často 3 prů-měrně 4 dosti zřídka 5 velmi zřídka 5 zatím nevědí k promítání vlastních natočených snímků k nahrávání TV pořadů 1 velmi často 2 dosti často 3 prů-měrně 4 dosti zřídka 5 velmi zřídka 5 zatím nevědí 1 velmi často 2 dosti často 3 prů-měrně 4 dosti zřídka 5 velmi zřídka 5 zatím nevědí
40 4 3,5 3 2,5 2 1,5 nahrávání TV pořadů přehrávání videokazet promítání vl. snímků 1 0,5 0 základní středoškolské s maturitou vysokoškolské
41 Průměrné hodnoty 5-stupňové škály využití videomagnetofonu pro: Znak nahrávání TV pořadů přehrávání videokazet promítání vl. snímků muži 2,7 3,1 3,8 ženy 2,6 2,8 3,0 věk ,7 2,5 3, ,6 2,6 3, ,6 2,8 3, ,8 3 3, ,7 2,9 3,2 vzdělání základní 2,7 2,8 3,4 středoškolské s maturitou 2,6 2,8 3,5 vysokoškolské 2,8 2,7 3,3
42 Závisí způsob použití na? 4 3,5 3 2,5 2 1,5 nahrávání TV pořadů přehrávání videokazet promítání vl. snímků 1 0,5 0 základní středoškolské s maturitou vysokoškolské
43 Grafy 4 3,5 3 2,5 2 1,5 nahrávání TV pořadů přehrávání videokazet promítání vl. snímků 1 0,5 0 muži ženy
44 Grafy 4 3,5 3 2,5 2 1,5 1 nahrávání TV pořadů přehrávání videokazet promítání vl. snímků 0,
45 Struktura zprávy Titulní strana (název, zadavatel, autoři) Obsah (kapitoly, subkapitoly) Stručný souhrn (cca 10% -úvod, hlavní výsledky,hlavní doporučení) Hlavní část (úvod problém, cíle, metodika,metodologie. Získané výsledky údaje, grafy, tabulky, názory) Závěry a doporučení: návrhy a dopady pro zadavatele Přílohy výsledky v podobě tabulek
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
VíceStatistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
Více5 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
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceMETODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU
METODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU vyučující doc. RNDr. Jiří Zháněl, Dr. M I 4 Metodologie I 7. ANALÝZA DAT (KVANTITATIVNÍ VÝZKUM) (MATEMATICKÁ) STATISTIKA DESKRIPTIVNÍ (popisná) ANALYTICKÁ
VíceGrafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
VíceCvičení 12: Binární logistická regrese
Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,
VíceStatistické metody uţívané při ověřování platnosti hypotéz
Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Počet stran: 10 Datum odevzdání: 13. 5. 2016 Pavel Kubát Obsah Úvod... 3 1 Charakterizujte
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceVysoká 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
VíceProgram 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
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceStav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
VíceKorelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza
Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako
VíceStručný 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
VíceUNIVERZITA 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
VíceStatistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni
Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou
VíceTomáš 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
VíceKategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
VíceStatistické testování hypotéz II
PSY117/454 Statistická analýza dat v psychologii Přednáška 9 Statistické testování hypotéz II Přehled testů, rozdíly průměrů, velikost účinku, síla testu Základní výzkumné otázky/hypotézy 1. Stanovení
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceTEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT
EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka
VíceTřídění 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.
Více7. SEMINÁŘ DESKRIPTIVNÍ STATISTIKA
7. SEMINÁŘ DESKRIPTIVNÍ STATISTIKA Oblasti využití statistiky v medicíně Zvládání variability Variabilita: biologická, podmínek, měřících přístrojů - hodnocení variability, variabilita náhodná x nenáhodná
VíceMann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
10. Neparametrické y Mann-Whitney U- Wilcoxonův Znaménkový Shrnutí statistických ů Typ srovnání Nulová hypotéza Parametrický Neparametrický 1 skupina dat vs. etalon Střední hodnota je rovna hodnotě etalonu.
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceTECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta ANALÝZA VÝSLEDKŮ DOTAZNÍKOVÉHO ŠETŘENÍ (FAKULTNÍ DOTAZNÍK) semestrální práce z předmětu STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ Jan Kubiš, Kateřina
VíceZáklady biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
VíceMetodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
VíceMetody sociálních výzkumů. Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika.
