!"! #$%$& #$& '% % ( ) (

Rozměr: px
Začít zobrazení ze stránky:

Download "!"! #$%$& #$& '% % ( ) ("

Transkript

1 !"! #$%$&#$&'% %( )(

2 Systém má modulární stavbu. V multilicenci pro Masarykovu univerzitu jsou k dispozici moduly: Basic Statistics/Tables, Multiple Regression, ANOVA, Nonparametrics, Distribution Fitting, Advanced Linear / Nonlinear Models, Multivariate Explorartory Techniques, Industrial Statistics & Six Sigma. Velké množství informací o systému STATISTICA lze najít na webové stránce spolenosti StatSoft, která je jejím distributorem v eské republice ( Z této stránky vede rovnž odkaz na elektronickou uebnici statistiky. STATISTICA 6 má nkolik typ oken: spreadsheet (datové okno, má píponu sta, jeho obsah však lze exportovat i v jiných formátech). Do datového okna lze naítat datové soubory nejrznjších typ (nap. z tabulkových procesor, databázové soubory, ASCII soubory). workbook (má píponu stw). Do workbooku ukládají výstupy, tj. tabulky a grafy. Skládá se ze dvou oken, v levém okn je znázornna stromová struktura výstup, v pravém jsou samotné výstupy. V levém okn se lze pohybovat myší nebo kurzorem, mazat, pesouvat, editovat apod. Výstupy mohou sloužit jako vstupy pro další analýzy a grafy. report (má píponu str, lze ho uložit i ve formátu rtf, txt i htm). Pokud požadujeme, aby se výstupy ukládaly nejen do workbooku, ale i do reportu, postupujeme takto: Tools Options Output Manager zaškrtneme Also send to Report Window OK. Report se podobn jako workbook skládá ze dvou oken. Do reportu mžeme vkládat vlastní text, vysvtlující komentáe, poznámky apod. Tabulky a grafy lze v reportu i workbooku dále upravovat. okno graf (pípona stg, lze ho uložit i jako bmp, jpg, png a wmf). Získá se tak, že ve workbooku klikneme pravým tlaítkem na graf a vybereme Clone Graph. programovací okno (pípona svb). Slouží pro zápis program v jazyku STATISTICA Visual Basic. Mezi jednotlivými typy oken se pepínáme pomocí položky Window v hlavním menu.

3 !" # $"%&! "#$"%""&'(%&)) "'% * +", () -"./0/1./1203 )"' & 3$ "# ("", +$568 7)37 & 97& '7 ""3487: 7:(. : * ; <=> =? 5=@? / > =)3?,= &?,7&?, =9 ""3?,='A;"3+6 > ""3+5= / >@ B 2"C 5 $%& " )#,# >)"" 3 ", ( 9 56"3 *.,7D,.,E/ =F G, =A;=< 56A;=. $A3 :H,#: ",+ +3( Category výborn: velmi dobe: dobe neprospl: Missing Frequency table: X: známka z matematiky (zn Cumulative Percent Cumulative Percent , , , , , , , , , ,0000 Category výborn: velmi dobe: dobe neprospl: Missing Frequency table: Y: známka z anglitiny (znam Cumulative Percent Cumulative Percent , , , , , , , , , ,0000 ' <& "),# 56 * I"#=J =< 56=A;7"?C=0, = D H 2A; <& ) ),# 56 * I"#=-I"#=% 2#=< 56=A;=0, =% / >%, $ / >< (=A;

4 <& ",# 56 * H" : "3+5%,B= - 72 : & )K? 2 %8B 2< " 9 Sloupkový diagram. 8 Sloupkový diagram výborn velmi dobe dobe neprospl známka z matematiky 0 výborn velmi dobe dobe neprospl známka z anglitiny Výseový graf. Výseový graf. neprospl; 25% výborn; 20% neprospl; 40% výborn; 35% velmi dobe; 20% dobe; 10% velmi dobe; 15% dobe; 35% známka z matematiky známka z anglitiny 9 Polygon absolutních etností. 7,5 Polygon absolutních etností. 8 7,0 7 6,5 6 6,0 5 5,5 4 5,0 3 4,5 2 4,0 1 výborn velmi dobe: dobe neprospl: známka z matematiky 3,5 výborn velmi dobe: dobe neprospl: známka z anglitiny L <& C ",+C, 5 * %&3# 0,.#H /" 2 6> M7> " C= & 0A"= %8D= /" N, <& C C, 5

5 * %&3# 0, 6>M7> " C= %I = K = 120 Empirick á distribuní funkce. 45% Graf etnostní funkce % 35% 80 30% Percent of obs 25% 20% 15% 10% 5% výborn velmi dobe dobe nevyhovující 5 známka z matematiky 0% výborn velmi dobe dobe neprospl známka z matematiky O 4+# " : $" : (!9" * ": $" : ( *.,7D,.,E/ =F G, =A;=< 56A;=.,2 =.,2=1,, =.",C,, 4PA; < & ": Category výborn: velmi dobe: dobe neprospl: Missing Category výborn: velmi dobe: dobe neprospl: Missing Frequency table: X: známka z matematiky Cumulative Percent Cumulative Percent , , , , , , , , , ,0000 Frequency table: Y: známka z anglitiny Cumulative Percent Cumulative Percent , , , , , , , , , ,0000

6 <& ": Category výborn: velmi dobe: dobe neprospl: Missing Category velmi dobe: dobe neprospl: Missing Frequency table: X: známka z matematiky Cumulative Percent Cumulative Percent , , , , , , , , , ,0000 Frequency table: Y: známka z anglitiny Cumulative Percent Cumulative Percent , , , , , , , ,0000 Q? ",, )) <&,# 56 C C, *.,7D,.,E/ =/ =A;=.,, =0= A;=.",C 7@5@6A;. <& C C, 8?2/ N =9- # = 0>., =K K=K$+:" " 0>6(= I"#@=/" =." =A;IC ",% C< H <& ",3&3"3),#,# 56 *?2/ N =A"7 ", 2" %, C,,$ "%, CH,( ;,# Summary Frequency Table (znamky) Marked cells have counts > 10 (Marginal summaries are not marked) X Y Y výborn velmi dobe Y dobe Y neprospl Row Totals výborn velmi dobe dobe neprospl All Grps

7 Simultánní etnostní funkce. ; ",3&3"3),#,# Column Percent Row Percent Column Percent Row Percent Column Percent Row Percent Column Percent Row Percent Summary Frequency Table (znamky) Marked cells have counts > 10 (Marginal summaries are not marked) X Y Y Y Y Row výborn velmi dobe dobe neprospl Totals výborn ,00% 25,00% 28,57% 0,00% 57,14% 14,29% 28,57% 0,00% velmi dobe ,00% 50,00% 14,29% 0,00% 0,00% 66,67% 33,33% 0,00% dobe ,00% 0,00% 14,29% 20,00% 0,00% 0,00% 50,00% 50,00% neprospl ,00% 25,00% 42,86% 80,00% 0,00% 12,50% 37,50% 50,00%

8 -" # $"%& O, # ", " ", 7 $"%""&L(-) '% * +", ()?3 '%3)56& 3R ",SR " S %56": +", %. " " " &,,# QK >,##3 &, *.,=D,.,E/ =-,",7< 56= KT>=.$%5 99>O #&,,# $9LU$LQU$LQU"6 L >VW &, $LQU$QWU$QWU( Descriptive Statistics (o Minimum Maximum X 33, ,0000 Y 52, , "#&,# 9# " #&,# Q6 "#&,# L# " #&,# W 2 &, 58 $9LU$LQU$QWU$WU$9U$9LU$LQU "68 $LQU$QWU$WU$9U$9LU$LQU$QWU 9 <& # "5"6 * I"#=J =< 5="?C=0, = D =.",CD =LQW9LQA;=60>M % # > "" C 30A"3 + C

