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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Více

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

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

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

BEZRIZIKOVÁ VÝNOSOVÁ MÍRA OTEVŘENÝ PROBLÉM VÝNOSOVÉHO OCEŇOVÁNÍ

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

Více

Bezporuchovost a pohotovost

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

Více

Jiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace

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

Více

Assessment of the Sensitivity of the Regulatory Requirement for Credit Risk. Posouzení citlivosti regulatorního kapitálu na kreditní riziko

Assessment of the Sensitivity of the Regulatory Requirement for Credit Risk. Posouzení citlivosti regulatorního kapitálu na kreditní riziko Assessment of the Senstvty of the Regulatory Requrement for Credt Rsk Posouzení ctlvost regulatorního kaptálu na kredtní rzko Josef Novotný 1 Abstract The paper s devodet to concept of Captal adequacy

Více

Softwarová podpora matematických metod v ekonomice a řízení

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

Více

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

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

Více

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

Energie elektrického pole

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

Více

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

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

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

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

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

Více

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

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

Více

Analýza chování servopohonů u systému CNC firmy Siemens

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

Více

9. Měření kinetiky dohasínání fluorescence ve frekvenční doméně

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

Více

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

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

Více

1 CHYBY, VARIABILITA A NEJISTOTY INSTRUMENTÁLNÍCH MĚŘENÍ

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

Více

Zkouškový test z fyzikální a koloidní chemie

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

Více

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

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

Více

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

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

Více

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

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

Více

Spokojenost s životem červen 2015

Spokojenost s životem červen 2015 ov150730 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Spokojenost s životem červen 2015 Technické

Více

Úvod do magnetizmu pevných látek

Úvod do magnetizmu pevných látek Úvod do magnetzmu pevných látek. Úvod. Izolované magnetcké momenty 3. Prostředí 4. Interakce 5. agnetcké struktury 6. Doménová struktura a magnetzace .agnetzmus pevných látek -úvod. Zdroje magnetsmu -

Více

Numerické výpočty ve světovém geodetickém referenčním systému 1984 (WGS84)

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

Více

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

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

Více

Optimalizační přístup při plánování rekonstrukcí vodovodních řadů

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

Více

Retailový a korporátní credit scoring

Retailový a korporátní credit scoring Masarykova unverzta Přírodovědecká fakulta DIPLOMOVÁ PRÁCE Bc. Eva Krečová Retalový a korporátní credt scorng Vedoucí práce: Mgr. Martn Řezáč, Ph.D. Studní program Aplkovaná matematka Studní obor Fnanční

Více

Statistické hodnocení vztahů mezi znalostí legislativy a situací na pracovišti. Ondřej Vencálek

Statistické hodnocení vztahů mezi znalostí legislativy a situací na pracovišti. Ondřej Vencálek Statistické hodnocení vztahů mezi znalostí legislativy a situací na pracovišti Ondřej Vencálek Obsah: Statistické modely a metody Znalost legislativy podle sektoru a velikosti firmy Vliv znalostí legislativy

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Spokojenost obyvatel s životem v regionu MAS Havlíčkův kraj

Spokojenost obyvatel s životem v regionu MAS Havlíčkův kraj Vyhodnocení dotazníkového šetření, které proběhlo na území MAS Havlíčkův kraj Spokojenost obyvatel s životem v regionu MAS Havlíčkův kraj Místní akční skupina Havlíčkův kraj, o. p. s. Zpracovala: Hana

Více

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO

PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO PROBLEMATIKA INTELIGENTNÍHO AUTOMATICKÉHO MAPOVÁNÍ WEBOVÝCH STRÁNEK ŘIMNÁČ MARTIN 1, ŠUSTA RICHARD 2, ŽIVNŮSTKA JIŘÍ 3 Katedra řídcí technky, ČVUT-FEL, Techncká 2, Praha 6, tel. +42 224 357 359, fax. +

