FACTORS AFFECTING THE DIRECT HOUSEHOLD EXPENDITURES ON HEALTH. Jitka Bartošová
|
|
- Bohumír Toman
- před 9 lety
- Počet zobrazení:
Transkript
1 FAKTORY OVLIVŇUJÍCÍ PŘÍMÉ VÝDAJE DOMÁCNOSTÍ NA ZDRAVÍ FACTORS AFFECTING THE DIRECT HOUSEHOLD EXPENDITURES ON HEALTH Jitka Bartošová Abstract This paper focuses on the search of factors affecting direct Czech household spending on health and the analysis of the degree of influence of individual factors on the total amount. Given the aging population can be expected as the growing trend of these expenditures. This trend can be expected, of course, not only in direct costs (for drugs and services not paid by insurance), but also indirect costs, realized through the utilization of health care and public health insurance system in general. The amount of health insurance depends on the amount of revenue; direct costs may be influenced by other factors such as age, sex and education of head of household, etc. They may also be related to consumption patterns and household behavior, such as its expenditures on alcohol cigarettes, etc. Keywords: household, regression analysis, consumer behaviour, spending, health Klíčová slova: domácnost, regresní analýza, spotřební chování, výdaje, zdraví Úvod Výdaje na zdraví jsou velmi diskutovaným a citlivým tématem současnosti z hlediska státu i z hlediska jedince. Celkové výdaje na zdraví lze rozdělit na výdaje přímé hrazené z rozpočtu domácností a nepřímé - hrazené ze zdravotního pojištění a veřejného systému obecně. Vzhledem ke stárnutí populace lze očekávat trvalý růst obou složek těchto výdajů, proto je důležité vědět, které faktory ovlivňují přímé, popřípadě nepřímé výdaje na zdraví a v jaké míře se na jejich velikosti podílejí. Výše zdravotního pojištění se odvíjí pouze od výše příjmů, takže v rozpočtu domácnosti představují relativně stabilní částku. Přímé výdaje však mohou být ovlivňovány mnoha dalšími faktory, jako je věk, pohlaví a vzdělání osoby v čele domácnosti, počet spotřebních jednotek v domácnosti (SJ) apod. Mohou také souviset s návyky a spotřebním chováním domácnosti, např. s jejími výdaji za alkohol, cigarety atd. Pracovní hypotézy Úkolem bude navrhnout regresní model popisující závislost výdajů na zdraví, které plynou přímo z rozpočtu domácností na financování zdraví, na příjmech a dalších vybraných faktorech. Vstupními daty k analýze jsou výběrové soubory ze Statistiky rodinných účtů, které obsahující výdaje domácností na různé typy statků (potraviny, zdravotnictví, vzdělání, doprava atd.) společně s dalšími důležitými charakteristikami, jako jsou příjmy, či počet členů 1
2 domácnosti, bydliště, dosažené vzdělání apod. Práce vychází z údajů za roky 2002, 2005, 2006 a Lze předpokládat, že na velikosti výdajů na zdraví se bude významně projevovat také způsob života domácností, jejich návyky a životní stereotypy. Proto by se na velikosti výdajů na zdrví mohly významně projevovat například výdaje za alkohol a cigarety. Z praxe je známo, že kuřáci a osoby spotřebovávající větší množství alkoholických nápojů odčerpávají vyšší částky na zdravotnickou péči ze zdravotního pojištění. Otázkou však je, zda tomu tak bude i v případě částky věnované na zdraví přímo z rodinného rozpočtu. Budeme se tedy zabývat mimo jiné otázkou, zda výdaje na alkohol souvisí s přímými výdaji na zdraví nebo zda je možné vysledovat tuto