ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE

Rozměr: px
Začít zobrazení ze stránky:

Download "ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE"

Transkript

1 ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE Jana Valečková 1 1 Vysoká škola báňská-techncká unverzta Ostrava, Ekonomcká fakulta, Sokolská třída 33, Ostrava Abstract: Customer satsfacton s a prerequste for ganng fathful customers and loyal customers, and to gan more market share subsequently. Customer s needs, desres and falures are detected by customer satsfacton measurement. Companes can respond to the needs and wshes by ther tools. Ths paper deals wth customer satsfacton n the pharmaceutcal market. The man objectve s to dentfy factors that nfluence customer satsfacton and quantfy ths effect. Demographc factors of the customer are ncluded n the analyss. They are used a demographc factors such as gender customer, gender pharmacst, age and economc status. Logstc regresson s used for dentfyng the mpact. Keywords: customer satsfacton, demographc factors, logstc regresson, marketng research, maxmum lkelhood method, pharmaces, probablty, questonng. JEL classfcaton: C01, C13, M31 Doručeno redakc: ; Recenzováno: ; ; Schváleno k publkování: Úvod Současné podnkatelské prostředí je charakterzováno jako vysoce konkurenční. Na trhy, přesně vymezené podnkatelské prostory, přcházejí nové frmy, ať už formou založení nového subjektu nebo na základě geografckého přesunu č rozšíření. S rostoucí konkurencí vznká potřeba rychlé adaptace na neustále probíhající změny. Jedním z významných zdrojů nformací o tom, jak by se měly frmy měnt, jakým směrem by se měly vyvíjet, zlepšovat a zdokonalovat své produkty a služby, mohou být samotní zákazníc. Informace z tohoto zdroje lze získávat mmo jné pomocí marketngového výzkumu, metodou dotazování zabývající se měřením spokojenost. Spokojenost zákazníků je jedním z předpokladů získávání zákazníků věrných a loajálních a následného zvyšování podílu na trhu. Je důležté nejen sledovat a analyzovat samotnou spokojenost, ale také dentfkovat faktory, které spokojenost nebo nespokojenost způsobují. Tento příspěvek se zabývá analýzou spokojenost zákazníků na lékárenském trhu. K měření byla vybrána nemocnční lékárna na území města Ostravy a data byla získána pomocí marketngového výzkumu metodou dotazování. K vysvětlení spokojenost jsou zde použty demografcké faktory a analýza je provedena pomocí metody logstcké regrese. Odhad logstcké regrese je stanoven na základě metody maxmální věrohodnost. Bnární logstcká regrese je specfcká metoda, která vychází z obecného lneárního modelu a je využívána v případě, že vysvětlovaná proměnná, v tomto případě spokojenost (respektve nespokojenost), může nabývat pouze dvou hodnot (spokojený zákazník a nespokojený zákazník). Metoda logstcké regrese byla zvolena také z důvodu možnost kvantfkace vlvu, tedy výpočtu pravděpodobnost spokojenost př změně jednotlvých nezávsle proměnných (pohlaví, věk, ekonomcký status). Je tedy možné kvantfkovat, určt výš spokojenost například u žen, u mužů, u zákazníků obsluhovaných mužem č ženou. Z tohoto důvodu nebyly zvoleny metody, které umožňují pouze dentfkovat vlv, jelkož cílem je nejen dentfkovat, ale také kvantfkovat (kvantfkace je vyjádřena procentní výš spokojenost). 135

2 Příspěvek je zaměřen na analýzu vztahu mez vysvětlovanou (závslou) proměnnou spokojeností a vysvětlujícím (nezávslým) proměnným, které jsou v tomto příspěvku označeny jako demografcké faktory. Mez sledované demografcké faktory patří: pohlaví zákazníka, pohlaví lékárníka, věk zákazníka a ekonomcký status zákazníka. Jak jž bylo zmíněno, k analýze je použta metoda logstcké regrese. V příspěvku jsou uvedeny specfcké podmínky pro její využtí oprot klascké lneární regres, včetně matematcké formulace modelu. Druhá část příspěvku je zaměřena na analýzu vlvu faktorů. Pro přehlednou orentac ve výsledcích, jsou přpojeny výstupy z použtého statstckého programu Stata. V následující část příspěvku je zdůrazněna důležtost měření spokojenost zákazníků pro budoucí exstenc a úspěšnost produktů a služeb, ale také samotné frmy. Neboť jak uvádí Foret a Stávková (2003), tak spokojenost zákazníků je předpokladem zákazníků věrných a loajálních. 1 Měření spokojenost zákazníků 1.1 Spokojenost zákazníků Kotler (2003) uvádí, že spokojenost zákazníků je rozhodující pro úspěšnost produktu nebo služby na trhu a následně tak ovlvňuje exstenc a prospertu frmy. Samotná spokojenost zákazníků závsí na jeho potěšení nebo zklamání, které vyplývá z porovnání spotřebtelského užtku s očekávanou výkonností. Zákazník tedy porovnává skutečný stav se stavem očekávaným. V současné lteratuře je uváděna spousta formulací, jak lze vymezt pojem spokojenost, respektve spokojenost zákazníků. Všechny tyto defnce však mají zásadní prvky společné. Oparah a Kkanme (2006) ve svém příspěvku popsoval spokojenost zákazníků na základě tří obecných defnc: spokojenost zákazníků je emoconální nebo kogntvní reakce, odezva spokojenost nebo nespokojenost je dána rozdílem mez očekáváním zákazníka a zkušeností po spotřebě produktu nebo služby a k odezvě dochází v určtém čase, tedy po použtí, po spotřebě nebo po výběru. Cochran (2003) ve své lteratuře uvádí, že top management se musí ve svých snahách, v jednání a komunkac, neustále podřzovat třem základním bodům, které se týkají spokojenost zákazníků: spokojenost zákazníků je konečným cílem frem, spokojenost zákazníků je nvestce, do snahy o zvyšování spokojenost zákazníků a zvyšování počtu spokojených zákazníků, by měl být zapojen veškerý personál společnost. Oparah a Kkanme (2006) uvádí, že emoční stránka př vyjadřování spokojenost hraje velkou rol u zákazníků právě ve zdravotnckých zařízeních. Z výzkumu vyplynulo, že 77,3 % dotázaných používá pro defnování spokojenost nebo nespokojenost emocí nebo také ctových popsů. 136