Více

VYUŽÍVANÍ GEOINFORMAČNÍCH TECHNOLOGIÍ V OBDOBÍ REORGANIZACE ÚŘADŮ V RESORTU MPSV

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

Více

Využití Fuzzy Match algoritmu pro čištění dat

Využití Fuzzy Match algoritmu pro čištění dat Využtí Fuzzy Match algortmu pro čštění dat Ing. Davd Pejčoch, DS. Úsek pojštění motorových vozdel, Kooperatva, pojšťovna, a.s., Venna Insurance Group, dpejcoch@koop.cz, Templová 747, 110 01 Praha 1, Czech

Více

Market Intelligence Cesta k poznání trhu

Market Intelligence Cesta k poznání trhu Market Intelligence Cesta k poznání trhu Petr Šmíd, Consulting České spořitelny, a.s. smid@consultingcs.cz INSOURCE 2008:Konference o profesionálních informačních zdrojích pro obchod, management, marketing

Více

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

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

Více

ZNALECKÝ POSUDEK. č. 101-31/99. na dendrochronologický rozbor dřevěných stavebních konstrukcí domu Vračovice č.p.2, okr.

ZNALECKÝ POSUDEK. č. 101-31/99. na dendrochronologický rozbor dřevěných stavebních konstrukcí domu Vračovice č.p.2, okr. ZNALECKÝ POSUDEK č. 101-31/99 na dendrochronologcký rozbor dřevěných stavebních konstrukcí domu Vračovce č.p.2, okr. Ústí nad Orlcí Posudek s vyžádal: SOVAMM, společnost pro obnovu vesnce a malého města

Více

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

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

Více

Spokojenost se životem

Spokojenost se životem SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO

Více

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

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

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com) Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik

Více

měření SPOKOJenOSti zákazníků na BUSineSS trhu

měření SPOKOJenOSti zákazníků na BUSineSS trhu měření SPOKOJenOSti zákazníků na BUSineSS trhu customer SaTISfacTIOn MeaSUReMenT On BUSIneSS MaRKeT Hana Šůstková Vysoká škola báňská Technická univerzita Ostrava, Ekonomická fakulta Moravská vysoká škola

Více

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

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

Více

SORPCE NASYCENÝCH PAR PERCHLORETHYLENU NA ZEMINY A POROVNÁNÍ VÝTĚŽKŮ EXTRAKČNÍCH TECHNIK. BORISLAV ZDRAVKOV, JIŘÍ JORDAN ČERMÁK a JOSEF JANKŮ.

SORPCE NASYCENÝCH PAR PERCHLORETHYLENU NA ZEMINY A POROVNÁNÍ VÝTĚŽKŮ EXTRAKČNÍCH TECHNIK. BORISLAV ZDRAVKOV, JIŘÍ JORDAN ČERMÁK a JOSEF JANKŮ. Chem. Lsty 103, 10471053 (2009) SORPCE NASYCENÝCH PAR PERCHLORETHYLENU NA ZEMINY A POROVNÁNÍ VÝTĚŽKŮ EXTRAKČNÍCH TECHNIK BORISLAV ZDRAVKOV, JIŘÍ JORDAN ČERMÁK a JOSEF JANKŮ Ústav cheme ochrany prostředí,

Více

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

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

Více

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291

vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291 Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených

Více

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x).

V mnoha pípadech, kdy známe rozdlení náhodné veliiny X, potebujeme urit rozdlení náhodné veliiny Y, která je funkcí X, tzn. Y = h(x). 3. FUNKCE NÁHODNÉ VELIINY as ke studu: 40 mnut Cíl: Po prostudování této kaptol budete umt transformovat náhodnou velnu na náhodnou velnu Y, je l mez tmto náhodným velnam vzájemn jednoznaný vztah VÝKLAD

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

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

Více

Neuronové časové řady (ANN-TS)

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

Více

SIEMENS. Komunikátor SANTIS. Uživatelská příručka

SIEMENS. Komunikátor SANTIS. Uživatelská příručka SIEMENS Komunkátor SANTIS Postup konfgurace 1. Zvedněte sluchátko a vyčkejte na oznamovací tón. 2. Zadejte **#73##. 3. Zadejte a potvrďte jej # (pouze nstalace). 4. Zadejte . 5.