závislost pouze v případě veřejných výdajů na zdravotní péči. Obecně se můžeme domnívat, že výdaje na zdraví porostou současně s výší příjmů. Ale můžeme očekávat, že výdaje na zdraví bychom budou rostoucí i v závislosti na výši vzdělání osoby v čele domácnosti (vzdělanější lidé více investují do zdraví). Vyšší výdaje na zdraví budou zcela jistě u domácností důchodců (vyšší věk nese zdravotní potíže, které implikují zvýšené náklady přímé i nepřímé). Porostou tedy v souvislosti s věkem. Můžeme rovněž předpokládat, že rodiny se ženou v čele budou za zdraví vydávat více než rodiny, v jejichž čele je muž. Datová základna Datovou základnu tvoří data z výběrových šetření příjmů a výdajů domácností zvaného Statistiku rodinných účtů (SRÚ), která provádí každoročně Český statistický úřad. Tyto datové soubory obsahují informace o příjmech, výdajích a mnoha dalších sociálněekonomických, regionálních a demografických charakteristikách domácností. Pro každý rok je k dispozici kolem údajů, celkem se jedná o záznamů. Pro každou domácnost jsou sledovány výdaje za různé druhy zboží, jako jsou potraviny a nealkoholické nápoje, alkohol a tabák, oděvy a obuv, vzdělání, bydlení, vodu, energii a paliva, dopravu, pošty a telekomunikace atd. Z dalších charakteristik se pak zaznamenává počet členů domácnosti, počet ekonomicky aktivních členů, počet spotřebních jednotek dle OECD, věk osoby v čele domácnosti, jejich vzdělání, sociální skupina, pracovní zařazení atd. Z výběrového souboru můžeme získat informace nejen o celkových disponibilních příjmech a výdajích domácností a o příjmech přepočtených na jednoho člena domácnosti, ale také o ekvivalentních disponibilních příjmech, tj. o tzv. příjmech na spotřební jednotku, které je porovnatelné ve všech zemích EU. Při přepočtu příjmů (výdajů) na spotřební jednotku můžeme ve statistice rodinných účtů použít hodnotu definovanou podle metodiky OECD, kde osoba v čele domácnosti je brána s koeficientem 1,0 děti ve věku 0 až 13 let s koeficientem 0,5 ostatní děti a osoby s koeficientem 0,7 Počet spotřebních jednotek je tedy dán součtem vah (koeficientů) přiřazených jednotlivým osobám v domácnosti. Závisí na složení domácnosti a věku dětí. Počet spotřebních jednotek dle definice OECD je v souboru uložen do proměnné sj a je dán vztahem: sj 1 0,5 mladsi _ det i 0,7 ostatni _ osoby. (1) Důležitou součástí výběrových souborů jsou i kalibrační váhy domácnosti pkoef, které slouží k přepočtu výsledků z výběru na celek. Výběrové charakteristiky polohy i variability tedy byly počítány jako vážené charakteristiky. Vzhledem k tomu že příjmy i výdaje mají přibližně lognormální rozdělení, bylo při modelování vhodné použít logaritmickou transformaci. Transformované proměnné mají 2
3 přibližně normální rozdělení. To ovšem znamená, že ještě před transformací bylo potřeba ze souboru vyloučit všechna pozorování s nulovými hodnotami příjmů či výdajů. Příjmy a výdaje bylo potřeba před zpracování také očištěny od vlivu inflace. Všechna data proto byla před zpracováním převedena do cen roku Hodnoty přepočítacích koeficientů jsou uvedeny v tabulce 1. Tab. 1: Koeficienty pro přepočet hodnot do cen roku Rok šetření Koeficient 1, , , , ,063 1 Kvalitativní proměnné, jako je pohlaví, sociální skupina, vzdělání apod., byly před konstrukcí modelu převedeny na proměnné kategoriální. Úroveň a variabilita příjmů a výdajů na