9 27% Histogram. 27% Histogram. 23% 23% 20% 20% 17% 17% 13% 13% 10% 10% 7% 7% 3% 3% 0% mez plasticity 0% mez pevnosti ' % * X#"3),#56"&),#&,,# * 1 =0< ==0C 6=A;="& N5N6? N5=-=N, 7" "",#Q $%=" " 5U95YPL(% " A; 0,"6 L <& C + ",+ ",+C, "5 * <& F G, "N5%& "&": & 2 " 2 %, +? 2 %, = I"#=I"#CD,-=2I"#CD,2=@ % $< (=A; Kategorie ChD Kategorie ChD Tabulka etností:rx (ocel) etnost Kumulativní Rel.etnost Kumulativní etnost rel.etnost 0, , , , , , , , , , , , , , , , ,0000 Tabulka etností:ry (ocel) etnost Kumulativní Rel.etnost Kumulativní etnost rel.etnost 0, , , , , , , , , , , , , , , , ,0000

10 120 Intervalová empirická distribuní funkce. 120 Intervalová empirická distribuní funkce mez plasticity mez pevnosti O.,# $,# ",3&3 "3),#,# (3),#&,,# "$56( * <!Q+ ","3)N5N6 ;,#,# Total Percent Total Percent Total Percent Total Percent Total Percent Total Percent Total Percent Total Percent Summary Frequency Table (ocel) Table: RX(7) x RY(7) RX RY RY RY RY RY RY RY Row (50,70> (70,90> (90,110>(110,130> (130,150>(150,170> (170,190> Totals (30,50> ,33% 5,00% 0,00% 0,00% 0,00% 0,00% 0,00% 13,33% (50,70> ,00% 5,00% 1,67% 0,00% 0,00% 0,00% 0,00% 6,67% (70,90> ,00% 6,67% 11,67% 1,67% 1,67% 0,00% 0,00% 21,67% (90,110> ,00% 0,00% 10,00% 13,33% 1,67% 0,00% 0,00% 25,00% 110,130> ,00% 0,00% 0,00% 6,67% 8,33% 0,00% 0,00% 15,00% (130,150> ,00% 0,00% 0,00% 0,00% 3,33% 8,33% 0,00% 11,67% (150,170> ,00% 0,00% 0,00% 0,00% 0,00% 1,67% 5,00% 6,67% All Grps ,33% 16,67% 23,33% 21,67% 15,00% 10,00% 5,00%

11 ; &3",3"3),#,# Row Percent Row Percent Row Percent Row Percent Row Percent Row Percent Row Percent Column Percent Column Percent Column Percent Column Percent Column Percent Column Percent Column Percent Summary Frequency Table (ocel) Table: RX(7) x RY(7) RX RY 1 RY 2 RY 3 RY 4 RY 5 RY 6 RY 7 Row Totals ,50% 37,50% 0,00% 0,00% 0,00% 0,00% 0,00% ,00% 75,00% 25,00% 0,00% 0,00% 0,00% 0,00% ,00% 30,77% 53,85% 7,69% 7,69% 0,00% 0,00% ,00% 0,00% 40,00% 53,33% 6,67% 0,00% 0,00% ,00% 0,00% 0,00% 44,44% 55,56% 0,00% 0,00% ,00% 0,00% 0,00% 0,00% 28,57% 71,43% 0,00% ,00% 0,00% 0,00% 0,00% 0,00% 25,00% 75,00% All Grps Summary Frequency Table (ocel) Table: RX(7) x RY(7) RX RY 1 RY 2 RY 3 RY 4 RY 5 RY 6 RY 7 Row Totals ,00% 30,00% 0,00% 0,00% 0,00% 0,00% 0,00% ,00% 30,00% 7,14% 0,00% 0,00% 0,00% 0,00% ,00% 40,00% 50,00% 7,69% 11,11% 0,00% 0,00% ,00% 0,00% 42,86% 61,54% 11,11% 0,00% 0,00% ,00% 0,00% 0,00% 30,77% 55,56% 0,00% 0,00% ,00% 0,00% 0,00% 0,00% 22,22% 83,33% 0,00% ,00% 0,00% 0,00% 0,00% 0,00% 16,67% 100,00% All Grps Q <& "$N5N6( * <, 2/ N 9-# < 30>., $"N5"N6(3 K K=K

12 Stereogram: RY x RX V? 3) ) "$56( * I"#=., "=< C=A; 200 Dvourozmrný tekový diagram mez pevnosti mez plasticity

13 .$%##%//0"1/ /2 $"%& %,+"3 # ()?3 "'% "3 #,#<) "! ",#%" $V( *.,=D,.,E/ =-,".,=A;7< 56 A;= T"" G Z =. X Y Descriptive Statistics (znamky) Median Lower Upper Quartile Quartile Quartile Range 2, , , , , , , ,500000?3 '% ", " "3,+"3 3#"<) "! ",#%" $9( *.,=D,.,E/ =-,".,=A;7< 56 A;= K.- <, =. <3 8N"3,#./0/1./12B : ",# ":./0/1./120,")" " ":E E$7( Descriptive Statistics (ocel) Mean Variance Std.Dev. X Y 95, ,240 32, , ,125 32, [ & 3: "3" "": 3B> + +#)"3" "&,#: / &,"&8/&" ",# 'WOW""& 45 " "3"3 ),# 4 5,#&,#",# ' L O Q V W L L L L L L L ' 9 'W 9 ' W <"3 "3$ ("$, ($ H ("$(" "3"3 ),#,#&,#",#? "+,#

14 * %&./0/1./1;6& &"3+"&"<", 5$:(,#",,#" %3+ " 5.;.;.;9<, -,"., < 5 " \,#" ": ",) ",,# 4 \ #.;.AA;= K <,. H ;=.- "5 ") =!'+RD+: S/+:! " \ #.;.;9 "$5H #.;( Descriptive Statistics Mean Variance Skewness Kurtosis X 5, , , , "$5H #.;( Descriptive Statistics Mean Variance Skewness Kurtosis X 5, , , , "$5H #.;9( Descriptive Statistics (cischar) Mean Variance Skewness Kurtosis X 5, , , , Sloupkový diagram. 60 Sloupkový diagram X váženo pes SK1 X váženo pes SK2

15 10 Sloupkový diagram X váženo pes SK3 1 ", 8<,#&"):"3" " "N: ""3"3 ),# +

16 34 $"%& %,+" * " ) ()?3 "'<"3." C, ",# "": ": 4+) " $." C, 3&3,# "3),#>" ", 8 n 6 2 r = 1 R Q S 2 ( n 1) ( i i ) n i= 1 N "&> 7" 3,##> > +]> Z "& ( * %.,=?",=2 =A;= < F 5., 6=A;=." N% 7. " :,,?",2.,2 =.",C,,4P %,# Pair of s Spearman Rank Order Correlations (zna MD pairwise deleted Marked correlations are significant at p < Valid Spearman t(n-2) p-level N X & Y 20 0, , , %: $C4P( Pair of s R Spearman Rank Order Correlations (zna MD pairwise deleted Marked correlations are significant at p < Valid Spearman t(n-2) p-level N X & Y 10 0, , , %: $C4P( Spearman Rank Order Correlations (zna MD pairwise deleted Marked correlations are significant at p < Valid Spearman t(n-2) p-level Pair of s N R X & Y 10 0, , , R <3 )% # C, 8?3 ' ) # " '5'<"3 % C,, "3),#$56($56($569($5'6'(": ),#,"3),#

17 3) ) % "3),# #% C, #3 ^ *.,=D.,E/ =2, =A;=A 5 6=A;=.82 >=?%,7K % 2 =0, E"=-., "=A;=F5.,6=A; 0,", "3),# X Y1 Correlations (korkoe X Y1 1, , , , X Y2 Correlations (korkoe X Y2 1, , , , X Y3 Correlations (korkoe X Y3 1, , , , X4 Y4 Correlations (korkoe X4 Y4 1, , , , Y1 Y3 Dvourozmrný tekový diagram r = 0, X Dvourozmrný tekový diagram r = 0, X Y2 Y4 Dvourozmrný tekový diagram r = 0, X Dvourozmrný tekový diagram r = 0, X4 9?3./0/1./1;6'<"3,% C,, ", " % ) ",#%" $9( * %.,7K" N 7< 1 " 5- " 6=A;=A;=N E"7",=-,",= 2, % # C, 2 2, <3 8;,./0/1./12B : ",#":./0/1./12B,")", ":E E$7(