Více

2 Rozhodovací problém

2 Rozhodovací problém Rozhodovaí problém Rozhodovaí problém je problém s víe možným řešením. Jde tedy o problémy se kterým se setkáváme v běžném žvotě. Základním krokem každého rozhodování je proes volby, tedy poszování jednotlvýh

Více

LABORATORNÍ CVIČENÍ Z FYZIKÁLNÍ

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

Více

České vysoké učení technické v Praze

České vysoké učení technické v Praze České vysoké učení techncké v Praze Fakulta stavební Katedra vyšší geodéze Magsterská práce 211 Mloš Tchý Prohlašuj, že jsem tuto magsterskou prác vypracoval samostatně, pouze za odborného vedení vedoucího

Více

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

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

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Je beta spolehlivým měřítkem rizika v obdobích hospodářských poklesů? 1

Je beta spolehlivým měřítkem rizika v obdobích hospodářských poklesů? 1 Je beta spolehlvý ěřítke rzka v obdobích hospodářských poklesů? 1 Toáš Brabenec * Úvod Vyhláška Mnsterstva spravedlvost Slovenskej republky o stanovení všeobecnej hodnoty ajetku (dále také Vyhláška ) o

Více

Propenzitní modelování. Veronika Počerová 10. 4. 2015

Propenzitní modelování. Veronika Počerová 10. 4. 2015 Propenzitní modelování Veronika Počerová 10. 4. 2015 motivace 2 definice Prediktivní analytika je disciplína, která využívá metod Data Miningu k tomu, aby na základě historického chování sledovaného jevu

Více

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

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

Více

NOVÝ POSTUP GEOREFERENCOVÁNÍ MAP III. VOJENSKÉHO MAPOVÁNÍ

NOVÝ POSTUP GEOREFERENCOVÁNÍ MAP III. VOJENSKÉHO MAPOVÁNÍ Kartografcké lsty / Cartographc Letters, 2013, 21 (2), 35-49 NOVÝ POSTUP GEOREFERENCOVÁNÍ MAP III. VOJENSKÉHO MAPOVÁNÍ Mlan TALICH, Lubomír SOUKUP, Jan HAVRLANT, Klára AMBROŽOVÁ, Ondřej BÖHM, Flp ANTOŠ

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

Fungování demokracie a lidská práva v ČR únor 2015

Fungování demokracie a lidská práva v ČR únor 2015 pd10312a TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 28 840 129 E-mail: nadezda.cadova@soc.cas.cz Fungování demokracie a lidská práva v ČR

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

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

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

Více

ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII

ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII ANALÝZA KATEGORIZOVANÝCH DAT V SOCIOLOGII Tomáš Katrňák Fakulta sociálních studií Masarykova univerzita Brno SOCIOLOGIE A STATISTIKA nadindividuální společenské struktury podmiňují lidské chování (Durkheim)

Více

Úvod. Struktura respondentů

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

Více

MODELOVÁNÍ POPTÁVKY, NABÍDKY A TRŽNÍ ROVNOVÁHY

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

Více

Vztah mezi obtěžováním hlukem a vybranými ukazateli zdravotního stavu. MUDr. Zdeňka Vandasová Mgr. Ondřej Vencálek Ph.D.

Vztah mezi obtěžováním hlukem a vybranými ukazateli zdravotního stavu. MUDr. Zdeňka Vandasová Mgr. Ondřej Vencálek Ph.D. Vztah mezi obtěžováním hlukem a vybranými ukazateli zdravotního stavu MUDr. Zdeňka Vandasová Mgr. Ondřej Vencálek Ph.D. Zkoumání vztahů mezi hlukem a jeho zdravotními účinky Vztah mezi hlukem a výskytem