3 Zaměřením tohoto příspěvku je oblast zdravotnctví, konkrétně hodnocení služeb lékáren. V této specfcké oblast je spokojenost zákazníků důležtým ndkátorem pro hodnocení kvalty péče, neboť je vyjádřeno, zda daná služba naplnla očekávání pacenta č nkolv. V USA je spokojenost pacentů důležtou determnantou kvalty služeb, což se významnou měrou následně promítá do řízení těchto zdravotnckých nsttucí pověřeným osobam, (Oparah, Kkanme, 2010). 1.2 Věrnost zákazníků Spokojenost zákazníků má od věrnost určtá specfka. Je známo, že předpokladem věrného zákazníka je jeho spokojenost. Spokojenost je specfcky zaměřená na produkt, službu nebo atrbuty a je velm dynamckou velčnou. Na druhou stranu, věrnost zákazníků je šrším pojmem, je více statcká a vyjadřuje obecně postoj vůč společnost, Allen (2000). Allen a Rao (2000) uvádějí, že věrní zákazníc jsou takoví, kteří mají ke společnost poztvní postoj a své nákupy uskutečňují opakovaně. Někdy se však na trhu mohou vyskytnout zákazníc, kteří jsou tzv. falešně věrní. Jsou to takoví zákazníc, kteří uskutečňují své nákupy opakovaně, ale z různých důvodů nemají ke společnost nebo značce poztvní postoj. Stejně tak jako spokojenost, tak věrnost zákazníků má dva rozměry (1) emoconální (ctový) a (2) raconální (rozumový). Emoconální rozměr má ctovou oporu a zahrnuje vzájemné ovlvňování osob. Na druhou stranu kogntvní (raconální) rozměr věrnost je založen na faktorech, jako je cena, obchodní podmínky nebo otázka dostupnost, Allen (2000). Spokojenost zákazníků je nutnou, nkolv však jednou podmínkou pro vytváření zákazníků věrných. Vzájemné vztahy mez spokojeností zákazníků a jejch věrností lze pozorovat v obrázku 1. Lze vdět, že mez hlavní vysvětlující proměnné se řadí mage značky, kvalta služby, kvalta produktu a cena. Je prokázáno, že dva poslední faktory, kvalta produktu a cena, přímo ovlvňují zákazníkovu spokojenost. Image značky přímo působí na emoconální složku, kdežto spokojenost zákazníků a vnímaná hodnota působí na raconální složku věrnost. Z vyústění řetězce vztahů lze vdět, že spokojenost zákazníků, raconální a emoconální složky věrnost přímo ovlvňují udržení zákazníků, Allen (2000). 137

4 Obrázek 1: Vztah mez věrností a spokojeností Image značky Kvalta služby Kvalta produktu Vnímání ceny Spokojenost zákazníků Vnímaná hodnota Emoconální věrnost Raconální věrnost Zdroj: ALLEN, D. R., RAO, T. R., Analyss of Customer Satsfacton Data. p. 9. Udržení zákazníka 2 Logstcká regrese Př analyzování vlvu demografckých faktorů na spokojenost je využta metoda logstcké regrese. Základy logstcké regrese jsou známy jž od 60. let 20. stolení, kdy byla navržena jako alternatva k metodě nejmenších čtverců, jestlže vysvětlovaná proměnná je charakteru bnárního. V prvotních fázích byla využívána pro oblast medcíny a epdemologe (Meloun, Mltký, 2006). Velm často se v regresní analýze obecně využívá regrese lneární. Naprot tomu má však logstcká regrese vlastnost, že umožňuje určt, zda za daných podmínek jev nastane nebo nenastane a s jakou pravděpodobností. Regrese logstcká využívá logtovou transformac. Podle typu závslé proměnné se defnuje (1) bnární logstcká regrese, (2) ordnální logstcká regrese a (3) nomnální logstcká regrese, (Meloun, Mltký, 2006). V tomto příspěvku bude využívána bnární logstcká regrese. Hendl (2009) uvádí, že regrese obecně vyjadřuje vztah mez vysvětlovanou velčnou Y a velčnou vysvětlující X, přčemž vysvětlujících proměnných může být více než jedna. Závsle proměnná Y může nabývat různých hodnot. Exstují však extrémní případy, kdy tato proměnná nabývá pouze hodnoty dvě. V tomto případě, se využívá statstcké metody nazvané jako logstcká regrese, konkrétně jž zmíněná bnární logstcká regrese. Zjednodušeně lze říc, že bnární logstcká regrese se využívá v případě, kdy je potřeba analyzovat, zda nějaká událost za daných podmínek nastane, č za daných podmínek nenastane. Klenbaum (2010) vysvětluje populartu logstcké regrese zejména díky její schopnost předpovídat pravděpodobnost, př které zkoumaný jev nastane, respektve nenastane. 2.1 Matematcká formulace Formulace modelu Exstuje bnární velčna Y charakterzující kladnou a zápornou odpověď -tého respondenta, tedy 138

5 1 pro poztvní odpověď, Y pro 1,..., N, (1) 0 pro negatvní odpověď, kde N je počet respondentů. Každý tento respondent je charakterstcký vektorem x 1, x, x,..., x obsahující K prvků. 1 2 K Pravděpodobnost výskytu kladné odpověd -tého respondenta P PY 1 charakterstckého vektoru x lze vyjádřt funkcí F βx ; Fβx ; 0 a má defnční obor, a obor hodnot 0,1, tedy platí, že 0 F 1 a funkc pravděpodobnost odpověd lze psát jako P F ; kde β je vektor parametrů. na základě jeho, jenž je monotónně rostoucí F a βx, (2) 0, 1,..., K Tyto vlastnost jsou splněny mj. kumulatvní dstrbuční funkcí logstckého rozdělení ve tvaru βx e P PY 1 F βx ;, (3) 1 βx e jenž je zároveň funkcí pravděpodobnost kladné odpověd. Naprot tomu lze pravděpodobnost negatvní odpověd lze vyjádřt ve tvaru 1 1 P PY 0 1 F βx ;. (4) βx 1 e Dále se defnuje podíl pravděpodobnost kladné a záporné odpověd známé také jako šance (odds) ve tvaru PY 1 βx e (5) 1 PY0 a dále tzv. logtovu transformac (log-odds nebol logt) vztahu (5) ln g 1 β x x. (6) Podíl šancí (odds rato) pro dchotomí velčnu, tj. pro takové x j, které nabývá hodnot 0 nebo 1, se spočítá dle následující rovnce xj 1 1 xj 1 OR1, 0 exp j. (7) xj 0 1 xj Odhad parametrů modelu K odhadu neznámých parametrů β je nejčastěj používána metoda maxmální věrohodnost. Tato metoda spočívá v nalezení věrohodnostní funkce l, která je posléze maxmalzována. Exstuje pravděpodobnost kladné odpověd -tého respondenta charakterstckého vektorem x, tedy 1 PY x x, (8) a dále pravděpodobnost negatvní odpověd P Y 0 x 1 P Y 1 x 1 x. (9) Sdružená pravděpodobnost kladných a záporných odpovědí lze poté vyjádřt ve tvaru Y 1 1 Y PY x x x. (10) 139