18 X Y Correlations (ocel) X Y 1, , , , X Y Covariances (ocel) X Y 1070, , , ,125 ' C, "& " ", >, # " 7 ",? "&3+# +# * <, K" N < 1 " 5- " 6= A;=.8N < )", C, ",D & +1, " C, ",D& +5 >, " N %)" " +# N E"E",%, " 587A;< )", # # %,? "&8?K" N =N E"E ",=% C =., "=D, =56=A; [)"8-3+# +# "&:, -., " F@ A; Statistic Multiple R Multiple R2 Adjusted R2 F(1,58) p Std.Err. of Estimate Summary Value 0,9345 0,8734 0, ,0641 0, ,7677 X Intercept Predicted -95,0%CL +95,0%CL Predicting Values for (ocel) variable: Y B-Weight Value B-Weight * Value 0, , , , , , ,9392 N=60 Intercept X Regression Summary for Dependent : Y (ocel) R=, R2=, Adjusted R2=, F(1,58)=400,06 p<0,0000 Std.Error of estimate: 11,768 Beta Std.Err. B Std.Err. t(58) p-level of Beta of B 24, , , , , , , , , ,000000

19 200 Regresní pímka me ze pevnosti na mez plasticity. Y = 24,5881+0,9367*x mez pevnosti mez plasticity L #3),#+" &,# $"3>() ;!: $"3(-8 (1,35), (1,52), (3,81), (3,105), (5,100), (6,125), (7, 120) -3 C,<,& 8 P_ `_ >P_ `_ a>p_ `_ >P_ `_ E>< ) " >, #),#") & * -)"3)56"b "3+.ZN/5@AI51?<5 J"3+.ZN/5 " PG$>($0, ""3+(N )" : "3+ # "35".ZN/5@AI5,1?<5 K "35 Statistic Multiple R Multiple R2 Adjusted R2 F(1,5) p Std.Err. of Estimate Summary Statistics; DV: Y (stroje) Value 0, , , , , ,48711 X Intercept Predicted -95,0%CL +95,0%CL Predicting Values for (stroje) variable: Y B-Weight Value B-Weight * Value 13, , , , , , ,2179 N=7 Intercept X Regression Summary for Dependent : Y (stroje) R=, R2=, Adjusted R2=, F(1,5)=24,099 p<,00444 Std.Error of estimate: 15,487 Beta Std.Err. B Std.Err. t(5) p-level of Beta of B 39, , , , , , , , , ,004439

20 140 Regresní pímka. y=39, ,1496*x 120 Y = náklady na údržbu K, X = stáí stroje Statistic Multiple R Multiple R2 Adjusted R2 F(1,5) p Std.Err. of Estimate Summary Statistics; DV: Y (stroje) Value 0, , , , , ,82508 SQRTX Intercept Predicted -95,0%CL +95,0%CL Predicting Values for (stroje) variable: Y B-Weight Value B-Weight * Value 48, , ,1194-0, , , ,5880 N=7 Intercept SQRTX Regression Summary for Dependent : Y (stroje) R=, R2=, Adjusted R2=, F(1,5)=37,433 p<,00169 Std.Error of estimate: 12,825 Beta Std.Err. B Std.Err. t(5) p-level of Beta of B -0, , , , , , , , , , Regresní pímka. Y = -0, ,55972*sqrt(x) Y ,8 1,0 1,2 1,4 1,6 1,8 2,0 2,2 2,4 2,6 2,8 SQRTX

21 K "&, # Statistic Multiple R Multiple R2 Adjusted R2 F(1,5) p Std.Err. of Estimate Summary Value 0, , , , , ,45245 INVX Intercept Predicted -95,0%CL +95,0%CL Predicting Values for (stroje) variable: Y B-Weight Value B-Weight * Value -84,4832 0, , , , , ,4738 N=7 Intercept INVX Regression Summary for Dependent : Y (stroje) R=, R2=, Adjusted R2=, F(1,5)=40,010 p<,00146 Std.Error of estimate: 12,452 Beta Std.Err. B Std.Err. t(5) p-level of Beta of B 126,6192 7, , , , , , , , , Regresní pímka. y=126, ,4832/x Y ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 K INVX Statistic Multiple R Multiple R2 Adjusted R2 F(1,5) p Std.Err. of Estimate Summary Statistics; DV: Y (stroje) Value 0, , , , , ,26153 LOGX Intercept Predicted -95,0%CL +95,0%CL Predicting Values for (stroje) variable: Y B-Weight Value B-Weight * Value 93, , , , , , ,6247 N=7 Intercept LOGX Regression Summary for Dependent : Y (stroje) R=, R2=, Adjusted R2=, F(1,5)=50,033 p<,00087 Std.Error of estimate: 11,262 Beta Std.Err. B Std.Err. t(5) p-level of Beta of B 44, , , , , , , , , ,000874

22 140 Regresní pímka. y=44, ,2347*log(x) Y ,1 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 LOGX? # >, <),#& týdenní náklady na údržbu (v K) stáí stroje v letech y yodh1 yodh2 yodh3 yodh4

23 5$%#122# 2/"6./0/1./120" #,#C,#: A,+: $C, 1D$>"( >"!"3,#""3"!"3,# ", )" "( $"%&2"6 Pojišovna zjistila, že 12% pojistných událostí je zpsobeno vloupáním. Jaká je pravdpodobnost, že mezi 30 náhodn vybranými pojistnými událostmi bude zpsobeno vloupáním ( ) O ( "bo,( "3O ( "3^?# 5" "),#" ),#" 5cD$9d( (%$5]O(Pe$O(PW9W9 (%$5fO(P=%$5]L(P7e$L(P'9,(%$5PO(Pe$O(7e$L(PVL (%$]5]L(Pe$L(7e$(PQ'OW () A & )) &"3) "&" -@? "3+" P1D$Odd9( -@? "3+" P71D$Ldd9( -@? 9"3+" P1D$Odd9(71D$Ldd9( -@? 9"3+" P1D$Ldd9(71D$dd9( ( %$5]O(Pe$O(P1D$Odd9(PW9W9W9 ( %$5fO(P=%$5]L(P7e$L(P=1D$Ldd9(P'9QQ,( %$5PO(P%$5]O(=%$5]L(P1D$Odd9(71D$Ldd9(PV'Q ( %$]5]L(P%$Y5]L(Pe$L(7e$(P1D$Ldd9(7 1D$dd9(PQ'OWL9 %& "/ "3","'8 (&3'7' P!"3,#P,#", "3"!"3,#ϑPL 5" ),#,#", ( %$5PL(P%$5]L(=%$5]'(Pe$L(7e$'(P1D$LdLd(7 1D$'dLd(P'OW' ( %$9]5]V(P%$Y5]V(Pe$V(7e$(P1D$VdLd(71D$dLd(P W9'LQ

24 (&3'' PQ!"3,#P"3# '#"3"!"3,#ϑP 5" "3# ) %$5P9(P%$5]9(=%$5](Pe$9(7e$(P1D$9ddQ(71D$ddQ(P'OV %$5]9(P1D$9ddQ(PWOOOLO %$5f9(P=%$5Y9(P=%$5](P=e$(P71D$ddQ(P'V9 (&3'-' g"3,# )#" 3)" & : %3"!"3,#ϑPL5"!"3,# ( P' ( PV (%$5P9(P%$5]9(=%$5](Pe$9(7e$(P1D$9dLd'(71D$dLd'(P L (%$5PL(P%$5]L(=%$5]'(Pe$L(7e$'(P1D$LdLdV(71D$'dLdV(P VQL (&3'.' P!"3,# "&,"&#&, ϑpevpl 5"!"3,# %$5f(P=%$5Y(P=%$5](P=1D$dLd(PW9QW (&3'3' PL!"3,# "& "&#& ϑpeo 9 PEO 5"!"3,# %$5P(P%$5](=%$5](Pe$(7e$(P1D$dEOdL(71D$dEOdL(P

25 4 82# 12 2/"6 $"%&? CC, "3"C, #+ 5cD$d9( () <& ))9"3),#9"&",# %"3 5: " P7(-#"3 -F: #C, " "&P1D$>d9d((/& "3 %F: #"3"C, " "&PD$>d9d(( ICC, 8I"#=., "=< C= A;=> " C=%8I =@ /" 8. "=A; IC"3"C, 8I"#=., "=< C7A; % # C,#"3",#C,,+# : """&PL"PL$ "QL(". " # C