zdraví a na alkohol a tabákové výrobky V tabulkách 2 a 3 jsou uvedeny vážené charakteristiky polohy a variability rozdělení měsíčních příjmů domácností a jejich výdajů na zdraví a na alkohol a tabákové výrobky. Pro výpočet byly použity hodnoty očištěné od inflace. Tab. 2: Úroveň příjmů a výdajů na domácnost. Charakteristiky polohy příjmy výdaje na zdraví výdaje na alkohol a tabák průměr (Kč) ,55 503,64 638,53 medián (Kč) ,30 397,80 dolní kvartil (Kč ,45 183,98 153,47 horní kvartil (Kč) ,83 653,94 828,84 minimum (Kč) ,09 0,91 maximum (Kč) Tab. 3: Variabilita příjmů a výdajů na domácnost. Charakteristiky variability příjmy výdaje na zdraví výdaje na alkohol a tabák směrodatná odchylka (Kč) ,62 547,26 737,46 kvartilová odchylka (Kč) ,38 469,96 675,37 variační koeficient 56,06% 108,66% 115,49% poměrná kvartilová odchylka 31,53% 56,09% 68,75% Tabulky 4 a 5 obsahují charakteristiky polohy a variability rozdělení měsíčních příjmů a výdajů přepočtené na spotřební jednotku sj. Tab. 4: Úroveň příjmů a výdajů na spotřební jednotku. Charakteristiky polohy příjmy výdaje na zdraví výdaje na alkohol a tabák průměr (Kč) ,71 294,61 359,25 medián (Kč) ,40 213,80 dolní kvartil (Kč ,88 106,45 92,87 horní kvartil (Kč) ,68 368,31 455,55 minimum (Kč) ,35 0,33 maximum (Kč) Tab. 5: Variabilita příjmů a výdajů na spotřební jednotku. Charakteristiky variability příjmy výdaje na zdraví výdaje na alkohol a tabák směrodatná odchylka (Kč) 6.995,07 328,72 422,58 kvartilová odchylka (Kč) 6.451,8 261,86 362,68 variační koeficient 48,47% 111,58% 117,63% poměrná kvartilová odchylka 23,44% 55,15% 66,13% 3
4 Z výše uvedených souhrnných charakteristik je patrné, že výdaje na zdraví jsou v průměru nižší než výdaje na cigarety a alkohol. To je v souladu se skutečnostmi zjištěnými v jiných průzkumech [6]. Trochu překvapivé jsou charakteristik variability pro obě sledované skupiny výdajů. Vzhledem k vysokým hodnotám variačního koeficientu je zřejmé, že ve výdajích na zdraví jsou v jednotlivých domácnostech velké rozdíly. Při porovnání relativních údajů vidíme že jejich variabilita je vyšší než u příjmů. Nicméně toto zjištění by taktéž mělo být v souladu s realitou. Zatímco příjmy jsou v podstatě nezávislé na individuálních preferencích jednotlivých domácností, a jsou závislé spíše na celkové situaci na trhu práce, výdaje na zdraví, ale i na alkohol a cigarety budou závislé na povaze jednotlivých domácností. A vzhledem k faktu, že sledované domácnosti mohou mít velmi rozdílné preference, je možné že i variabilita jejich výdajů na spotřební statky je vysoká. Tvorba regresního modelu K tomu, abychom mohli rozhodnout, které faktory budou pro modelování závislosti statisticky významné, musíme otestovat závislost výdajů na zdraví na těchto faktorech. Na základě získaných výsledků vybereme ty proměnné, které mají statisticky významný vliv na výši výdajů na zdraví. Budeme uvažovat následující faktory: příjmy přepočtené na spotřební jednotku sj, věk osoby v čele domácnosti, pohlaví osoby v čele domácnosti, vzdělání osoby v čele domácnosti, sociální skupina osoby v čele domácnosti, počet spotřebních jednotek, výdaje na alkohol a tabákové výrobky přepočtené na spotřební jednotku sj. Všechny tyto faktory budeme na počátku považovat za proměnné s významným efektem na přímé výdaje na zdraví a pokusíme se vytvořit model se všemi uvažovanými proměnnými. Poté jej