Využití logistické regrese pro hodnocení omaku

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Využití logistické regrese pro hodnocení omaku"

Transkript

1 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 eíž hodnocení e obtížné. Vedle sady tzv. prmárních vlastností ze kterých se hodnocení omaku skládá hrae také důležtou rol hodnottel eho zkušenost s hodnocením psychcké rozpoložení zda se edná o muže č ženu atd. Proto exstue snaha nahradt subektvní hodnocení omaku obektvním založeném na měření mechanckých vlastností spoených s omakem nezávslým na hodnottelích. Nerozšířeněším systémem který se používá pro predkc e systém KES který se velm často také používá ako komparační metoda př vývo nových postupů. Př hodnocení subektvního omaku se nečastě používá stupncová metoda. Prncp spočívá v zařazování ndvduálních textlí do zvolené subektvní stupnce - ordnální škály (např. 1-velm špatný 2-špatný 3-dostačuící 4-průměrný 5-dobrý 6 - velm dobrý 7 znamentý). Je-l užtí textlí exaktně specfkováno (např. pánské večerní oblekovky) e možné použít např. tří stupňovou bodovou škálu (0 horší omak 1 průměrný omak 2 lepší omak) popř. dvoustupňovou škálu (0 špatný omak 1 dobrý omak). Data získaná subektvním hodnocením omaku (zde celkový omak THV) patří do ordnální škály proto lze pro nalezení vztahu mez THV a fyzkálně-mechanckým vlastnostm a následnou predkc použít některý vícerozměrné technky statstcké analýzy dat ako sou dskrmnační analýza a logstcká regrese. 1. Systém KES Systém KES e sada 4 přístroů které měří 15 charakterstk rozdělených do 5 skupn (tahové smykové ohybové obemové povrchové) v rozsazích smuluící běžné namáhání oděvních textlí

2 př nošení. Systém KES byl vytvořen pro obektvní hodnocení omaku textlí zeména tkann. Umožňue obektvně odhadnout celkové pocty většny ldí př ech přímém kontaktu s textlí. Šestnáctou charakterstkou která se používá př predkc omaku e plošná hmotnost. Pro predkc omaku se používá těchto charakterstk: 1) Tahové charakterstky: 1. LT Lnearta WT - deformační energe RT - pružnost 2) Ohybové charakterstky: B - tuhost v ohybu na ednotku délky HB - Moment hystereze na ednotku délky 3) Smykové charakterstky: G - tuhost ve smyku 2HG -hystereze př úhlu smyku φ =05 2HG5 - hystereze př úhlu smyku φ =5 4) Obemové charakterstky: LC: lnearta WC -energe potřebná ke stlačení RC - pružnost 5) Povrchové charakterstky: MIU - koefcent tření MMD - průměrná odchylka MIU SMD - geometrcká drsnost. 6) Geometrcké charakterstky: T tloušťka W plošná hmotnost. Výpočet predkce probíhá ve 2 krocích. Neprve se hodnoty standardzuí a vypočtou se tzv. predkované prmární složky omaku Y 16 X X Y = C0 + C σ = 1 kde X e -tá charakterstka nebo eí desítkový logartmus X a σ e průměr a směrodatná odchylka -té charakterstky C 0 a C regresní koefcenty -té charakterstky a -tého prmárního omaku. Hodnoty parametrů X σ C 0 a C se volí podle účelu použtí textlí. Ve druhém kroku se vypočte obektvní hodnota celkového omaku (THV) 3 2 Y = M 1 Y M 2 THV = C 0 + C 1 + C 2 1 σ 1 σ 2 kde C 0 C 1 C 2 sou regresní koefcenty M 1 M 2 σ 1 σ 2 sou průměry a směrodatné odchylky Y a Y 2 a opět se volí podle účelu použtí textle. Pro konstrukc predkční rovnce byla použta stepwse regrese. V navrženém regresním modelu e použto 16 měřených charakterstk mez kterým exstuí korelace.