26

27

28 9 $%#& /:": //%/#' $"%&'%"3 " #&"&- # :"&,# " #);:)"&:"3"V?# 5" ),#"&<"3 & #"#+ 5 5)#9' "3"C, h$(ph$(pvip Oh$9(PV ipvh$'(pv 9 i`v ' PLh$(P B$5(Pi`iO`9iV`'iLPWL -$5(P i` io`9 iv`' il=wl P'OWQ () A & ))&,#"&",#"3"3),# + >"$>(>i"$>(>>i"$>(%"3" ##+ 5## "3"C, -& "3+: >h$>( $@ " Pi(+> $@ " Pj("+ > h$>($@ " 'i( > "$>( >i"$>( > >i"$>( O 9 ' O' 9 V 9V' W L ' L 'V O VW <)"B$5(-$5(" 8.,=D,.,E/ =-,".,=< >i"$>(>i"$>(= A;.7. %3. H" 8-=/" =F %3>i"$>("& B$5($ : B$5(PWL(%& $ H("3-$5( #@ " P7j < : -$5(P'OWQ x*pi(x) xkvadrat*pi(x) Descriptiv Sum 2, ,18400 Vzorový píklad 2.?# 5"& : $,,#(# 6"& : $,,#[ "3"C, h$>(+##+# $56(8h$(Ph$(P'h$9(P h$'(ph$(ph$(p9oh$9(pwh$'(ph$9(ph$9(

29 PLh$99(Ph$9'(Ph$'(Ph$'(Ph$'9(Ph$''(PL h$>(p<"3 C,, "&: :?# 5# 6)#9'. #,#"3",#C,8h $(PLh $(PLLh $9(PLh $'(P Lh $>(Ph $(P9h $(P'Lh $9(Ph $(PLh $(P." B$5(PB$6(P-$5(PO-$6(PQ-, ")", : 2$56(P'W C,, N$56(P'WEaOaQPQO () D "& +%")" &,##" #)")", C,, % '"&""3),# 4 ")" &,##"":# k pílišné délce tabulky pro ob náhodné veliiny. > "$>( >i"$>( > >i"$>( L L L LL ' 9 L 'L W 9L ' L O V x*pi(x) xkvadrat*pi(x) Descriptiv Sum 20, ,0000 "$( i"$( i"$( 'L W ' V 9 O W V ' L O V y*pi(y) ykvadrat*pi(y) Descriptiv Sum 20, ,0000?& ))O"&",#'"3),# + >"$>(>ii"$>(-""3+" 99 99''''#+"3+9'9'9' 9' -& "3+" #"3"C, h$>(+ "3+: >h$>($@ " Pii9(

30 > "$>( >ii"$>( ' V 9 9 ' 9O '' 9 W L' ' 9 9 L W 9 ' ' ' ' 9 ' ' L V.,=D,.,E/ =< >ii"$>(=a;.=. x*y*pi(x,y) Descriptiv Sum 449,0000 %3. H"& B$56("& O),# "3),#B$5(B$6(-$5(-$6(2$56(N$56(-"3),#B$5(B$6(-$5(-$6( " " +& #"-@ "3+2$56(" P7 i9@ "3+N$56(" POEG$'iL( B$56( B$5( B$6( -$5( -$6( 2$56( N$56( >ii"$>( ''W O Q 'W QLOVO $"%&.'?# 5" "&#<"3 & #"?# 5)#9'LO[ "3"C, h$(peo h$(peoh$9(peoh$'(peoh$l(peoh$o(peoh$>(p B$5(P$EO($``9`'`L`O(PEOP9L B$5 (P$EO($`'`W`O`L`9O(PWEO -$5(PB$5 (=kb$5(l P WEO='WE'P9LE () A & ))&,#"&",#"3"3),# + >"$>( >i"$>(>>i"$>(%"3" ##+ 5## "3"C, $@ " PEO( -& "3+: >h$>($@ " Pi(+> $

31 @ " Pj("+> " 'i( > "$>( >i"$>( > >i"$>( OOOOOOOQ OOOOOOOQ OOOOOOOQ OOOOOOOQ ' OOOOOOOOQ 9 OOOOOOOQ L W L ' OOOOOOOQ OOOOOOOOQ O OOOOOOOQ L OOOOOOOQ V L 'OOOOOOQ O OOOOOOOQ 9O O <)"B$5(-$5(" 8.,=D,.,E/ =-,".,=< >i"$>(>i"$>(= A;.=. %3. H" 8-=/" =F %3>i"$>("& B$5($ : B$5(PWL(%& $ H("3-$5( #@ " P7j < : -$5(P'OWQ x*pi(x) xkvadrat*pi(x) Descriptiv Sum 3, ,16667 $"%&3'-+#) $5 5 ("3"C, #h$7(p,h$(ph$(ph$7(ph$7(ph$(ph$(p Ph$(P,h$(P9,h$>(P,"3 N$5 5 (?# 5 )## 5 )#=. #"3"C, ) P,P. #,#"3",#C,8h $(Ph $(P'h $(P Lh $>(Ph $7(Ph $(PLh $(P'h $(P." B$5(PB$6(P-$5(PO-$6(PQ-, ")", : 2$56(P'W C,, N$56(P'WEaOaQPQO () D "& &+%")" &,##" & ")", C,, % "9"&"L"3),# > "$>( >i"$>( > >i"$>( ' ' ' L '

32 x1*pi(x1) x1kvadrat*pi(x1) Descriptiv Sum 1, , > "$>( >i"$>( > >i"$>( 7 7 L ' ' ' x2*pi(x2) x2kvadrat*pi(x2) Descriptiv Sum 0, ,500000?& ))W"&",#'"3),# + >>"$>>(>i>i"$>>(-""3+" #+"3+=77-& "3+" # "3"C, h$> > (+"3+: > > h$> > ( $@ " Pii9(( > > "$>>( >i>i"$>>( '.,=D,.,E/ =< >i>i"$>>(=a;.=. x1*x2*pi(x1,x2) Descriptiv Sum 0, %3. H"& B$5i5("& O),# "3),#B$5(B$5(-$5(-$5(2$55(N$55(-"3),#B$5(B$5( -$5(-$5(" " +& #"-@ "3+2$56( " P7i9@ "3+N$56(" POEG$'iL( B$5i5( B$5( B$5( -$5( -$5( 2$55( N$55( >i>i"$>>( O ' 9 '' ' V '9QW

33 ;/"%/# )%"%/#.," "!"3,# "3"!"3,# < % ),##,%, ":!"3,# / " ","./0/1./120!"3,#""$% " LL L( ( < #),#? 7#+# YLdU"":!"3)7: ",4!"3,#%"" ", C,!"3,#"" * F =? H=? C? C, =A;"3 "&?2@? " PN$(A;$F, N$( #+ ("3"& %A2B/-=N, , 1C?2UPL2 81, 1C?2YL? H< A;$%3 %A2B/!"3,#!"3,#(<" "3"3+%A2B/$!"3,#(% " "!"3,#"?: ",#"&"B=- =2 7F2 /2 A;4" "3+?2%A2B/" "3"3+%A2B/ %"" : "&"%& )) "3),#""&",#" #"?, 3) ) " Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000

34 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing , ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing 0 2 0, ,0000 Frequency table: POCET (Ezvc) Cumulative Percent Cumulative Category Percent , , , ,0000 Missing 0 5 0, ,0000 L L L " 'WQL 'W 'VV L LV L' O ' L

35 0,65 0,60 0,55 0,50 0,45 Dvouroz mrný tekový diagram. Závislost relativní etnosti úspchu na potu pokus. p 0,40 0,35 0,30 0,25 0,20 0, n

36 = 1 1 < >,#),# >N$(P%, 3# 5P5 ``5 7O"&:3:?$( * <& ))9"3),#"&",#A & ",./0/1./120<1.0@D0.12$F =? H=K,$.<D(% =?,=A;(" "&8 Dim s As Spreadsheet Set s = ActiveSpreadsheet For i = 1 To 12 s.(i).fillrandomvalues ' do promnných v1 až v12 se uloží náhodná ísla ' z intervalu(0,1) Next i s.longname(13) = "=Sum(v1:v12)-6" ' do promnné v13 se uloží souet promnných v1 až v12 ' zmenšený o 6 s.recalculate 4 # "3),#9",## # : N$(?$( - " "3""3),#9",& #" #+ : N$($B$5(PL-$5(PEPV99( #+ :?$($B$5(P-$5(P( [ #),# ),# $( [,#,)"3 P'WQ'W" PV9Q'.& #N$( B$5(PL"-$5(PEPV999