6 Jsou-l jednotlvá pozorování nezávslá, pak věrohodnostní funkce je určena jako součn rovnce (10) pro všechny respondenty, tedy N Y 1 1 Y l β x x. (11) 1 Odhad parametrů metodou maxmální věrohodnost je získán maxmalzací logartmu rovnce (11) ve tvaru za podmínek N ln ln 1 ln 1 L β l β Y x Y x (12) L 1 β j 0 pro j 1,..., K. (13) Odhad metodou maxmální věrohodnost je prováděn pomocí teračních algortmů. Nejčastěj je používána Newton-Raphsonova metoda. Prncp Newton-Raphsonovy metody spočívá v aproxmac logartmu věrohodnostní funkce v okolí počátečního odhadu pomocí prvních tří členů Taylorova rozvoje, Pecáková (2007), přčemž počáteční odhad lze získat například metodou nejmenších čtverců. 3 Vstupní data do modelu Vstupní data do modelu byla získávána na základě marketngového výzkumu, pomocí metody osobního dotazování ve vybrané nemocnční lékárně v Ostravě. Ke sběru bylo použto strukturovaného dotazníku. Sběr dat probíhal v období února a března roku Výběrový soubor byl stanoven ve výš 151 respondentů. Data byla následně setříděna a překódovaná pro potřeby analýzy. Jak jž bylo zmíněno, cílem příspěvku je analyzovat spokojenost zákazníků. Ta má v tomto případě dvě úrovně a to spíše spokojen, překódováno na 1 a spíše nespokojen, překódováno na 0. Analýza je provedena ve statstckém programu STATA. Výstupy tohoto programu jsou uvedeny v následující kaptole. Rozdělení vstupních dat dle jednotlvých sledovaných charakterstk lze vdět v přložených tabulkách. Níže uvedené kontngenční tabulky dávají přehled o absolutních četnostech spokojených a nespokojených zákazníků dle jednotlvých charakterstk demografckých znaků. Tabulka 1: Absolutní četnost spokojenost zákazníků dle pohlaví Pohlaví Spokojenost Celkem zákazníka spíše ne spíše ano muž žena Celkem Tabulka 2: Absolutní četnost spokojenost zákazníků dle pohlaví lékárníka Pohlaví Spokojenost lékárníka Spíše ne Spíše ano Celkem muž žena Celkem

7 Tabulka 3: Absolutní četnost spokojenost zákazníků dle věku Věk Spokojenost spíše ne spíše ano Celkem nad 60 let Celkem Tabulka 4: Absolutní četnost spokojenost zákazníků dle ekonomckého statusu Ekonomcký Spokojenost status spíše ne spíše ano Celkem zaměstnanec důchodce ostatní Celkem Analýza vlvu faktorů na spokojenost V následující část příspěvku je provedena analýza vlvu demografckých faktorů na spokojenost. Jsou dentfkovány faktory, jež mají vlv na spokojenost zákazníků. U faktorů, které ovlvňují spokojenost, je tato síla vlvu ještě dále kvantfkována. Postupně je provedena analýza věku, ekonomckého statusu, pohlaví zákazníka a pohlaví lékárníka. Jak jž bylo výše zmíněno, výsledky jsou získávány s využtím statstckého programu STATA a testování probíhá na 95% hladně spolehlvost. 4.1 Vlv věku na spokojenost zákazníků Následující Obrázek 2 zobrazuje odhad modelu pro faktor věk zákazníků a jeho vlv na spokojenost. Bylo uvedeno, že testování probíhá na 95% hladně spolehlvost. Jako referenční kategore je zde zvolena věková kategore let. Aby bylo možné defnovat, zda věk ovlvňuje zákazníkovu spokojenost, je důležté určt, zda je model a koefcenty významné č nkolv. V Obrázku 2 lze vdět, že koefcenty nejsou na hladně spolehlvost statstcky významné, hodnota P > 0,05, stejně tak model jako celek. Spokojenost zákazníků tedy není determnovaná jejch věkem. Tyto závěry jsou tvořeny na základě vzorku o velkost 151 respondentů. Obrázek 2: Odhad logstcké regrese pro věk zákazníků 141

8 4.2 Vlv ekonomckého statusu na spokojenost zákazníků V dalším kroku je analyzováno, zda ekonomcký status zákazníků ovlvňuje jejch spokojenost se službam vybrané lékárny. Byly sledovány tř kategore, v první kategor jsou zaměstnanc, v druhé důchodc a třetí vznkla z důvodu nízkého počtu respondentů sloučením kategorí nezaměstnaných, studentů a žen na mateřské dovolené. Referenční kategorí byl zaměstnanc. Obrázek 3: Odhad logstcké regrese pro ekonomcký status zákazníků Jak lze opět vdět z Obrázku 3, tak an jeden ze dvou koefcentů (stejně jako celkový model) není statstcky významný př dané hladně spolehlvost (hodnota P > 0,05). Jedná se o stejný případ, jako v předchozí analýze. Ekonomcký status není určujícím faktorem pro vysvětlení spokojenost zákazníka. Nebol jným slovy, spokojenost zákazníka je nezávslá na ekonomckém statusu. Tyto závěry jsou tvořeny na základě vzorku o velkost 151 respondentů. 4.3 Vlv pohlaví zákazníka na jeho spokojenost V následujících částech (4.3, 4.4 a 4.5) je analyzován vlv pohlaví na spokojenost zákazníka. Je zde zahrnuto pohlaví zákazníka, pohlaví lékárníka, ale také obě skupny současně a jejch jednotlvé kombnace. Pro dentfkac, zda jsou spokojenější spíše ženy č muž (respektve zákazníc, kteří jsou obsloužen mužem nebo ženou) proveden odhad modelu, kde vysvětlovanou velčnou je spokojenost (1 = spíše spokojen; 0 = spíše nespokojen) a vysvětlující velčnou je pohlaví (0 = muž; 1 = žena). Nejprve bude proveden odhad pro demografcký faktor pohlaví zákazníka. Obrázek 4: Odhad logstcké regrese pro pohlaví zákazníka Logstc regresson Number of obs = 151 LR ch2(1) = 6.48 Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_cust _cons Obrázek 4 zobrazuje odhad modelu logstcké regrese pro pohlaví zákazníka, koefcenty jsou odhadnuty metodou maxmální věrohodnost. V prvním kroku je určeno, zda je spokojenost determnovaná pohlavím zákazníka. Hodnota P pro koefcent je rovna 0,012. Př hladně spolehlvost 95 % lze konstatovat, že pohlaví zákazníka je významný faktor, který určuje spokojenost se službam ve vybrané lékárně. Exstují tedy významné rozdíly ve spokojenost u muže a u ženy. 142

9 Obrázek 5: Odds rato (podíl šancí) pro pohlaví zákazníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_cust Hodnoty uvedené v Obrázku 5 ukazují podíl šancí, který je ve výš 0,416. Podíl šancí říká, že spokojenost ženy (1 = žena) s obsluhou je 0,416 krát vyšší než spokojenost muže. Jným slovy lze tento podíl nterpretovat tak, že muž jsou více spokojen než ženy, neboť hodnota je menší než 1. Šance spokojenost muže je dána hodnotou konstanty 0,421, což je exp(0,421) = 1,524. Šance spokojenost ženy je ve výš 0,634. Pravděpodobnost spokojenost muže je určena ze vztahu (3) ve výš 60,4 %. Pravděpodobnost spokojenost ženy je určena také dle vztahu (3) a to ve výš 38,8 %. 4.4 Vlv pohlaví lékárníka na spokojenost zákazníků Zda má na spokojenost vlv pohlaví zákazníka, jeho věk č ekonomcký status jž bylo analyzováno. V další fáz bude sledován vlv lékárníka (obsluhujícího). Obrázek 6: Odhad logstcké regrese pro pohlaví lékárníka Logstc regresson Number of obs = 151 LR ch2(1) = 4.20 Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_work _cons Odhad koefcentů byl zde proveden metodou maxmální věrohodnost. Hodnota koefcentu konstanty je uvedena v Obrázku 6. Na základě zjštěné hodnoty P = 0,043 na hladně spolehlvost 95 %, lze konstatovat, že koefcent a také model jako celek je statstcky významný. Obrázek 7: Odds rato (podíl šancí) pro pohlaví lékárníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_work V Obrázku 7 je opět znázorněn podíl šancí pro pohlaví zákazníka. Pravděpodobnost spokojenost zákazníka, který je obsloužen ženou, je 0,446 krát vyšší než v případě, že je obsloužen mužem (muž = 0 a žena = 1). Tuto stuac lze nterpretovat tak, že zákazníc obsloužen mužem (lékárníkem) jsou více spokojen. Šance spokojenost v případě obsluhujícího muže je opět udána hodnotou konstanty 0,480 z Obrázku 6, což je exp(0,480) = 1,615. Šance spokojenost zákazníka obslouženého ženou je 143