Metody sociálních výzkumů Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika. Statistika Význam slova-vychází ze slova stát, s jeho administrativou
VíceSever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty
Neparametrické testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VícePSY117/454 Statistická analýza dat v psychologii seminář 9. Statistické testování hypotéz
PSY117/454 Statistická analýza dat v psychologii seminář 9 Statistické testování hypotéz Základní výzkumné otázky/hypotézy 1. Stanovení hodnoty parametru =stanovení intervalu spolehlivosti na μ, σ, ρ,
Vícemarek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
VíceTestování hypotéz a měření asociace mezi proměnnými
Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
VícePSY117/454 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
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceÚvodem 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
VíceCvičení ze statistiky - 3. Filip Děchtěrenko
Cvičení ze statistiky - 3 Filip Děchtěrenko Minule bylo.. Dokončili jsme základní statistiky, typy proměnných a začali analýzu kvalitativních dat Tyhle termíny by měly být známé: Histogram, krabicový graf
VíceDeskriptivní statistika (kategorizované proměnné)
Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,
VíceStatistika I (KMI/PSTAT)
Statistika I (KMI/PSTAT) Cvičení první aneb Sumační symbolika, úvod do popisné statistiky Statistika I (KMI/PSTAT) 1 / 15 Obsah hodiny Po dnešní hodině byste měli být schopni: správně používat sumační
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceADDS cviceni. Pavlina Kuranova
ADDS cviceni Pavlina Kuranova Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých pozorování (oba výběry spojeny do jednoho celku)
VíceTECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA
TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA Semestrální práce Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Vypracoval: Bonaconzová, Bryknarová, Milkovičová, Škrdlová
VíceZáklady pravděpodobnosti a statistiky. Popisná statistika
Základy pravděpodobnosti a statistiky Popisná statistika Josef Tvrdík Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace v úterý 14.10 až 15.40 hod. Příklad ze života Cimrman, Smoljak/Svěrák,
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Měření síly asociace mezi proměnnými (korelační analýza) Měření síly asociace (korelace) mezi proměnnými Vztah mezi dvěma proměnnými existuje,
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VíceAplikovaná statistika v R
Aplikovaná statistika v R Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 15.5.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 15.5.2014 1 / 15 Co bude náplní našich
VíceObsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku
Obsah Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceMěření 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
VícePravděpodobnost 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
VícePísemná 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
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK.
ANALÝZA DAT V R 7. KONTINGENČNÍ TABULKA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz PŘEHLED TESTŮ rozdělení normální spojité alternativní / diskrétní
VíceTomáš 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
VíceVYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK
VYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK 14. 11. 2014 NENÍ STATISTIKA JAKO STATISTIKA Deskriptivní statistika Výzkumné otázky, ne hypotézy (případně deskriptivní hypotézy)
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceSTATISTICKÉ PROGRAMY
Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné STATISTICKÉ PROGRAMY VYUŽITÍ EXCELU A SPSS PRO VĚDECKO-VÝZKUMNOU ČINNOST Elena Mielcová, Radmila Stoklasová a Jaroslav Ramík Karviná
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY
zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické
Vícea) Základní informace o souboru Statistika: Základní statistika a tabulky: Popisné statistiky: Detaily
Testování hypotéz Testování hypotéz jsou klasické statistické úsudky založené na nějakém apriorním předpokladu. Vyslovíme-li předpoklad o hodnotě neznámého parametru nebo o zákonu rozdělení sledované náhodné
VíceTabulka 1. Výběr z datové tabulky
1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat
VícePOPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
VíceNázev testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)
VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016
VíceZpracování 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
VíceTechnická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceÚvod do statistické metodologie
Přenos jakékoli části této prezentace mimo účastníky semináře je zakázán bez písemné dohody se StatSoft CR s.r.o. (Dell Software Group). Úvod do statistické metodologie 1. lékařská fakulta Univerzity Karlovy
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceF p Test. statistika p 13,9 <,001 Muž 249 <,001 Žena 281 <,001. T test t df p Průměrný rozdíl 5, ,48 <,001 4,56
Příklad 1 1a a) Formulujte testovatelnou hypotézu pro použité proměnné b) Identifikujte použitý test a interpretujte výsledky c) Zhodnoťte, jestli byly splněny předpoklady použitého testu + další případné
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
VíceStatistika, Biostatistika pro kombinované studium. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2014/2015 Tutoriál č. 6: ANOVA Jan Kracík jan.kracik@vsb.cz Obsah: Testování hypotéz opakování ANOVA Testování hypotéz (opakování) Testování
Více4ST201 STATISTIKA CVIČENÍ Č. 8
4ST201 STATISTIKA CVIČENÍ Č. 8 analýza závislostí kontingenční tabulky test závislosti v kontingenční tabulce analýza rozptylu regresní analýza lineární regrese Analýza závislostí Budeme ověřovat existenci
VíceTomáš 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
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ VYUŢITÍ PROJEKTOVÉHO ŘÍZENÍ V ESN Příjmení a jméno: Hrdá Sabina, Kovalčíková
VíceStatistika v současnosti
1. STATISTIKA z latin. Status (stav nebo stát) 1562 Benátky 17. stol. Německo Anglie 16.-17. st. tzv. politická aritmetika Ideální typ člověka - Adolphe QUETÉLET 18. a 19. st. pozorování a popis zákonitostí
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
Více