3 2. Logstcká regrese Logstcká regrese byla vyvnuta ako alternatvní metoda k metodě nemenších čtverců pro případ kdy závsle proměnná y e bnární. V současné době však lze používat obecně pro závsle proměnnou pocházeící z nomnální nebo ordnální škály. Dá se použít ako alternatva ke klasfkac kdy nesou splněny předpoklady vícerozměrného normálního rozdělení. V případě bnární proměnné logstcká regrese předkue pravděpodobnost dané událost která se buď stala (y=1) nebo nestala (y=0). Pro vytvoření vazební podmínky se používá logtová transformace která vede k sgmodálnímu vztahu mez y a x. Př predkc pomocí logstcké regrese stuace nastala v případě že pravděpodobnost predkované událost e větší 05 e-l menší událost nenastala. Př řešení logstcké regrese se odhaduí regresní koefcenty β (=12 p) pomocí logtové transformace π ( x) ln = b + b x + b x + + b x p p 1 π ( x) kde π(x) e pravděpodobnost že stuace nastala a 1- π(x) vyadřue pravděpodobnost že stuace nenastala b sou odhady regresních koefcentů β. 3. Expermentální část Pro konstrukc predkčního modelu pomocí logstcké regrese bylo použto 49 tkann pro pánské oblekovky. Každá tkanna byla subektvně hodnocena pomocí panelu 20 respondentů pro potřeby logstcké regrese do 2 třídy. První třída omak e špatný (y=0) druhá třída omak e dobrý (y=1). Výsledné zařazení textle do dané třídy bylo provedeno na základě převážného zařazení do třídy t. většna hodnottelů hodnotla známkou 1 tkanna byla zařazena do druhé třídy (textle má dobrý omak). Když hodnotla většna hodnottelů známkou 0 byla textle zařazena do první třídy (textle má špatný omak). Obektvní hodnocení omaku bylo realzováno na systému KES t. u každé tkanny bylo proměřeno 16 vlastností. Pomocí průzkumové analýzy dat korelační matce a varablty v datech bylo následně vytpováno 10 vlastností pro tvorbu predkční rovnce. Mez

4 vytypovaným vlastnostm byly WT RT B G 2HG 2HG5 WC MIU MMD SMD. Př konstrukc regresního modelu se testue ednak významnost regresních koefcentů b ednak významnost ednotlvých proměnných x pro predkc y. Pro testování významnost regresních koefcentů b lze použít Waldovo textační krterum. 2 b ( ) W = a s b které má rozdělení χ 2 s edním stupněm volnost. I když určt příspěvek ednotlvých proměnných v regres elkož závsí na příspěvcích ostatních proměnných lze stanovt parcální korelac R mez ednotlvým závsle proměnným a nezávsle proměnnou. R W 2df a. = ± 2ln L(0) kde df e počet stupňů volnost který se týká počtu odhadovaných parametrů. L (0) e pravděpodobnost základního logstckého modelu který obsahue pouze absolutní člen. 4. Výsledky Vzorky byly rozděleny do dvou skupn. První skupnu tvořlo 42 textlí a byly použty pro tvorbu modelu druhá skupna t. 7 kusů bylo použto pro ověření funkčnost nalezeného modelu. Výsledky konstrukce regresního modelu ukazuí že regresní koefcenty sou většnou nad hladnou významnost α=01. Nevětší vlv na THV maí proměnné WT RT B a SMD. Následuící Tabulka II ukazue počet správně a špatně zařazených obektů.