10 0,721. Pravděpodobnost spokojenost je dána ze vztahu (3) pro zákazníky obsloužené mužem ve výš 61,8 % a pro zákazníky obsloužené ženou ve výš 41,9 %. 4.5 Vlv pohlaví zákazníka a lékárníka na zákazníkovu spokojenost V poslední fáz analýzy jsou do modelu zahrnuty dvě referenční kategore (x 1 = pohlaví zákazníka, x 2 = pohlaví lékárníka) a byl sledován vlv těchto dvou skupn na spokojenost zákazníků současně. Obrázek 8: Odhad logstcké regrese pro pohlaví zákazníka a pohlaví lékárníka Logstc regresson Number of obs = 151 LR ch2(2) = Prob > ch2 = Log lkelhood = Pseudo R2 = spok Coef. Std. Err. z P> z [95% Conf. Interval] gender_cust gender_work _cons Odhady koefcentů modelu jsou uvedeny v Obrázku 8. Koefcent, který udává závslost pohlaví lékárníka, je statstcky nevýznamný, byl ponechán v modelu, neboť hladna významnost (hodnota P = 0,058) je velm blízká k požadované hodnotě 5 %. Z výše uvedeného vyplývá, že spokojenost zákazníka je determnována jak pohlavím zákazníka, tak také pohlavím lékárníka. Model jako celek je statstcky významný. Obrázek 9: Odds rato (podíl šancí) pro pohlaví zákazníka a pohlaví lékárníka spok Odds Rato Std. Err. z P> z [95% Conf. Interval] gender_cust gender_work V Obrázku 9 jsou uvedeny podíly šancí pro jednotlvé kategore. Z výsledků v obrázku lze konstatovat, že spokojenost ženy s obsluhou v lékárně je 0,426 krát vyšší než u zákazníka muže. Jným slovy to znamená, že ženy jsou spokojeny méně než muž, neboť hodnota 0,426 je menší než 1. Dále lze z Obrázku 9 také vyčíst, že spokojenost zákazníka v případě, že je obsloužen ženou, je 0,462 krát vyšší než u zákazníka obslouženého mužem. Jným slovy, že zákazník obsloužen mužem je více spokojen než ten, který je obsloužen ženou. Tabulka 3: Kombnace šancí pro jednotlvé kategore Pohlaví Pohlaví lékárníka zákazníka muž žena muž 2,731 1,261 žena 1,163 0,537 Tabulka 4: Pravděpodobnost spokojenost pro jednotlvé kategore Pohlaví Pohlaví lékárníka zákazníka muž žena muž 0,732 0,558 žena 0,538 0,349 Tabulka 5 znázorňuje šance spokojenost pro všechny možné kombnace pohlaví zákazníka a lékárníka a tabulka 6 znázorňuje pravděpodobnost spokojeností jednotlvých kombnací. Největší pravděpodobnost spokojenost vykazují zákazníc muž, kteří jsou obsloužen 144

11 % lékárníkem mužem. Tato pravděpodobnost je ve výš 73,2 %. Nejnžší pravděpodobnost spokojenost je v případě, kdy žena je obsloužena ženou lékárncí. Pravděpodobnost spokojenost je 34,9 %. Níže uvedený Obrázek 10 dává přehled o veškerých faktorech, u kterých bylo statstcky prokázáno, že ovlvňují zákazníkovu spokojenost. V grafu jsou uvedeny pravděpodobnost spokojenost u pohlaví zákazníka, lékárníka a jednotlvých kombnací. Označení Z je použto pro status zákazníka a L pro lékárníka. Obrázek 10: Pravděpodobnost spokojenost v jednotlvých kategorích v procentech ,4 61,8 73,2 55,8 53, ,8 41,9 34, Pravděpodobnost spokojenost v jednotlvých kategorích Závěr Důležtost měření spokojenost zákazníků je nesporná. Pomáhá odhalovat klíčové aspekty, které vedou ke spokojenost a nespokojenost s produktem nebo službou. Na faktory, které jsou dentfkovány jako klíčové pro nespokojenost, je tímto možné reagovat, elmnovat je a snažt se svým chováním zvyšovat počet zákazníků spokojených. Vhodnou kvanttatvní metodou pro analýzu spokojenost je metoda bnární logstcké regrese, která je specfcká v tom, že vysvětlovaná proměnná nabývá dvou hodnot a pomáhá nejen dentfkovat vlv, ale také jej v konkrétní výš kvantfkovat. Cílem tohoto příspěvku bylo pomocí logstcké regrese zjstt a dále pak kvantfkovat vlv demografe na spokojenost zákazníků ve vybrané lékárně v Ostravě. Pro naplnění cíle byla regresní analýza vhodně zvolena, jelkož umožňuje díky odhadu modelu přesně stanovt výš pravděpodobnost po dosazení patřčné nezávsle proměnné, což odpovídá potřebám stanoveného cíle přesné kvantfkace vlvu (stanovení pravděpodobnost). Z demografckých faktorů (nezávsle proměnná) byl sledován věk respondenta, ekonomcký status, pohlaví respondenta a pohlaví obsluhujícího personálu. Odhad parametrů modelu proběhl na základě metody maxmální věrohodnost. 145