37 Descriptive Statistics Mean Variance v1 0, , v13 0, , [ # 9P```=O ", 7 3:?$($"& 3& ""),#, +#+ 3( 0,)"39 P9WOLO" PWQ.& #5?$( B$5(P"-$5(P <?@ 1 %,./0/1./1;6" "& "/ "3", 8 6 ="!"3,#""P"),# ),#" "3"!"3,#ϑP96 >D$9(B$6 (P nϑp9-$6 (P nϑ 1 ϑ P ( ) A %# Y P 20 Y 40 = P Φ e$>( C, :?$( ( ) Φ 0, = () F =? H=? C? C, =A;? P1?$EG$(dd(71?$7EG$(dd(A;$F, 1?$>dd (" #C, 3>#: & #3,# ( (&%%# P 20 Y 40 = P 19 < Y = Φ 40 Φ 19 e$>( C, : D$9( ( ) ( ) ( ) ( ) 0, =

38 ()? P1D$'d9d(71D$Wd9d($F, 1D$>d"d(" #C, 3>,+#: " "( % #& "&9LO (&''.' P'ϑP!"3,# "3 ϑpvϑ$7ϑ(po' ">)" 8%$6 ' UWO( 71?$OEVdd(PQL "& ))" 8%$6 ' UWO(P=1D$WOdd'(P'O' (&''5' PϑPLL!"3,#,#", ϑpllϑ$7ϑ(p'wqql Úkol (a) ">)" 8%$6 ]L( 1?$7LEG$'WQQL(dd(P9'' "& ))" 8%$6 ]L(P1D$LdLLd(P9'Q g$( ">)" 8%$'WWWY6 ]L9( 1?$LEG$'WQQL(dd(7 1?$7LEG$'WQQL(dd(PWWQ9WW "& ))" 8%$'WWWY6 ]L9(P1D$L9dd(=1D$'WWWdd(P WWQ' (&''' PϑPL!"3,# # +#) ϑplϑ$7ϑ(p'ql ">)" 8%$6 ]Q( 1?$EG$'QL(dd(PWWV'L "& ))" 8%$6 ]Q(P1D$QdLd(PWWQOQ

Základní informace o programovém systému STATISTICA 6

Základní informace o programovém systému STATISTICA 6 Základní informace o programovém systému STATISTICA 6 Systém má modulární stavbu. V multilicenci pro Masarykovu univerzitu jsou k dispozici moduly: Basic Statistics/Tables, Multiple Regression, ANOVA,

Více

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné

Více

ÚKOL 2 1886 22 5,77 5,00 5 2,531,003,056 -,869,113

ÚKOL 2 1886 22 5,77 5,00 5 2,531,003,056 -,869,113 ÚKOL 2 Jméno a příjmení: UČO: Imatrik. ročník: Úkol 2.1: V souboru EVS99_cvicny.sav zjistěte, zdali rozložení názoru na to, kdo by měl být odpovědný za zajištění bydlení (proměnná q54h), je normální. Řešte

Více

Jste aktivní sportovec?(pravidelně sportuji alespoň 2x týdně) Jakým sportovním činnostem se pravidelně věnujete? (alespoň 1 x za dva týdny v sezóně)

Jste aktivní sportovec?(pravidelně sportuji alespoň 2x týdně) Jakým sportovním činnostem se pravidelně věnujete? (alespoň 1 x za dva týdny v sezóně) Seznam příloh Příloha 1 Dotazník sportovních aktivit... 1 Příloha 2 Homogenita souboru věk... 3 Příloha 3 Homogenita souboru pohlaví... 4 Příloha 4 4Elements Inventory a sportovní aktivita... 5 Příloha

Více

Uni- and multi-dimensional parametric tests for comparison of sample results

Uni- and multi-dimensional parametric tests for comparison of sample results Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita

Více

Analýza variance (ANOVA) - jednocestná; faktor s pevným efektem; mnohonásobná srovnání

Analýza variance (ANOVA) - jednocestná; faktor s pevným efektem; mnohonásobná srovnání Analýza variance (ANOVA) - jednocestná; faktor s pevným efektem; mnohonásobná srovnání 1. Analýzu variance (ANOVu) používáme při studiu problémů, kdy máme závislou proměnou spojitého typu a nezávislé proměnné

Více

Analýza dat na PC I.

Analýza dat na PC I. Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Základy programu STATISTICA IBA výuka 2008/2009 StatSoft, Inc., http://www.statsoft.com/, http://www.statsoft.cz Verze pro

Více

Seminář 6 statistické testy

Seminář 6 statistické testy Seminář 6 statistické testy Část I. Volba správného testu Chceme zjistit, zda se Ježkovy a Širůčkovy seminární skupiny liší ve výsledcích v. průběžné písemce ze statistiky. Chceme zjistit, zda 1. průběžná

Více

TESTOVÁNÍ ZNALOSTÍ STŘEDOŠKOLSKÉ FYZIKY U STUDENTŮ 1.ROČNÍKŮ LÉKAŘSKÝCH FAKULT V ČR

TESTOVÁNÍ ZNALOSTÍ STŘEDOŠKOLSKÉ FYZIKY U STUDENTŮ 1.ROČNÍKŮ LÉKAŘSKÝCH FAKULT V ČR TESTOVÁNÍ ZNALOSTÍ STŘEDOŠKOLSKÉ FYZIKY U STUDENTŮ 1.ROČNÍKŮ LÉKAŘSKÝCH FAKULT V ČR Kymplová J 1, Kvašňák E 2, Běláček J 1, Mornstein V 3, Komarc M 1, Zeman J 1, Kubeš Z 4 1 Ústav biofyziky a informatiky

Více

LEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT

LEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT LEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT 1 Základní statistickou úlohou je popis stavu základního souboru Východiskem je většinou výběrový soubor (odvozujeme popis základního souboru z popisu

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Seminář 6 statistické testy

Seminář 6 statistické testy Seminář 6 statistické testy Část I. Volba správného testu Chceme zjistit, zda se středeční a čtvrteční seminární skupiny liší ve výsledcích v 1. průběžné písemce ze statistiky. Chceme zjistit, zda 1. průběžná

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

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

Více

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová Ing. Miloš Uldrich

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová Ing. Miloš Uldrich Stručný manuál k ovládání programu STATISTICA Mgr. Petra Beranová Ing. Miloš Uldrich Copyright StatSoft CR s.r.o. 2011 StatSoft CR s.r.o. Ringhofferova 115/1 155 21 Praha 5 Zličín tel.: +420 233 325 006

Více

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 5. Statistica StatSoft, Inc., http://www.statsoft.com, http://www.statsoft.cz. Verze pro Mac i PC, dostupná

Více

Typy souborů ve STATISTICA. Tento článek poslouží jako přehled hlavních typů souborů v programu

Typy souborů ve STATISTICA. Tento článek poslouží jako přehled hlavních typů souborů v programu StatSoft Typy souborů ve STATISTICA Tento článek poslouží jako přehled hlavních typů souborů v programu STATISTICA, ukáže Vám jejich možnosti a tím Vám dovolí využívat program efektivněji. Jistě jste již

Více

Datový soubor X1 1, 5, 7, 8, 9, 10, 11, 12, 12.5, 13, 14, 15, 16, 17, 18, 20, 24

Datový soubor X1 1, 5, 7, 8, 9, 10, 11, 12, 12.5, 13, 14, 15, 16, 17, 18, 20, 24 Výpočet základních statistických veličin; Vlastnosti směrodatné odchylky a střední chyby průměru; Změna charakteristik variability (disperze) vlivem odlehlých (extrémních) hodnot; Explorační analýza dat

Více

Karta předmětu prezenční studium

Karta předmětu prezenční studium Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0250 Garantující institut: Garant předmětu: Ekonomická statistika Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková, Ph.D.