5 Tabulka I. Odhady koefcentů a vlv ednotlvých proměnných Proměnná χ 2 spočtená hladna významnost regresní koef. odhad Waldova statstka spočtená hladna významnost b WT b RT b B b G B HG b HG b WC b MIU b MMD b SMD b Naměřené hodnoty omaku Tabulka II. Klasfkace obektů tvorba modelu Predkované hodnoty omaku Procento správně zařazených obektů Třída 1 Třída 2 Třída Třída Naměřené hodnoty omaku Tabulka III. Klasfkace obektů ověření modelu Predkované hodnoty omaku Procento správně zařazených obektů Třída 1 Třída 2 Třída Třída

6 Tabulka IV. Přehled modelu stupně volnost χ 2 spočtená hladna významnost Z Tabulky II. a Obr. 1. Je zřemé že došlo k celkem uspokovému proložení funkce daty. Těsnost proložení D=7769% (obdoba R 2 u lneární regrese). Hlubší analýza provedená s porovnáním výsledků ze subektvního hodnocení omaku ukazue že většna textlí které sou modelem špatně ftovány sou současně neednoznačně zařazeny subektvně. Tabulka III ukazue že ověřované textle byly zařazeny všechny dobře. To ukazue na dobrou účnnost modelu. Výsledky v tabulce IV. Ukazuí že model ako celek e na hladně významnost α=005 statstcky významný. Obr.1. Proložení modelu a rezdua. Závěr V případě že př hodnocení omaku e zapotřebí rozhodnout zda e omak dobrý nebo špatný t. e-l chápán ako bnární proměnná lze logstckou regres považovat za vhodnou metodu pro konstrukc predkční rovnce.

7 Lteratura [1] Bazík Vladmír. Predkce subektvního hodnocení omaku pomocí vícerozměrných statstckých metod. In Zaštění kvalty analytckých výsledků:sborník přednášek ze semnáře v Komorní Lhotce. 1. vydání. Český Těšín : 2 Theta s ISBN [2] Kawabata Sueo. The Standardzaton and Analyss of Fabrc Hand. 2nd. ed. The Textle Machnery Socety of Japan Osaka 1982 [3] Meloun Mlan; Mltký Jří. Statstcká analýza expermentálních dat. 1. vydání. Praha: Academa ISBN Adresa autora: Ing. Vladmír Bazík Techncká unverzta v Lberc Fakulta textlní Katedra textlních materálů Hálkova Lberec. e-mal: Tato práce byla vytvořena v rámc proektu MŠMT 1M CQR

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

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

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

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

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

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

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

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

- 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

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

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

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

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

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

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

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

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

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

Modelování montážní linky

Modelování montážní linky Modelování montážní linky Geza Dohnal 1. Montážní linka S rozvoem hromadné výroby e velice těsně spoen rozvo a automatizace výrobních a montážních linek. Tyto linky se od sebe obecně liší ednak topologií

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

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

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

10. Předpovídání - aplikace regresní úlohy

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

Více

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

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

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

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

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

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

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

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

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

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

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

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

Ing. Radovan Nečas Mgr. Miroslav Hroza

Ing. Radovan Nečas Mgr. Miroslav Hroza Výzkumný ústav stavebních hmot, a.s. Hněvkovského, č.p. 30, or. 65, 617 00 BRNO zapsaná v OR u krajského soudu v Brně, oddíl B, vložka 3470 Aktivační energie rozkladu vápenců a její souvislost s ostatními

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

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

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

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

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

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

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404

SOLVER UŽIVATELSKÁ PŘÍRUČKA. Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 SOLVER UŽIVATELSKÁ PŘÍRUČKA Kamil Šamaj, František Vižďa Univerzita obrany, Brno, 2008 Výzkumný záměr MO0 FVT0000404 1. Solver Program Solver slouží pro vyhodnocení experimentálně naměřených dat. Základem

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

REQUEST 06. Sborník příspěvků 1. konference Centra pro jakost a spolehlivost výroby Praha, 30. 1. 1. 2. 2007

REQUEST 06. Sborník příspěvků 1. konference Centra pro jakost a spolehlivost výroby Praha, 30. 1. 1. 2. 2007 REQUEST 6 Sborník příspěvků. konference Centra pro jakost a spolehlivost výroby Praha, 3... 2. 27 CQR 27 Tato publikace vznikla za podpory projektu Ministerstva školstvi, mládeže a tělovýchovy, číslo M647