12 Na základě provedené analýzy byly zjštěny následující závěry. Nejprve byl analyzován vlv věku a ekonomckého statusu. Výsledky ukázaly, že tyto demografcké faktory nejsou determnujícím pro spokojenost zákazníků. Spokojenost zákazníků tedy neurčuje to, zda je zákazník student, zaměstnaný nebo v jaké věkové kategor se nachází. V další fáz byl zjšťován vlv pohlaví na spokojenost, pohlaví zákazníka a pohlaví lékárníka. Výsledky analýzy ukázaly, že tyto charakterstky jsou významné pro vyjádření spokojenost v lékárně. Bylo zjštěno, že obecně jsou více spokojen muž než ženy. Pravděpodobnost, že se službam v lékárně bude spokojen muž, je 60,4 %, pravděpodobnost spokojenost ženy je nžší a to 38,8 %. Jestlže je zákazník obsloužen mužem lékárníkem, je pravděpodobnost spokojenost 61,8 %, V případě, že je obsloužen lékárncí, je pravděpodobnost nžší a to 41,9 %. Z výsledků analýzy lze zjstt největší pravděpodobnost spokojenost pro jednotlvé kombnace a ta nastane v případě, že bude muž obsloužen mužem, pravděpodobnost je ve výš 73,2 %. Ve většně zdravotnckých zařízení tohoto typu působí př komunkac s pacenty (respektve zákazníky) ženy. Z výsledků výzkumu je zřejmé, že je velm důležté podporovat v těchto typech zdravotnckých zařízení působení mužů, neboť zastoupení této skupny značí vyšší pravděpodobnost na spokojenost obslouženého pacenta (zákazníka). Na druhou stranu však zůstává otázkou, díky čemu je tato vyšší pravděpodobnost spokojenost způsobena. Co u lékárníků mužů způsobí, že jsou s nm zákazníc více spokojen. Zda je to samotné pohlaví, způsob komunkace s pacenty, důvěryhodnost, empate, umění vcítt se do problému druhých, umění pomoc a schopnost vyřešt problém č něco naprosto jného. Poděkování Tento článek vznkl za fnanční podpory Studentské grantové soutěže v rámc projektu SP/ pod názvem Aplkace ekonometrckých metod v marketngovém výzkumu. Lteratura [1] ALLEN, D. R. and T. R. RAO, Analyss of Customer Satsfacton Data. Mlwaukee: ASQ Qualty Press. ISBN [2] COCHRAN, C., Customer Satsfacton, Tools, Technques, and Formulas for Success. Chco: Paton Press. ISBN [3] FORET, M. a J. STÁVKOVÁ, Marketngový výzkum. Jak poznávat své zákazníky. Praha: Grada Publshng. ISBN [4] HENDL, J., Přehled statstckých metod. Analýza a metaanalýza dat. Praha: Portál. ISBN [5] HILBE, J. M., Logstc regresson models. Boca Raton: CRC Press. ISBN [6] HOSMER, D. W. and S. LEMESHOW, Appled logstc regresson. New York: Wley. ISBN [7] KLEINBAUM, D. G. and M. KLEIN, Logstc Regresson. A Self-Learnng Text. New York: Sprnger. ISBN [8] KOTLER, P., Marketng management. Praha: Grada publshng. ISBN

13 [9] MELOUN, M. a J. MILITKÝ, Kompendum statstckého zpracování dat. Praha: Academa. ISBN [10] OPARAH, A. C. and L. C. KIKANME, Consumer satsfacton wth communty pharmaces n Warr, Ngera. In: Research n Socal and Admnstratve Pharmacy, Eselver, Vol. 2, Issue 4, P ISSN [11] PECÁKOVÁ, I., Logstcká regrese s více-kategorální vysvětlovanou proměnou. V: Vědecký časops Acta Oeconomca Pragensa, VŠE Praha. Roč. 15, č. 1, Str ISSN

Validation of the selected factors impact on the insured accident

Validation of the selected factors impact on the insured accident 6 th Internatonal Scentfc Conference Managng and Modellng of Fnancal Rsks Ostrava VŠB-TU Ostrava, Faculty of Economcs,Fnance Department 0 th th September 202 Valdaton of the selected factors mpact on the

Více

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese cvčící 9. cvčení 4ST01 Obsah: Jednoduchá lneární regrese Vícenásobná lneární regrese Korelační analýza Vysoká škola ekonomcká 1 Jednoduchá lneární regrese Regresní analýza je statstcká metoda pro modelování

Více

Využití logistické regrese pro hodnocení omaku

Využití logistické regrese pro hodnocení omaku Využtí logstcké regrese pro hodnocení omaku Vladmír Bazík Úvod Jedním z prmárních proevů textlí e omak. Jedná se o poct který vyvolá textle př kontaktu s pokožkou. Je to ntegrální psychofyzkální vlastnost

Více

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ 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

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

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

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska

Více

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra matematky Bakalářská práce Zpracování výsledků vstupních testů z matematky Plzeň, 13 Tereza Pazderníková Prohlášení Prohlašuj, že jsem bakalářskou

Více

REGRESNÍ ANALÝZA. 13. cvičení

REGRESNÍ ANALÝZA. 13. cvičení REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká

Více

Mikroekonomický scoringový model úpadku českých podniků

Mikroekonomický scoringový model úpadku českých podniků Mkroekonomcký scorngový model úpadku českých podnků Jří VALECKÝ, Eva SLIVKOVÁ, VŠB-TU Ostrava Abstract The paper s devoted to the proposng a scorng model of frm s bankruptcy on the bass of logstc regresson

Více

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST

ANALÝZA RIZIKA A CITLIVOSTI JAKO SOUČÁST STUDIE PROVEDITELNOSTI 1. ČÁST Abstrakt ANALÝZA ZKA A CTLOST JAKO SOUČÁST STUDE POVEDTELNOST 1. ČÁST Jří Marek Úspěšnost nvestce závsí na tom, jaké nejstoty ovlvní její předpokládaný žvotní cyklus. Pomocí managementu rzka a analýzy

Více

MODELOVÁNÍ A SIMULACE

MODELOVÁNÍ A SIMULACE MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 8 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 7 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

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

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

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky. Diplomová práce. 2014 Michal Běloch

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra aplikované matematiky. Diplomová práce. 2014 Michal Běloch VŠB - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky Katedra aplkované matematky Dplomová práce 204 Mchal Běloch VŠB - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky Katedra

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

URČOVÁNÍ TRENDŮ A JEJICH VÝZNAM PRO EKONOMIKU

URČOVÁNÍ TRENDŮ A JEJICH VÝZNAM PRO EKONOMIKU URČOVÁNÍ TRENDŮ A JEJICH VÝZNAM PRO EKONOMIKU Rudolf Kampf ÚVOD Pro marketng, management a vůbec pro člověka je jstě důležté vědět, jak se bude vyvíjet stuace v ekonomce, stuace v určtém státě z hledska

Více

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU

ANALÝZA RIZIKA A JEHO CITLIVOSTI V INVESTIČNÍM PROCESU AALÝZA RIZIKA A JEHO CITLIVOSTI V IVESTIČÍM PROCESU Jří Marek ) ABSTRAKT Príspevek nformuje o uplatnene manažmentu rzka v nvestčnom procese. Uvádza príklad kalkulace rzka a analýzu jeho ctlvost. Kľúčové

Více

Teoretické modely diskrétních náhodných veličin

Teoretické modely diskrétních náhodných veličin Teoretcké modely dskrétních náhodných velčn Velčny, kterým se zabýváme, bývají nejrůznější povahy. Přesto však estují skupny náhodných velčn, které mají podobně rozloženou pravděpodobnostní funkc a lze

Více

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y 4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.

Více

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2

Iterační výpočty. Dokumentace k projektu pro předměty IZP a IUS. 22. listopadu projekt č. 2 Dokumentace k projektu pro předměty IZP a IUS Iterační výpočty projekt č.. lstopadu 1 Autor: Mlan Setler, setl1@stud.ft.vutbr.cz Fakulta Informačních Technologí Vysoké Učení Techncké v Brně Obsah 1 Úvod...