Více

MEDZINÁRODNÝ SEMINÁR MLADÝCH VEDECKÝCH PRACOVNÍKOV

MEDZINÁRODNÝ SEMINÁR MLADÝCH VEDECKÝCH PRACOVNÍKOV Katedra ekonometre Fakulty nformatky a statstky VŠE v Prahe a Katedra operačného výskumu a ekonometre Fakulty hospodárskej nformatky EU v Bratslave MEDZINÁRODNÝ SEMINÁR MLADÝCH VEDECKÝCH PRACOVNÍKOV Katedry

Více

META-ANALÝZA Z POHLEDU STATISTIKA. Medicína založená na důkazu - Modul 3B

META-ANALÝZA Z POHLEDU STATISTIKA. Medicína založená na důkazu - Modul 3B META-ANALÝZA Z POHLEDU STATISTIKA Medicína založená na důkazu - Modul 3B OBSAH: Úvodní definice... 2 Ověření homogenity pomocí Q statistiky... 3 Testování homogenity studií pomocí I 2 indexu... 6 Výpočet

Více

Neuromarketing a jeho aplikace. Pavel Rosenlacher

Neuromarketing a jeho aplikace. Pavel Rosenlacher Neuromarketing a jeho aplikace Pavel Rosenlacher Obsah prezentace Definice neuromarketingu Východiska neuromarketingu Vědecké disciplíny a NMK Historie neuromarketingu Cíle neuromarketingu Přínosy neuromarketingu

Více

Statistika. Semestrální projekt

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

Více

Univerzita Pardubice. Fakulta ekonomicko-správní

Univerzita Pardubice. Fakulta ekonomicko-správní Unverzta Pardubce Fakulta ekonomcko-srávní Vývoj hyotečních úvěrů a dskontní sazby v ČR s rognózou do budoucna Ilona Gerčáková Bakalářská ráce 2014 PROHLÁŠENÍ Prohlašuj, že jsem tuto rác vyracovala samostatně.

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

MARKETINGOVÝ INFORMAČNÍ SYSTÉM

MARKETINGOVÝ INFORMAČNÍ SYSTÉM MARKETINGOVÝ INFORMAČNÍ SYSTÉM Proč je nutná existence MIS ve firmě? Firmy přechází od místního k celonárodnímu a ke globálnímu marketingu změna orientace od zákaznických potřeb k zák. přáním / stále vybíravější

Více

Vojtěch Janoušek: III. Statistické zpracování a interpretace analytických dat

Vojtěch Janoušek: III. Statistické zpracování a interpretace analytických dat Vojěch Janoušek: III. Sascké zpracování a nerpreace analyckých da Úvod III. Zpracování a nerpreace analyckých da Sascké vyhodnocení analyckých da Zdroje chyb, přesnos a správnos analýzy Sysemacké chyby,

Více

Evaluation of Interferograms Using a Fourier-Transform Method

Evaluation of Interferograms Using a Fourier-Transform Method ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta stavební Katedra fzk Vhodnocování nterferogramů metodou Fourerov transformace Evaluaton of Interferograms Usng a Fourer-Transform Method dplomová práce Studní

Více

Survey of Health, Ageing and Retirement in Europe. Česká republika 50+:

Survey of Health, Ageing and Retirement in Europe. Česká republika 50+: Survey of Health, Ageing and Retirement in Europe Česká republika 50+: projekt SHARE SHARE Survey of Health, Ageing and Retirement in Europe Proces stárnutí evropské populace Mezinárodní, longitudinální,

Více

VEKTOR 4 SCIO 2014. Oktaváni skládali testy z českého jazyka, matematiky, obecných studijních předpokladů, německého jazyka a anglického jazyka.

VEKTOR 4 SCIO 2014. Oktaváni skládali testy z českého jazyka, matematiky, obecných studijních předpokladů, německého jazyka a anglického jazyka. VEKTOR 4 SCIO 2014 Žáci oktáv absolvovali v říjnu 2014 testy Vektor, které vypovídají o jejich pozici mezi žáky jiných škol. Škola obdržela celkové výsledky tříd. Společnost Scio zpracovala také individuální

Více