budeme podle potřeby redukovat tak, aby došlo ke zlepšení schopnosti modelu vystihnout skutečný vztah mezi proměnnými. K vystižení závislosti použijeme multiplikativní model, který lze po zlogaritmování vyjádřit vztahem: ln E a0 a1 ln I a2x1 a3x2 a4x4 a5x5..., (2) kde: E výdaje na zdraví přepočítané na spotřební jednotku (sj) I příjmy přepočítané na spotřební jednotku (sj) x 1 věk osoby v čele domácnosti x 2 pohlaví (osoba v čele domácnosti je muž) x 3, x 4, x 5, x 6, x 7, x 8 sociální skupina osoby v čele domácnosti x 9, x 10 vzdělání osoby v čele domácnosti Proměnné x 2 x 10 jsou umělé proměnné, které v modelu zastupují původní kategoriální proměnné. V modelu jsou pak při výpočtu hodnoty odpovídající pozorování nahrazeny hodnotou jedna (například je-li v čele domácnosti muž, pak x 2 = 1, je-li v čele domácnosti žena, x 2 = 0). Tím dojde ke zohlednění vlivu kategoriálních proměnných v modelu. Odhady regresních koeficientů, jejich statistická významnost a významnost modelu jsou na obrázku 1, kde je zachycen výstup z programu R. Vidíme že koeficienty u proměnných výdaje na alkohol a počet spotřebních jednotek (sj) mají vyšší p-hodnoty. Nejsou tedy pro náš model významné (jsou zřejmě korelované s jinými proměnnými) a je možné je z modelu vypustit. Ostatní proměnné se jeví jako 4
5 významné a v modelu bychom je tedy měli ponechat. Dalším problémem je, bohužel, nízká hodnota korigovaného koeficientu determinance. V případě tohoto modelu je to pouze 0,1733. Což znamená, že model jako celek je sice díky nízké p-hodnotě u Fischerova F-testu v pořádku, nicméně jeho výstižnost je poměrně nízká (necelých 18%). Obr.1: Odhad parametrů modelu (výstup z programu R) V dalším kroku budeme model redukovat odebráním konstanty a proměnných alkohol_sj a sj. Výstup z programu R s odhady parametrů redukovaného modelu je na obr. 2. Obr.2: Odhad parametrů modelu (výstup z programu R) 5
6 V tomto případě je korigovaný koeficient determinance na úrovni 0,97, výstižnost tohoto modelu je tedy 97%, což je velmi vysoká hodnota. Konečný model by tedy mohl vypadat následovně: ln E 0,77405ln I 0,01493vek _ p 3,172175pohl _ pmuz 0,15072skup2 0,11722skup3 0,32674skup4 0,40563skup5 0,10855skup6 0,57007skup7 0,05428vzd22 0,23117vzd23 (3) Obr.3: Graf přímých výdajů na zdraví porůzné volby parametrů(výstup z programu Derive) Po odlogaritmování dostaneme multiplikativní model závislosti přímých výdajů na zdraví ve tvaru: 0,77405 vek _ p pohl_ pmuz skup2 skup3 skup4 skup5 E I 1,015 0,0419 1,1627 1,1244 1,3864 1,5002 (4) skup6 skup7 vzd 22 vzd 23 1,1147 1,7684 1,0558 1,2601 Použité značení: ln E logaritmus výdajů na zdraví přepočtených na spotřební jednotku (sj) ln I... logaritmus příjmů přepočtených na spotřební jednotku (sj) vek_p věk osoby v čele domácnosti pohl_pmuz osoba v čele domácnosti je muž 6
7 skup2 osoba v čele domácnosti je samostatné výdělečně činná skup3 osoba v čele domácnosti je vyšší zaměstnanec skup4. osoba v čele domácnosti je důchodce v rodině s ekonomicky aktivním členem skup5 osoba v čele domácnosti je důchodce v rodině bez ekonomicky aktivního člena skup6 osoba v čele domácnosti je nezaměstnaná skup7 osoba v čele domácnosti patří do skupiny ostatní vzd22 osoba v čele domácnosti má nejvýše střední vzdělání vzd23 osoba v čele domácnosti má vysokoškolské vzdělání Závěr Pokud se podíváme na hodnoty regresních koeficientů, můžeme