Více

Testy nezávislosti kardinálních veličin

Testy nezávislosti kardinálních veličin Testy nezávislosti kardinálních veličin Komentované řešení pomocí programu R Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze Načtení vstupních dat Vstupní data

Více

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005

STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 VYSOKÁ ŠKOLA BÁŇSKÁ - TECHNICKÁ UNIVERZITA OSTRAVA Hornicko-geologická fakulta institut geoinformatiky STATISTIKA MIGRANTŮ PRO REGIONY V MORAVSKOSLEZSKÉM KRAJI A PRO KRAJ V OBDOBÍ 1992-2005 Speciální metody

Více

6. Statistica (pokračování) Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová

6. Statistica (pokračování) Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 6. Statistica (pokračování) Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová Tvorba maker Seznam maker Nahrání makra s kódem analýzy ve Visual Basicu Nahrání

Více

Přednáška č. 1.: Tabulkové a grafické zpracování vícerozměrných dat

Přednáška č. 1.: Tabulkové a grafické zpracování vícerozměrných dat Přednáška č. 1.: Tabulkové a grafické zpracování vícerozměrných dat Osnova 1. Tabulkové zpracování a) Kontingenční tabulky, statistická indukce pro KT b) Tabulky číselných charakteristik, statistická indukce

Více

1. Kategoriální proměnná nominální: (Tabulka a graf četností) Př.: sloupec (PokudanoJakčasto) -> Analyze -> Descriptive statistics -> Frequencies

1. Kategoriální proměnná nominální: (Tabulka a graf četností) Př.: sloupec (PokudanoJakčasto) -> Analyze -> Descriptive statistics -> Frequencies Analýza dat z dotazníkových šetření Cvičení 2. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou

Více

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu.

PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT. Všichni žijeme v matrixu. PSY117/454 Statistická analýza dat v psychologii Přednáška 5 ZOBRAZENÍ DVOUROZMĚRNÝCH DAT KORELAČNÍ KOEFICIENT Všichni žijeme v matrixu. V minulých dílech jsme viděli/y: Frekvence = četnosti Procenta =

Více

Pokud data zadáme přes "Commands" okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18.

Pokud data zadáme přes Commands okno: SDF1$X1<-c(1:15) //vytvoření řady čísel od 1 do 15 SDF1$Y1<-c(1.5,3,4.5,5,6,8,9,11,13,14,15,16,18. Regresní analýza; transformace dat Pro řešení vztahů mezi proměnnými kontinuálního typu používáme korelační a regresní analýzy. Korelace se používá pokud nelze určit "kauzalitu". Regresní analýza je určena

Více

PSY117/454 Statistická analýza dat v psychologii. Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient

PSY117/454 Statistická analýza dat v psychologii. Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient PSY117/454 Statistická analýza dat v psychologii Zobrazení dvojrozměrných dat Bodový graf - Scatterplot Korelační koeficient Analýza vztahů mezi dvěma proměnnými Souvisí nějak? Výška a váha Známky u jednotlivých

Více

Optimalizace provozních podmínek. Eva Jarošová

Optimalizace provozních podmínek. Eva Jarošová Optimalizace provozních podmínek Eva Jarošová 1 Obsah 1. Experimenty pro optimalizaci provozních podmínek 2. EVOP klasický postup využití statistického softwaru 3. Centrální složený návrh model odezvové

Více

Příklad statistické zpracování dat z dotazníku

Příklad statistické zpracování dat z dotazníku Příklad statistické zpracováí dat z dotazíku Proměá POČET ČLENŮ DOMÁCNOSTI - kardiálí, espojitá proměá, - otázka otevřeá. Frequecy Table for pocet_cleu_dom Value Frequecy Frequecy Frequecy Frequecy,3667,3667

Více

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Základy programu STATISTICA IBA výuka StatSoft, Inc., http://www.statsoft.com/, http://www.statsoft.cz Verze pro

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

PŘÍLOHA 2. Těším se na spolupráci, Olga Kučerová (studentka psychologie, PedF Cuni)

PŘÍLOHA 2. Těším se na spolupráci, Olga Kučerová (studentka psychologie, PedF Cuni) PŘÍLOHA 1 Diktát: Boudy, dudy, hodiny, proutí, květiny, proudy, proudí, klobouk. Nyní budou podzimní (jarní) prázdniny. To je štěstí v neštěstí. Žáci cvičí na cvičištích. Na střeše sedí špačci a hledají

Více

LEKCE02a ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení

LEKCE02a ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení SOC1/ LEKCE : ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH A SPOJITÝCH DAT: LEKCEa ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení CVIČENÍ.1: Je česká populace věřící, nebo nevěřící? Tuto otázku

Více

1.1 Dva základní typy statistiky Popisná statistika (descriptive statistics) Inferenční statistika (inferential statistics)

1.1 Dva základní typy statistiky Popisná statistika (descriptive statistics) Inferenční statistika (inferential statistics) 1. PODSTATA STATISTIKY Původní význam - pouhé sbírání čísel (název z latinského status = stát, použití k označení vědy zabývající se sběrem informací o státu - o počtu obyvatel, ekonomice,...) Dnešní pojetí

Více

Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze

Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze Komentované řešení pomocí programu R Ústav matematiky Fakulta chemicko inženýrská Vysoká škola chemicko-technologická v Praze Popis vstupních dat Vstupní data pro úlohu (A) se nacházejí v souboru "glukoza.csv".

Více

Návrhy dalších možností statistického zpracování aktualizovaných dat

Návrhy dalších možností statistického zpracování aktualizovaných dat Návrhy dalších možností statistického zpracování aktualizovaných dat Při zjišťování disparit ve fyzické dostupnosti bydlení navrhuji použití těchto statistických metod: Bag plot; Krabicové grafy a jejich

Více

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) 1. SPECIFIKACE (12 bodů): (1) Graf průběhu proměnných (1) Obě řady se chovají stejně, lze předpokládat jejich lineární vztah

Více

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie 12. licenční studium PYTHAGORAS Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Semestrální

Více

C V I Č E N Í ZE STATISTIKY PRO BIOLOGY:

C V I Č E N Í ZE STATISTIKY PRO BIOLOGY: C V I Č E N Í ZE STATISTIKY PRO BIOLOGY: S B Í R K A P Ř Í K L A D Ů (VERZE 1.3) Martin Duchoslav Olomouc 2004 Předložený text reprezentuje výběr příkladů, které doplňují přednášky a cvičení kurzu Základy

Více

, ČVUT v Praze Připravil: Ing. Zdeněk Patočka Letecké laserové skenování a jeho využití v inventarizaci lesa

, ČVUT v Praze Připravil: Ing. Zdeněk Patočka Letecké laserové skenování a jeho využití v inventarizaci lesa 22. 10. 2015, ČVUT v Praze Připravil: Ing. Zdeněk Patočka Letecké laserové skenování a jeho využití v inventarizaci lesa Ing. Zdeněk Patočka Ústav hospodářské úpravy lesů a aplikované geoinformatiky, LDF

Více

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky. Statistika 1. Semestrální práce

VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky. Statistika 1. Semestrální práce VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Statistika 1 Semestrální práce Používání komunikačních prostředků v životě 27, kop173 Obsah : 1. ÚVOD... 1 2.

Více

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 3. Statistica

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 3. Statistica Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 3. Statistica StatSoft, Inc., http://www.statsoft.com, http://www.statsoft.cz. Verze pro Mac i PC, dostupná

Více

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Korelační a regresní analýza 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza Pearsonův korelační koeficient u intervalových a poměrových dat můžeme jako

Více

Analýza dat z dotazníkových šetření. Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/

Analýza dat z dotazníkových šetření. Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ Analýza dat z dotazníkových šetření Cvičení 3. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou

Více

Opakování: Nominální proměnná více hodnotová odpověď.

Opakování: Nominální proměnná více hodnotová odpověď. Analýza dat z dotazníkových šetření Cvičení 4. + 5. - Zobecňování výběru na populaci Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/37771/ - Seznamte se s dotazníkem a strukturou otázek,

Více

Opakování: Nominální proměnná více hodnotová odpověď.