Více

ALGORITMUS SILOVÉ METODY

ALGORITMUS SILOVÉ METODY ALGORITMUS SILOVÉ METODY CONSISTENT DEFORMATION METHOD ALGORITHM Petr Frantík 1, Mchal Štafa, Tomáš Pal 3 Abstrakt Příspěvek se věnuje popsu algortmzace slové metody sloužící pro výpočet statcky neurčtých

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 9 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 8 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

Téma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny

Téma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny 0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí

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

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

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

USE OF FUGACITY FOR HEADSPACE METHODS VYUŽITÍ FUGACITNÍ TEORIE PRO METODY HEADSPACE

USE OF FUGACITY FOR HEADSPACE METHODS VYUŽITÍ FUGACITNÍ TEORIE PRO METODY HEADSPACE USE OF FUGITY FOR HEDSPE METHODS VYUŽITÍ FUGITNÍ TEORIE PRO METODY HEDSPE Veronka Rppelová, Elška Pevná, Josef Janků Ústav cheme ochrany prostředí, Vysoká škola chemcko-technologcká v Praze, Techncká 5,

Více

Proces řízení rizik projektu

Proces řízení rizik projektu Proces řízení rzk projektu Rzka jevy a podmínky, které nejsou pod naší přímou kontrolou a ovlvňují cíl projektu odcylky, předvídatelná rzka, nepředvídatelná rzka, caotcké vlvy Proces řízení rzk sled aktvt,

Více

Studijní opora MODEL IS-LM, FISKÁLNÍ A MONETÁRNÍ POLITIKA. Část 1 Model IS-LM

Studijní opora MODEL IS-LM, FISKÁLNÍ A MONETÁRNÍ POLITIKA. Část 1 Model IS-LM Studjní opora Název předmětu: EKONOMIE II (část makroekonome) Téma 2 MODEL IS-LM, FISKÁLNÍ A MONETÁRNÍ POLITIKA Část 1 Model IS-LM Zpracoval: doc. RSDr. Luboš ŠTANCL, CSc. Operační program Vzdělávání pro

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

Mechatronické systémy s elektronicky komutovanými motory

Mechatronické systémy s elektronicky komutovanými motory Mechatroncké systémy s elektroncky komutovaným motory 1. EC motor Uvedený motor je zvláštním typem synchronního motoru nazývaný též bezkartáčovým stejnosměrným motorem (anglcky Brushless Drect Current

Více

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium

Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky LOGICKÉ OBVODY pro kombinované a distanční studium Vysoká škola báňská - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky LOGICKÉ OBVODY pro kombnované a dstanční studum Zdeněk Dvš Zdeňka Chmelíková Iva Petříková Ostrava ZDENĚK DIVIŠ, ZDEŇKA

Více

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová

Solventnost II. Standardní vzorec pro výpočet solventnostního kapitálového požadavku. Iva Justová 2. část Solventnost II Standardní vzorec pro výpočet solventnostního kaptálového požadavku Iva Justová Osnova Úvod Standardní vzorec Rzko selhání protstrany Závěr Vstupní údaje Vašíčkovo portfolo Alternatvní

Více

9.12.2009. Metody analýzy rizika. Předběžné hodnocení rizika. Kontrolní seznam procesních rizik. Bezpečnostní posudek

9.12.2009. Metody analýzy rizika. Předběžné hodnocení rizika. Kontrolní seznam procesních rizik. Bezpečnostní posudek 9.2.29 Bezpečnost chemckých výrob N Petr Zámostný místnost: A-72a tel.: 4222 e-mal: petr.zamostny@vscht.cz Analýza rzka Vymezení pojmu rzko Metody analýzy rzka Prncp analýzy rzka Struktura rzka spojeného

Více

7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM

7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM 7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané

Více

Využití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče

Využití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče Využtí nástrojů GIS př analýze vztahů soco-ekonomckých faktorů a úrovně socální péče Renata Klufová Katedra aplkované matematky a nformatky, Ekonomcká fakulta JU, Studentská 13 370 05 České Budějovce,

Více

MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN. The End Stage Renal Disease Treatment Model

MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN. The End Stage Renal Disease Treatment Model ROČNÍK LXXII, 2003, č. 1 VOJENSKÉ ZDRAVOTNICKÉ LISTY 5 MODEL LÉČBY CHRONICKÉHO SELHÁNÍ LEDVIN 1 Karel ANTOŠ, 2 Hana SKALSKÁ, 1 Bruno JEŽEK, 1 Mroslav PROCHÁZKA, 1 Roman PRYMULA 1 Vojenská lékařská akademe

Více

Spojité regulátory - 1 -

Spojité regulátory - 1 - Spojté regulátory - 1 - SPOJIÉ EGULÁOY Nespojté regulátory mají většnou jednoduchou konstrukc a jsou levné, ale jsou nevhodné tím, že neudržují regulovanou velčnu přesně na žádané hodnotě, neboť regulovaná

Více

Masarykova univerzita Ekonomicko správní fakulta

Masarykova univerzita Ekonomicko správní fakulta Masarykova unverzta Ekonomcko správní fakulta Fnanční matematka dstanční studjní opora Frantšek Čámský Brno 2005 Tento projekt byl realzován za fnanční podpory Evropské une v rámc programu SOCRATES Grundtvg.

Více

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina

3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina 3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních

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

Vícekriteriální rozhodování. Typy kritérií

Vícekriteriální rozhodování. Typy kritérií Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování

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

REAKCE POPTÁVKY DOMÁCNOSTÍ PO ENERGII NA ZVYŠOVÁNÍ ENERGETICKÉ ÚČINNOSTI: TEORIE A JEJÍ DŮSLEDKY PRO KONSTRUKCI EMPIRICKY OVĚŘITELNÝCH MODELŮ

REAKCE POPTÁVKY DOMÁCNOSTÍ PO ENERGII NA ZVYŠOVÁNÍ ENERGETICKÉ ÚČINNOSTI: TEORIE A JEJÍ DŮSLEDKY PRO KONSTRUKCI EMPIRICKY OVĚŘITELNÝCH MODELŮ RAKC POPTÁVKY DOMÁCNOTÍ PO NRGII NA ZVYŠOVÁNÍ NRGTICKÉ ÚČINNOTI: TORI A JJÍ DŮLDKY PRO KONTRUKCI MPIRICKY OVĚŘITLNÝCH MODLŮ tela Rubínová, Unverzta Karlova v Praze, Centrum pro otázky žvotního prostředí,

Více

Aplikace Li-Ma metody na scintigrafické vyšetření příštítných tělísek. P. Karhan, P. Fiala, J. Ptáček

Aplikace Li-Ma metody na scintigrafické vyšetření příštítných tělísek. P. Karhan, P. Fiala, J. Ptáček Aplkace L-Ma metody na scntgrafcké vyšetření příštítných tělísek P. Karhan, P. Fala, J. Ptáček Vyšetření příštítných tělísek dagnostka hyperparatyreózy: lokalzace tkáně příštítných tělísek neexstence radofarmaka

Více

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI

í I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI - 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním

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

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

6 LINEÁRNÍ REGRESNÍ MODELY

6 LINEÁRNÍ REGRESNÍ MODELY 1 6 LINEÁRNÍ REGRESNÍ MODELY Př budování regresních modelů se běžně užívá metody nejmenších čtverců. Metoda nejmenších čtverců poskytuje postačující odhady parametrů jenom př současném splnění všech předpokladů

Více

Model IS-LM Zachycuje současnou rovnováhu na trhu zboží a služeb a trhu peněz.