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

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

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté polynomy pro případ dvou uzlových bodů ξ 1 = 1 a ξ 2 = 4. Experimentální body jsou x = [0.2 0.4 0.6 1.5 2.0 3.0

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

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

Více

Korelační a regresní analýza

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

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Statický výpočet střešního nosníku (oprava špatného návrhu)

Statický výpočet střešního nosníku (oprava špatného návrhu) Statický výpočet střešního nosníku (oprava špatného návrhu) Obsah 1 Obsah statického výpočtu... 3 2 Popis výpočtu... 3 3 Materiály... 3 4 Podklady... 4 5 Výpočet střešního nosníku... 4 5.1 Schéma nosníku

Více

A 4 9 18 24 26 B 1 5 10 11 16 C 2 3 8 13 15 17 19 22 23 25 D 6 7 12 14 20 21

A 4 9 18 24 26 B 1 5 10 11 16 C 2 3 8 13 15 17 19 22 23 25 D 6 7 12 14 20 21 Příklad 1 Soutěž o nelepší akost výrobků obeslali čtyři výrobci A, B, C, D celkem 26 výrobky. Porota sestavila toto pořadí (uveden pouze původ výrobku od nelepšího k nehoršímu): Pořadí 1 2 3 4 5 6 7 8

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

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin

Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin Vliv realizace, vliv přesnosti centrace a určení výšky přístroje a cíle na přesnost určovaných veličin doc. Ing. Martin Štroner, Ph.D. Fakulta stavební ČVUT v Praze 1 Úvod Při přesných inženýrsko geodetických

Více

Národníinformačnístředisko pro podporu jakosti

Národníinformačnístředisko pro podporu jakosti Národníinformačnístředisko pro podporu jakosti OVĚŘOVÁNÍ PŘEDPOKLADU NORMALITY Doc. Ing. Eva Jarošová, CSc. Ing. Jan Král Používané metody statistické testy: Chí-kvadrát test dobré shody Kolmogorov -Smirnov

Více

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

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

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

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

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Měření závislosti statistických dat

Měření závislosti statistických dat 5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

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

Jednotlivé historické modely neuronových sítí

Jednotlivé historické modely neuronových sítí Jednotlivé historické modely neuronových sítí Tomáš Janík Vícevrstevná perceptronová síť opakování Teoretický model obsahue tři vrstvy perceptronů; každý neuron první vrstvy e spoen s každým neuronem z

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

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

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

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

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

Výsledky základní statistické charakteristiky

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

Více

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

STUDIUM DIFUZE V TERNÁRNÍCH SYSTÉMECH. PŘÍPAD DIFUZNÍHO SPOJE Ni/Ni 3 Al- Fe

STUDIUM DIFUZE V TERNÁRNÍCH SYSTÉMECH. PŘÍPAD DIFUZNÍHO SPOJE Ni/Ni 3 Al- Fe STUDIUM DIFUZE V TERNÁRNÍCH SYSTÉMECH. PŘÍPAD DIFUZNÍHO SPOJE / 3 - STUDY OF DIFFUSION IN TERNARY SYSTEMS. A CASE OF THE / 3 - DIFFUSION JOINT Jaromír Drápala a, Jana Sudrová a, Jří Vrbcký a Bořvoj Mllon

Více

φ φ d 3 φ : 5 φ d < 3 φ nebo svary v oblasti zakřivení: 20 φ

φ φ d 3 φ : 5 φ d < 3 φ nebo svary v oblasti zakřivení: 20 φ KONSTRUKČNÍ ZÁSADY, kotvení výztuže Minimální vnitřní průměr zakřivení prutu Průměr prutu Minimální průměr pro ohyby, háky a smyčky (pro pruty a dráty) φ 16 mm 4 φ φ > 16 mm 7 φ Minimální vnitřní průměr

Více

Písemná práce k modulu Statistika

Písemná práce k modulu Statistika The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem

Více

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

Analýza současného systému financování vysokých škol v ČR Aleš Bartušek Praha 19. 5. 2015