Opakování: Nominální proměnná více hodnotová odpověď. Analýza dat z dotazníkových šetření Cvičení 4. - Zobecňování výběru na populaci Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/37771/ - Seznamte se s dotazníkem a strukturou otázek,

Více

Věková struktura obyvatelstva

Věková struktura obyvatelstva Věková struktura obyvatelstva Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy

Více

Lekce 2 ZÁKLADY UNIVARIAČNÍ ANALÝZY A) ROZLOŽENÍ KATEGORIZOVANÝCH DAT

Lekce 2 ZÁKLADY UNIVARIAČNÍ ANALÝZY A) ROZLOŽENÍ KATEGORIZOVANÝCH DAT SOC108 LEKCE 2: ZÁKLADY UNIVARIAČNÍ ANALÝZY 1 Petr Mareš a Ladislav Rabušic 2003 I. Čištění dat Lekce 2 ZÁKLADY UNIVARIAČNÍ ANALÝZY A) ROZLOŽENÍ KATEGORIZOVANÝCH DAT Prvním krokem, který musíme udělat

Více

14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1

14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1 14/10/2015 Z Á K L A D N Í C E N Í K Z B O Ž Í Strana: 1 S Á ČK Y NA PS Í E XK RE ME N TY SÁ ČK Y e xk re m en t. p o ti sk P ES C Sá čk y P ES C č er né,/ p ot is k/ 12 m y, 20 x2 7 +3 c m 8.8 10 bl ok

Více

Mortalita - ostatní příčiny

Mortalita - ostatní příčiny Mortalita - ostatní příčiny Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy univerzity

Více

Metodologie pro ISK 2, jaro Ladislava Z. Suchá

Metodologie pro ISK 2, jaro Ladislava Z. Suchá Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění

Více

III. Vzorce v Excelu dokončení Statistica. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M.

III. Vzorce v Excelu dokončení Statistica. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. III. Vzorce v Excelu dokončení Statistica Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová Statistické funkce v MS Excel Od verze 2007 obsahuje MS Excel

Více

OBSAH. strana. Hroty 1, 2. Céčka a eska. strana 2, 3. strana. Šišky. Gule a polgule. strana 5, strana

OBSAH. strana. Hroty 1, 2. Céčka a eska. strana 2, 3. strana. Šišky. Gule a polgule. strana 5, strana OBSAH Hroty 1, 2 Céčka a eska 2, 3 Šišky 3 Gule a polgule 4 Hrozno 5, 6 Lístky 7... 10 Tyčky a stĺpiky 11... 13 Pásoviny a madlá 14, 15 Pätky a krytky 16 Závesy 17 Kľučky 18, 19 Štítky Sortiment pojazdných

Více

STATISTICA Téma 1. Práce s datovým souborem

STATISTICA Téma 1. Práce s datovým souborem STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme

Více

SEMINÁRNÍ PRÁCE Z 4ST432 Tereza Michlíková (xmict05) ZS 06/07

SEMINÁRNÍ PRÁCE Z 4ST432 Tereza Michlíková (xmict05) ZS 06/07 SEMINÁRNÍ PRÁCE Z 4ST432 Tereza Michlíková (xmict05) ZS 06/07 Nesezónní časová řada - Základní údaje o časové řadě Časová řada příjmy z daní z příjmu v Austrálii ( http://www.economagic.com/emcgi/data.exe/tmp/213-220-208-205!20061203093308

Více

Matematický ústav v Opavě. Studijní text k předmětu. Softwarová podpora matematických metod v ekonomice

Matematický ústav v Opavě. Studijní text k předmětu. Softwarová podpora matematických metod v ekonomice Matematický ústav v Opavě Studijní text k předmětu Softwarová podpora matematických metod v ekonomice Zpracoval: Ing. Josef Vícha Opava 2008 Úvod: V rámci realizace projektu FRVŠ 2008 byl zaveden do výuky

Více

Mortalita zhoubný novotvar žaludku (C16) kraj Vysočina

Mortalita zhoubný novotvar žaludku (C16) kraj Vysočina Mortalita zhoubný novotvar žaludku (C16) Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz

Více

Mortalita chronických nemocí dolní části dýchacího ústrojí (J40 J47)

Mortalita chronických nemocí dolní části dýchacího ústrojí (J40 J47) Mortalita chronických nemocí dolní části dýchacího ústrojí (J4 J47) Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut

Více

Mortalita dopravní nehody (V01 V99)

Mortalita dopravní nehody (V01 V99) Mortalita dopravní nehody (V1 V99) Ústav zdravotnických informací a statistiky České republiky Evropská Institute unieof Health Information and Statistics of the Czech Republic Institut biostatistiky a

Více

Mortalita onemocnění ledvin (N00 N29) kraj Vysočina

Mortalita onemocnění ledvin (N00 N29) kraj Vysočina Mortalita onemocnění ledvin (N N29) Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy

Více

2. Bodové a intervalové rozložení četností

2. Bodové a intervalové rozložení četností . Bodové a intervalové rozložení četností (Jak získat informace z datového souboru?) Po prostudování této kapitoly budete umět: konstruovat diagramy znázorňující rozložení četností vytvářet tabulky četností

Více

PRUŽNOST A PEVNOST. Zadané a vypočtené hodnoty. 1. Délka táhla b 4.41. Určete potřebnou délku b táhla. Navrhněte: 1. Délka táhla b. Osová síla.

PRUŽNOST A PEVNOST. Zadané a vypočtené hodnoty. 1. Délka táhla b 4.41. Určete potřebnou délku b táhla. Navrhněte: 1. Délka táhla b. Osová síla. 4.41 Určete potřebnou délku b táhla. Navrhněte: 1. Délka táhla b 8kN R e 50MPa h 16mm τ Ds 40MPa Osová síla Mez kluzu materiálu kolíku Výška táhla Dovolené smykové napětí mezi kolíkem a táhlem 1. Délka

Více

Regionální zpravodajství NZIS Celková mortalita kraj Vysočina Regionální zpravodajství NZIS

Regionální zpravodajství NZIS Celková mortalita kraj Vysočina Regionální zpravodajství NZIS Celková mortalita kraj Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy univerzity

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

Mortalita - nehody (V01 X59)

Mortalita - nehody (V01 X59) Mortalita - nehody (V1 X59) Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy univerzity

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

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 7: Třídění druhého stupně. Kontingenční tabulky Co se dozvíte v tomto modulu? Co je třídění druhého stupně Jak vytvořit a interpretovat kontingenční

Více

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal Základy navrhování průmyslových experimentů DOE II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal! Testování statistických hypotéz kvalitativní odezva kvantitativní chí-kvadrát test homogenity,

Více

MATEMATIKA III V PŘÍKLADECH

MATEMATIKA III V PŘÍKLADECH VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 8 Statistický soubor s jedním argumentem Mgr. Petr Otipka Ostrava 2013 Mgr. Petr Otipka Vysoká škola

Více

6 TESTY HYPOTÉZ NEPARAMETRICKÉ TESTY

6 TESTY HYPOTÉZ NEPARAMETRICKÉ TESTY Elena Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy 6 TESTY HYPOTÉZ NEPARAMETRICKÉ TESTY RYCHLÝ NÁHLED DO KAPITOLY Kapitola obsahuje přehled neparametrických testů, které nalezneme

Více

Analýza rozptylu. Přednáška STATISTIKA II - EKONOMETRIE. Jiří Neubauer

Analýza rozptylu. Přednáška STATISTIKA II - EKONOMETRIE. Jiří Neubauer ANOVA Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz ANOVA ANOVA je nástroj pro zkoumání vztahu mezi vysvětlovanými a vysvětlujícími

Více

Tématické celky { kontrolní otázky.