Model IS-LM Zachycuje současnou rovnováhu na trhu zboží a služeb a trhu peněz. 3 Určení rovnovážné produkce v modelu -LM Teoretcká východska Model -LM je neokeynesánským modelem, jeho autorem je anglcký ekonom J.R. Hcks. Model -LM Zachycuje současnou rovnováhu na trhu zboží a služeb

Více

ANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha

ANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha ANOVA Analýza rozptylu př jednoduchém třídění Jana Vránová, 3.léařsá faulta UK, Praha Teore Máme nezávslých výběrů, > Mají rozsahy n, teré obecně nemusí být stejné V aždém z nch známe průměr a rozptyl

Více

APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY

APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY APPLICATION OF METHODS MULTI-CRITERIA DECISION FOR EVALUATION THE QUALITY OF PUBLIC TRANSPORT Ivana Olvková 1 Anotace:

Více

FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM

FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM Kateřina Pojkarová 1 Anotace:Pro uskutečňování svých cest si lidé vybírají různé způsoby, a

Více

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ

HUDEBNÍ EFEKT DISTORTION VYUŽÍVAJÍCÍ ZPRACOVÁNÍ PŘÍRŮSTKŮ SIGNÁLŮ ČASOVĚ HUDEBÍ EFEKT DISTORTIO VYUŽÍVAJÍCÍ ZPRACOVÁÍ PŘÍRŮSTKŮ SIGÁLŮ ČASOVĚ VARIATÍM SYSTÉMEM Ing. Jaromír Mačák Ústav telekomunkací, FEKT VUT, Purkyňova 118, Brno Emal: xmacak04@stud.feec.vutbr.cz Hudební efekt

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

Simulační metody hromadné obsluhy

Simulační metody hromadné obsluhy Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro

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

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce

Metody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce . meznárodní konference Řízení a modelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonomcká fakulta, katedra Fnancí 8. - 9. září 200 Metody vícekrterálního hodnocení varant a ech využtí př výběru produktu

Více

Zpracování fyzikálních měření. Studijní text pro fyzikální praktikum

Zpracování fyzikálních měření. Studijní text pro fyzikální praktikum Zpracování fyzkálních měření Studjní text pro fyzkální praktkum Mlan Červenka, katedra fyzky FEL-ČVUT mlan.cervenka@fel.cvut.cz 3. ledna 03 ObrázeknattulnístraněpocházízknhyogeometraměřeníodJacobaKöbela(460

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

FORANA. 1. Úvod. 2 Vznik akustického signálu řeči v mluvidlech. Pavel GRILL 1, Jana TUČKOVÁ 2

FORANA. 1. Úvod. 2 Vznik akustického signálu řeči v mluvidlech. Pavel GRILL 1, Jana TUČKOVÁ 2 FORANA Pavel GRILL 1, Jana TUČKOVÁ 2 České vysoké učení techncké v Praze, Fakulta elektrotechncká, Katedra teore obvodů Abstrakt Jedním z příznaků vývojové dysfáze je částečná porucha tvorby a porozumění

Více

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10

SIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10 SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním

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

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

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

Rizikového inženýrství stavebních systémů

Rizikového inženýrství stavebních systémů Rzkového nženýrství stavebních systémů Mlan Holcký, Kloknerův ústav ČVUT Šolínova 7, 166 08 Praha 6 Tel.: 24353842, Fax: 24355232 E-mal: Holcky@vc.cvut.cz Základní pojmy Management rzk Metody analýzy rzk

Více

1. Mezinárodní trh peněz

1. Mezinárodní trh peněz 1. Meznárodní trh peněz Na počátku 21. století je vývoj světového hospodářství slně ovlvněn procesem globalzace 1, v důsledku čehož dochází k dost výraznému otevírání národních ekonomk, které tak jž nemůžeme

Více

Teorie elektrických ochran

Teorie elektrických ochran Teore elektrckých ochran Elektrcká ochrana zařízení kontrolující chod část energetckého systému (G, T, V) = chráněného objektu, zajstt normální provoz Chráněný objekt fyzkální zařízení pro přenos el. energe,

Více

Staré mapy TEMAP - elearning

Staré mapy TEMAP - elearning Staré mapy TEMAP - elearnng Modul 4 Kartometrcké analýzy Ing. Markéta Potůčková, Ph.D., 2013 Přírodovědecká fakulta UK v Praze Katedra aplkované geonformatky a kartografe Kartometre a kartometrcké vlastnost

Více

Určení tvaru vnějšího podhledu objektu C" v areálu VŠB-TU Ostrava

Určení tvaru vnějšího podhledu objektu C v areálu VŠB-TU Ostrava Acta Montanstca lovaca Ročník 0 (005), číslo, 3-7 Určení tvaru vnějšího podhledu objektu C" v areálu VŠB-TU Ostrava J. chenk, V. Mkulenka, J. Mučková 3, D. Böhmová 4 a R. Vala 5 The determnaton of the

Více

Dynamika psaní na klávesnici v kombinaci s klasickými hesly

Dynamika psaní na klávesnici v kombinaci s klasickými hesly Dynamka psaní na klávesnc v kombnac s klasckým hesly Mloslav Hub Ústav systémového nženýrství a nformatky, FES, Unverzta Pardubce Abstract Authentfcaton as a data securty nstrument n our nformatonal socety

Více

IDS a drážní doprava - prostředek udržitelného rozvoje dopravy

IDS a drážní doprava - prostředek udržitelného rozvoje dopravy Rudolf Mrzena 1 IDS a drážní doprava - prostředek udržtelného rozvoje dopravy Klíčová slova: ntegrovaný dopravní systém, udržtelný rozvoj, vlv dopravy na okolí 1. Úvod Integrované systémy osobní dopravy

Více

DETERMINATION OF THE NUMBER OF PERIODIC AND UNDPLANNED REPAIRS CAUSED BY VIOLENT DAMAGE ON RAILWAY TRACTION VEHICLES FOR NEWLY PROPOSED REPAIR SHOP

DETERMINATION OF THE NUMBER OF PERIODIC AND UNDPLANNED REPAIRS CAUSED BY VIOLENT DAMAGE ON RAILWAY TRACTION VEHICLES FOR NEWLY PROPOSED REPAIR SHOP STAOVEÍ POČTU PERIODICKÝCH OPRAV A EPÁOVAÝCH OPRAV VZIKÝCH VIVEM ÁSIÉHO POŠKOZEÍ A HACÍCH KOEJOVÝCH VOZIDECH PRO OVĚ AVRHOVAOU OPRAVU DETERMIATIO OF THE UMBER OF PERIODIC AD UDPAED REPAIRS CAUSED BY VIOET