vysledovat závislosti mezi jednotlivými proměnnými v modelu. Můžeme například tvrdit, že domácnosti v jejichž čele je osoba s vyšším vzděláním investují do zdraví více, než domácnosti v jejichž čele stojí osoba se středním či nižším vzděláním. Nemám tím na mysli absolutní částky, ale relativní částky v poměru k příjmům. Stejně tak můžeme vysledovat že domácnosti v jejich čele stojí vyšší zaměstnanec či důchodce vydávají na zdraví, v poměru ke svým příjmům, vyšší částky než ostatní skupiny. Nejvyšší přímé výdaje na zdraví má skupina ostatní. Ovšem nejvýraznější rozdíl ve výdajích na zdraví je jednoznačně mezi pohlavími. Podle odhadnutého modelu můžeme tvrdit, že ženy v čele domácnosti (tj. v případě, že pohlavi_muz = 0) implikují podstatně vyšší výdaje na zdraví v poměru k příjmům. Potvrdili jsme tak v úvodu stanovené hypotézy. Literatura BARTOŠOVÁ J Modelování v ekonomii, podpůrný text k on-line kurzu, Praha: Oeconomica, s., ISBN KOMÁREK, A Úvod do statistiky, Text doplňující přednášky Statistika A a B, KOMÁREK, A. KOMÁRKOVÁ, L Statistická analýza závislostí, Skroptum pro přednášku Statistika B, STUCHLÝ J Ekonometrie učební text, FM VŠE Jindrichův Hradec, 174 s., HINDLS, R. HRONOVÁ, S. SEGER,J Statistika pro Ekonomy (páté vydání), Praha: Professional Publishing, 2004, 420 s., ISBN Týden.cz Za pivo a cigarety utrácíme více než za zdraví, online, [cit ] Adresa autora RNDr. Jitka Bartošová, Ph.D. Vysoká škola ekonomická v Praze Fakulta managementu Jarošovská 1117/II Jindřichův Hradec bartosov@fm.vse.cz 7
VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN
ČESKÁ ZEMĚDĚLSKÁ UNIVERZITA V PRAZE Fakulta provozně ekonomická Katedra statistiky Studijní obor: Veřejná správa a regionální rozvoj Teze k diplomové práci VÝVOJ INDEXŮ SPOTŘEBITELSKÝCH CEN Vypracovala:
VíceSpotřeba domácností má významný sociální rozměr
Spotřeba domácností má významný sociální rozměr Výdaje domácností výrazně přispívají k celkové výkonnosti ekonomiky. Podobně jako jiné sektory v ekonomice jsou i ony ovlivněny hospodářským cyklem. Jejich
VíceVysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky
Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného
VíceTECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD
TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD Umělé (dummy) proměnné se používají, pokud chceme do modelu zahrnout proměnné, které mají kvalitativní či diskrétní charakter,
VíceFAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM
FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM Kateřina Pojkarová 1 Anotace:Pro uskutečňování svých cest si lidé vybírají různé způsoby, a
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceRobust 2010 31. ledna 5. února 2010, Králíky
Modelování rozdělení ročních příjmů českých domácností J. Bartošová 1 M. Forbelská 2 1 Katedra managementu informací Fakulta managementu v Jindřichově Hradci Vysoká škola ekonomická v Praze 2 Ústav matematiky
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VíceJEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica
JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceTECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta ANALÝZA VÝSLEDKŮ DOTAZNÍKOVÉHO ŠETŘENÍ (FAKULTNÍ DOTAZNÍK) semestrální práce z předmětu STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ Jan Kubiš, Kateřina
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