Tématické celky { kontrolní otázky. Tématické celky kontrolní otázky. Základy teorie pravdìpodobnosti..pravdìpodobnostní míra základní pojmy... Vysvìtlete pojem náhody, náhodného pokusu, náhodného jevu a jeho mno- ¾inovou interpretaci. Popi¹te

Více

Pomůcka pro cvičení: 3. semestr Bc studia

Pomůcka pro cvičení: 3. semestr Bc studia Pomůcka pro cvičení: 3. semestr Bc studia Statistika Základní pojmy balíček: Statistics Pro veškeré výpočty je třeba načíst balíček Statistic. Při řešení můžeme použít proceduru infolevel[statistics]:=1,

Více

ČETNOSTI A ROZLOŽENÍ ČETNOSTÍ

ČETNOSTI A ROZLOŽENÍ ČETNOSTÍ PSY117/454 Statistická analýza dat v psychologii Přednáška 2 ČETNOSTI A ROZLOŽENÍ ČETNOSTÍ Je snadné lhát s pomocí statistiky. Je těžké říkat pravdu bez ní. Andrejs Dunkels; wikiquote Jaké hodnoty máme

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza

Více

Statistika. Zpracování informací ze statistického šetření. Roman Biskup

Statistika. Zpracování informací ze statistického šetření. Roman Biskup Statistika Zpracování informací ze statistického šetření Třídění statistického souboru Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 20. února 2012

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ VYUŢITÍ PROJEKTOVÉHO ŘÍZENÍ V ESN Příjmení a jméno: Hrdá Sabina, Kovalčíková

Více

Hlášené případy pohlavních nemocí kraj Vysočina

Hlášené případy pohlavních nemocí kraj Vysočina Hlášené případy pohlavních nemocí kraj Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky a analýz Masarykovy

Více

- $ *6b6 " 4 Q J[& 1 R ] * B ( I/[ Q /J I J '' ] ZBT, - - =- ' ] %& & c *) P %& ] ] ] C J[ FB % BT ] T * BT _ 6c$ [_ b/ 6 <% I, I < $, I <>P 9 BL X P

- $ *6b6  4 Q J[& 1 R ] * B ( I/[ Q /J I J '' ] ZBT, - - =- ' ] %& & c *) P %& ] ] ] C J[ FB % BT ] T * BT _ 6c$ [_ b/ 6 <% I, I < $, I <>P 9 BL X P - $ *6b6 " 4QJ[&1 R ] * B ( I/[ Q /JI J '']ZBT, -- =- ' ]%&&c *)P %& ] ] ] C J[FB% BT] T * BT _6c$[_b/ 6

Více

Mortalita Alzheimerovy nemoci, demence a senility (G30, F00 F07)

Mortalita Alzheimerovy nemoci, demence a senility (G30, F00 F07) Mortalita Alzheimerovy nemoci, demence a senility (G3, F F7) Ústav zdravotnických informací a statistiky České republiky Institute of Health Information and Statistics of the Czech Republic Institut biostatistiky

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

Vliv odlehlých hodnot, korelační koeficient, mnohonásobná regrese

Vliv odlehlých hodnot, korelační koeficient, mnohonásobná regrese Vliv odlehlých hodnot, korelační koeficient, mnohonásobná regrese 1. Vliv odlehlých hodnot Na následujících dvou příkladech ukážeme jak odlehlé hodnoty (outliers) ovlivňují výsledek analýzy a jak je identifikovat.

Více

Lanka a lana vodivá 12 Pásky vodivé 14 Síťě vodivé a nevodivé 15 Dráty pozinkované, příslušenství 15. Na lanka, pásky a tyče 16

Lanka a lana vodivá 12 Pásky vodivé 14 Síťě vodivé a nevodivé 15 Dráty pozinkované, příslušenství 15. Na lanka, pásky a tyče 16 www.profarm.eu Obsah Zdroje impulzů a příslušenství strana Zdroje síťové 1 Zdroje bateriové 5 Zdroje kombinované 8 Baterie a solární panely 9 Zemnící a ochranné prvky, kabely 10 Vypínače vysokonapěťové,

Více

Klasická a robustní ortogonální regrese mezi složkami kompozice

Klasická a robustní ortogonální regrese mezi složkami kompozice Klasická a robustní ortogonální regrese mezi složkami kompozice K. Hrůzová, V. Todorov, K. Hron, P. Filzmoser 13. září 2016 Kompoziční data kladná reálná čísla nesoucí pouze relativní informaci, x = (x

Více

Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky. Analýza dojíždní z dotazníkového šetení v MSK. Semestrální projekt

Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky. Analýza dojíždní z dotazníkového šetení v MSK. Semestrální projekt Vysoká škola báská Technická univerzita Ostrava Institut geoinformatiky Analýza dojíždní z dotazníkového šetení v MSK Semestrální projekt 18.1.2007 GN 262 Barbora Hejlková 1 OBSAH OBSAH...2 ZADÁNÍ...3

Více

Pravděpodobnost v genetické analýze a předpovědi

Pravděpodobnost v genetické analýze a předpovědi Součástí genetického poradenství - rodokmen, rodinná anamnéza - výpočet pravděpodobnosti rizika - cytogenetické vyšetření sestavení karyotypu - dva pohledy na pravděpodobnost např.. pravděpodobnost 25

Více

Analýza rozptylu. Statistika II. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.

Analýza rozptylu. Statistika II. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob. ANOVA Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz ANOVA ANOVA je nástroj pro zkoumání vztahu mezi vysvětlovanými a vysvětlujícími proměnnými.

Více

Úvod do programu STATISTICA. Mgr. Pavel Zahradníček

Úvod do programu STATISTICA. Mgr. Pavel Zahradníček Úvod do programu STATISTICA Mgr. Pavel Zahradníček 1 Dostupnost, instalace a spuštění programu 1.1 Dostupnost MU vlastní multilicenci, každý student může pořídit vlastní instalaci (za symbolický manipulační

Více

V tabulce jsou uvedeny roční náklady na údržbu (v dolarech) a cena domu (v tis. dolarů).

V tabulce jsou uvedeny roční náklady na údržbu (v dolarech) a cena domu (v tis. dolarů). 1. Příklad V tabulce jsou uvedeny roční náklady na údržbu (v dolarech) a cena domu (v tis. dolarů). Náklady 835 63 240 1005 184 213 313 658 195 545 Cena 136 24 52 143 42 43 67 106 61 99 a.) Modelujte závislost

Více

PRÁCE S GRAFICKÝMI VÝSTUPY SESTAV

PRÁCE S GRAFICKÝMI VÝSTUPY SESTAV PRÁCE S GRAFICKÝMI VÝSTUPY SESTAV V PRODUKTECH YAMACO SOFTWARE PÍRUKA A NÁVODY PRO ÚELY: - UŽIVATELSKÉ ÚPRAVY GRAFICKÝCH VÝSTUP YAMACO SOFTWARE 2006 1. ÚVODEM Vtšina produkt spolenosti YAMACO Software

Více

Lineární Regrese Hašovací Funkce

Lineární Regrese Hašovací Funkce Hašovací Funkce Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké učení technické v

Více

Využití software ITEMAN k položkové analýze a analýze výsledků testů

Využití software ITEMAN k položkové analýze a analýze výsledků testů 11. konference ČAPV Sociální a kulturní souvislosti výchovy a vzdělávání Využití software ITEMAN k položkové analýze a analýze výsledků testů Petr Byčkovský, Marie Marková Postup při návrhu a ověření testu

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

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová

Stručný manuál k ovládání programu STATISTICA. Mgr. Petra Beranová Stručný manuál k ovládání programu STATISTICA Mgr. Petra Beranová Copyright StatSoft CR s.r.o. 2008, 1. vydání 2008 StatSoft CR Podbabská 16 CZ-160 00 Praha 6 tel.: +420 233 325 006 fax: +420 233 324 005

Více

Manuál práce s dataloggerem Xplorer GLX

Manuál práce s dataloggerem Xplorer GLX manuál Manuál práce s dataloggerem Xplorer GLX Ovládání dataloggeru Xplorer GLX je jednoduché a intuitivní. Kromě popisu ovládání základních funkcí a nastavení připojujeme některé tipy související se zkušenostmi

Více

Příloha č.1 Vypočtené hodnoty jednotlivých proměnných indexu OCA pro MUBS za období

Příloha č.1 Vypočtené hodnoty jednotlivých proměnných indexu OCA pro MUBS za období Příloha č.1 Vypočtené hodnoty jednotlivých proměnných indexu OCA pro MUBS za období 1971-2012 Rok SD (e ij ) SD (Y i -Y j ) DISSIM ij TRADE ij SIZE ij 1971 0,00000 0,03250 0,0000000254 0,02443 40,64456

Více

Notice:Jagran Infotech Ltd. Printed by Fontographer 4.1 on 6/3/2003 at 7:12 PM

Notice:Jagran Infotech Ltd. Printed by Fontographer 4.1 on 6/3/2003 at 7:12 PM $ % $0 Undefined $1 Undefined $2 Undefined $3 Undefined $4 Undefined $5 Undefined $6 Undefined $7 Undefined $8 Undefined $9 Undefined $A Undefined $B Undefined $C Undefined $D Undefined $E Undefined $F

Více