Analýza současného systému financování vysokých škol v ČR Aleš Bartušek Praha 19. 5. 2015 Analýza současného systému financování vysokých škol v ČR Aleš Bartušek Praha 19. 5. 2015 www.kredo.reformy-msmt.cz OBSAH 1. Úvod do problematiky/kontextu financování VVŠ ČR 2. Hlavní momenty v historickém

Více

KATALOG VÝROBKŮ A CENÍK

KATALOG VÝROBKŮ A CENÍK KATALOG VÝROBKŮ A CENÍK OBSAH 4 O společnost 6 Přednost automatckých kotlů TEKLA 8 Hořáky a palva 10 Elektroncké regulátory 12 Šetříme žvotní prostředí 14 16 DUO 18 DUO VERSA 20 BIO COMPACT 22 BIO 24 DUO

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

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

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

PRAKTIKUM I. Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. úloha č. 10 Název: Rychlost šíření zvuku. Pracoval: Jakub Michálek

PRAKTIKUM I. Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK. úloha č. 10 Název: Rychlost šíření zvuku. Pracoval: Jakub Michálek Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK PRAKTIKUM I. úloha č. 10 Název: Rychlost šíření zvuku Pracoval: Jakub Michálek stud. skup. 15 dne: 20. března 2009 Odevzdal dne: Možný

Více

SEMESTRÁLNÍ PRÁCE 3.5 Klasifikace analýzou vícerozměrných dat

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

Více

Posouzení linearity kalibraèní závislosti

Posouzení linearity kalibraèní závislosti Posouzení linearity kalibraèní závislosti Ludìk Dohnal Referenèní laboratoø pro klinickou biochemii,úkbld 1.LF UK a VFN, Karlovo nám. 32, 12111 Praha 2, ludek.dohnal@lf1.cuni.cz Paul Faigl FCDD, University

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

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

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

STATISTICKÉ TESTY VÝZNAMNOSTI

STATISTICKÉ TESTY VÝZNAMNOSTI STATISTICKÉ TESTY VÝZNAMNOSTI jsou statistické postupy, pomocí nichž ověřujeme, zda mezi proměnnými existuje vztah (závislost, rozdíl). Pokud je výsledek šetření statisticky významný (signifikantní), znamená

Více

Katedra textilních materiálů ENÍ TEXTILIÍ PŘEDNÁŠKA 7 MECHANICKÉ VLASTNOSTI

Katedra textilních materiálů ENÍ TEXTILIÍ PŘEDNÁŠKA 7 MECHANICKÉ VLASTNOSTI PŘEDNÁŠKA 7 Definice: Mechanické vlastnosti materiálů - odezva na mechanické působení od vnějších sil: 1. na tah 2. na tlak 3. na ohyb 4. na krut 5. střih F F F MK F x F F F MK 1. 2. 3. 4. 5. Druhy namáhání

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

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

2014/2015 STAVEBNÍ KONSTRUKCE SBORNÍK PŘÍKLADŮ PŘÍKLADY ZADÁVANÉ A ŘEŠENÉ V HODINÁCH STAVEBNÍCH KONSTRUKCÍ. SŠS Jihlava ING.

2014/2015 STAVEBNÍ KONSTRUKCE SBORNÍK PŘÍKLADŮ PŘÍKLADY ZADÁVANÉ A ŘEŠENÉ V HODINÁCH STAVEBNÍCH KONSTRUKCÍ. SŠS Jihlava ING. 2014/2015 STAVEBNÍ KONSTRUKCE SBORNÍK PŘÍKLADŮ PŘÍKLADY ZADÁVANÉ A ŘEŠENÉ V HODINÁCH STAVEBNÍCH KONSTRUKCÍ SŠS Jihlava ING. SVOBODOVÁ JANA OBSAH 1. ZATÍŽENÍ 3 ŽELEZOBETON PRŮHYBEM / OHYBEM / NAMÁHANÉ PRVKY

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