VíceVLIV DEMOGRAFICKÝCH A SOCIOEKONOMICKÝCH CHARAKTERISTIK NA VÝDAJE VE ZDRAVOTNICTVÍ
Univerzita Karlova v Praze Přírodovědecká fakulta Katedra demografie a geodemografie VLIV DEMOGRAFICKÝCH A SOCIOEKONOMICKÝCH CHARAKTERISTIK NA VÝDAJE VE ZDRAVOTNICTVÍ KRISTÝNA RYBOVÁ Úvod Úvod Vývoj výdajů
VíceObecné, centrální a normované momenty
Obecné, centrální a normované momenty Obsah kapitoly 4. Elementární statistické zpracování - parametrizace vhodnými empirickými parametry Studijní cíle Naučit se počítat centrální a normované momenty pomocí
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VíceMěření ekonomiky. Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze
Měření ekonomiky Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze Struktura přednášky Nezaměstnanost Inflace Hrubý domácí produkt Platební bilance Nezaměstnanost Základem je rozdělení osob
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Počet stran: 10 Datum odevzdání: 13. 5. 2016 Pavel Kubát Obsah Úvod... 3 1 Charakterizujte
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VíceSPOTŘEBITELSKÝ KOŠ CONSUMER BASKET. Martin Souček
SPOTŘEBITELSKÝ KOŠ CONSUMER BASKET Martin Souček Abstrakt: Práce se zabývá spotřebitelským košem a jeho vztahem k marketingu. Snaží se popsat vzájemné souvislosti a význam spotřebitelského koše pro marketing
Více31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě
31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty
VíceVýběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl)
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 12. 2002 60 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Tato
VícePOPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica
POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.
VíceNázev testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)
VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p
VíceINFLACE V ČR A EU V LETECH
INFLACE V ČR A EU V LETECH 2000 2014 Jiří Mrázek Tisková konference, 9. února 2015, Praha Obsah prezentace Vývoj spotřebitelských cen v letech 2000 2014 Srovnání s Evropskou unií HICP: Harmonizovaný index
Více{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
VíceCharakterizace rozdělení
Charakterizace rozdělení Momenty f(x) f(x) f(x) μ >μ 1 σ 1 σ >σ 1 g 1 g σ μ 1 μ x μ x x N K MK = x f( x) dx 1 M K = x N CK = ( x M ) f( x) dx ( xi M 1 C = 1 K 1) N i= 1 K i K N i= 1 K μ = E ( X ) = xf
VíceČeská zemědělská univerzita v Praze
Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Katedra statistiky Statistická analýza struktury výdajů domácností v závislosti na vybraných faktorech Teze Vedoucí diplomové práce: Doc.
VíceSAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY
SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim
VíceCENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání
CENOVÁ KONVERGENCE K EU: Poznatky z mezinárodního srovnání Martin Čihák (MMF) Tomáš Holub (ČNB) Seminář MF ČR Smilovice, 2. prosince 2003 Osnova Základní poznatky z 1999 ICP (vývoj cenové hladiny a reálného
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Logistická křivka Umělé proměnné Cvičení 11 Zuzana Dlouhá Logistická křivka log-lineární model patří mezi poptávkové funkce, ty dělíme na: a) klasické D = f (příjem, cenový index,
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá
VíceChudoba v České republice.