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

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

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb

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

Specifikace, alokace a optimalizace požadavků na spolehlivost

Specifikace, alokace a optimalizace požadavků na spolehlivost ČESKÁ SPOLEČNOST PRO JAKOST Novotného lávka 5, 116 68 Praha 1 47. SEMINÁŘ ODBORNÉ SKUPINY PRO SPOLEHLIVOST pořádané výborem Odborné skupny pro spolehlvost k problematce Specfkace, alokace a optmalzace

Více

Posuzování dynamiky pohybu drážních vozidel ze záznamu jejich jízdy

Posuzování dynamiky pohybu drážních vozidel ze záznamu jejich jízdy Posuzování dynamky pohybu drážních vozdel ze záznamu jejch jízdy Ing. Jaromír Šroký, Ph.D. ŠB-Techncká unverzta Ostrava, Fakulta strojní, Insttut dopravy, tel: +40 597 34 375, jaromr.sroky@vsb.cz Úvod

Více

Aplikace simulačních metod ve spolehlivosti

Aplikace simulačních metod ve spolehlivosti XXVI. ASR '2001 Semnar, Instruments and Control, Ostrava, Aprl 26-27, 2001 Paper 40 Aplkace smulačních metod ve spolehlvost MARTINEK, Vlastml Ing., Ústav automatzace a nformatky, FSI VUT v Brně, Techncká

Více

MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD

MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD XV. konference absolventů studa technckého znalectví s meznárodní účastí MOŽNOSTI MODELOVÁNÍ A ŘEŠENÍ STŘETU PŘI OBJASŇOVÁNÍ FINGOVANÝCH DOPRAVNÍCH NEHOD Zdeněk Mrázek 1 1. Ř ešení stř etu u fngovaných

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

Konzumace piva v České republice v roce 2007

Konzumace piva v České republice v roce 2007 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 26 40 129 E-mail: jiri.vinopal@soc.cas.cz Konzumace piva v České republice v roce 2007 Technické

Více

Společné zátěžové testy ČNB a vybraných pojišťoven

Společné zátěžové testy ČNB a vybraných pojišťoven Společné zátěžové testy ČNB a vybraných pojšťoven Zátěžových testů se účastní tuzemské pojšťovny které dohromady představují přblžně 90 % pojstného trhu. Výpočty provádějí samotné pojšťovny dle metodky

Více

Ing. Barbora Chmelíková 1

Ing. Barbora Chmelíková 1 Numercká gramotnost 1 Obsah BUDOUCÍ A SOUČASNÁ HODNOTA TYPY ÚROČENÍ JEDNODUCHÉ vs SLOŽENÉ ÚROČENÍ JEDNODUCHÉ ÚROČENÍ SLOŽENÉ ÚROČENÍ FREKVENCE ÚROČENÍ KOMBINOVANÉ ÚROČENÍ EFEKTIVNÍ ÚROKOVÁ MÍRA SPOJITÉ

Více

RESPONDENTI DLE EKONOMICKÉ AKTIVITY

RESPONDENTI DLE EKONOMICKÉ AKTIVITY Vyhodnocení dotazníkového šetření Dotazníkové šetření proběhlo v roce 2014. Respondenti měli možnost vyplnit buď tištěnou, nebo elektronickou verzi dotazníku. Tištěná verze dotazníku byla distribuována

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

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

MĚŘENÍ INDUKČNOSTI A KAPACITY

MĚŘENÍ INDUKČNOSTI A KAPACITY Úloha č. MĚŘENÍ NDKČNOST A KAPATY ÚKO MĚŘENÍ:. Změřte ndkčnost cívky bez jádra z její mpedance a stanovte nejstot měření.. Změřte na Maxwellově můstk ndkčnost cívky a rčete nejstot měření. Porovnejte výsledky

Více

Numerické metody optimalizace

Numerické metody optimalizace Numercké metody optmalzace Numercal optmzaton methods Bc. Mloš Jurek Dplomová práce 2007 Abstrakt Abstrakt česky Optmalzační metody představují vyhledávání etrémů reálných funkcí jedné nebo více reálných

Více

4.4 Exploratorní analýza struktury objektů (EDA)

4.4 Exploratorní analýza struktury objektů (EDA) 4.4 Exploratorní analýza struktury objektů (EDA) Průzkumová analýza vícerozměrných dat je stejně jako u jednorozměrných dat založena na vyšetření grafckých dagnostk. K tomuto účelu se využívá různých technk

Více

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA)

ANALÝZA ROZPTYLU (Analysis of Variance ANOVA) NLÝZ OZPYLU (nalyss of Varance NOV) Používá se buď ako samostatná technka, nebo ako postup, umožňuící analýzu zdroů varablty v lneární regres. Př. použtí: k porovnání středních hodnot (průměrů) více než

Více

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1

VÝVOJ SOFTWARU NA PLÁNOVÁNÍ PŘESNOSTI PROSTOROVÝCH SÍTÍ PRECISPLANNER 3D. Martin Štroner 1 VÝVOJ SOFWARU NA PLÁNOVÁNÍ PŘESNOSI PROSOROVÝCH SÍÍ PRECISPLANNER 3D DEVELOPMEN OF HE MEASUREMEN ACCURACY PLANNING OF HE 3D GEODEIC NES PRECISPLANNER 3D Martn Štroner 1 Abstract A software for modellng

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

ESR, spinový hamiltonián a spektra

ESR, spinový hamiltonián a spektra ER, spnový hamltonán a spektra NMR k k získávání důležtých nformací o struktuře látky využívá gyromagnetckých vlastností atomových jader. Podobně ER (EPR) využívá k obdobným účelům gyromagnetckých vlastností

Více

Spolehlivost letadlové techniky

Spolehlivost letadlové techniky VYSOKÉ UČ ENÍ TECHNICKÉ V BRNĚ Fakulta strojního nženýrství Prof Ing Rudolf Holub, CSc Doc Ing Zdeněk Vntr, CSc Spolehlvost letadlové technky (elektroncká učebnce) Brno 00 OBSAH PŘEDMLUVA 4 ÚVOD5 STANDARDIZACE

Více

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ

SIMULACE A ŘÍZENÍ PNEUMATICKÉHO SERVOPOHONU POMOCÍ PROGRAMU MATLAB SIMULINK. Petr NOSKIEVIČ Petr JÁNIŠ bstrakt SIMULCE ŘÍZENÍ PNEUMTICKÉHO SERVOPOHONU POMOCÍ PROGRMU MTL SIMULINK Petr NOSKIEVIČ Petr JÁNIŠ Katedra automatzační technky a řízení Fakulta stroní VŠ-TU Ostrava Příspěvek popsue sestavení matematckého

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

4. Třídění statistických dat pořádek v datech

4. Třídění statistických dat pořádek v datech 4. Třídění statstcých dat pořáde v datech Záladní členění statstcých řad: řada časová, řada prostorová, řada věcná věcná slovní řada, věcná číselná řada. Záladem statstcého třídění je uspořádání hodnot

Více