Chudoba v České republice. Kritický pohled na evropské ukazatele Jiří Večerník, Martina Mysíková (SOÚ), Aktuální výzvy III Chudoba, 4.5.2018, Olomouc 2 Otázky Je v České republice opravdu nejnižší chudoba
VíceKORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceLINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica
LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
VíceTabulka 1. Výběr z datové tabulky
1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VícePlánování experimentu
SEMESTRÁLNÍ PRÁCE Plánování experimentu 05/06 Ing. Petr Eliáš 1. NÁVRH NOVÉHO VALIVÉHO LOŽISKA 1.1 Zadání Při návrhu nového valivého ložiska se v prvotní fázi uvažovalo pouze o změně designu věnečku (parametr
VíceENGELOVA KŘIVKA V DOPRAVĚ
ENGELOVA KŘIVKA V DOPRAVĚ Kateřina Pojkarová 1 Anotace:Engelova křivka (EC) vyjadřuje závislost mezi celkovým (nominálním) důchodem a nakupovaným množství určitého statku. Článek popisuje tuto křivku pro
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceZpracování 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
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceStatistika chudoby v České republice:
Statistika chudoby v České republice: Kritický pohled na evropské ukazatele Martina Mysíková, Jiří Večerník 18. SLOVENSKÁ ŠTATISTICKÁ KONFERENCIA, KOŠICE 23.-25.6.2016 2 Data EU-SILC (European Union-Statistics
VíceKorelace. Komentované řešení pomocí MS Excel
Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne
VíceVýběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Kouření (V. díl)
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 8.11.2002 55 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) - Kouření (V. díl) Kouření je dalším
VícePísemná práce k modulu Statistika
The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem
VíceMĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE
MĚŘENÍ CHUDOBY A PŘÍJMOVÁ CHUDOBA V ČESKÉ REPUBLICE Šárka Šustová ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, 100 82 Praha 10 czso.cz 1/X MĚŘENÍ CHUDOBY KONCEPTY Objektivní x subjektivní Objektivní založena
VíceEKONOMIKA PASIVNÍCH DOMŮ. Nejsem tak bohatý, abych investoval do laciného života. Ing. Tomáš Vanický
EKONOMIKA PASIVNÍCH DOMŮ Nejsem tak bohatý, abych investoval do laciného života Ing. Tomáš Vanický ForPasiv 2014 Obsah Investice můj dům, můj hrad Investice do života Investice do energie MŮJ DŮM, MŮJ
Více4. Mezinárodní srovnání výdajů na zdravotní péči
4. Mezinárodní srovnání výdajů na zdravotní péči V této části je prezentováno porovnání základních ukazatelů výdajů na zdravotní péči ve vybraných zemích Evropské unie (EU) a Evropského sdružení volného
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceMEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC
MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na
VíceEvropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 8. 2009 40 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví European
VíceJednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
VíceKarta 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.
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceChudoba v ČR: kritika ukazatelů a evropský kontext. Martina Mysíková, Jiří Večerník KONFERENCE ČSS PRAHA
Chudoba v ČR: kritika ukazatelů a evropský kontext Martina Mysíková, Jiří Večerník KONFERENCE ČSS PRAHA 1.-3.2.2017 2 Data EU-SILC (European Union-Statistics on Income and Living Conditions) V ČR ho provádí
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceDeterminanty vzniku kardiovaskulárních onemocnění v české populaci
Determinanty vzniku kardiovaskulárních onemocnění v české populaci Michala Lustigová Státní zdravotní ústav XLIII. konference České demografické společnosti, XLIII. konference České demografické společnosti,
VíceZákladní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
VíceŽIVOTNÍ PODMÍNKY DOMÁCNOSTÍ A DEMOGRAFICKÝ VÝVOJ V OLOMOUCKÉM KRAJI. ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, Praha 10 czso.
ŽIVOTNÍ PODMÍNKY DOMÁCNOSTÍ A DEMOGRAFICKÝ VÝVOJ V OLOMOUCKÉM KRAJI ČESKÝ STATISTICKÝ ÚŘAD Na padesátém 81, 100 82 Praha 10 czso.cz 1/23 ŠETŘENÍ O PŘÍJMECH A ŽIVOTNÍCH PODMÍNKÁCH DOMÁCNOSTÍ - výběrové
VíceCharakteristika datového souboru
Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceParametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =
Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
VíceVývoj indexů spotřebitelských cen v 1. čtvrtletí 2016
11. 4. 2016 Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2016 V 1. čtvrtletí 2016 vzrostly spotřebitelské ceny proti 4. čtvrtletí 2015 o 0,4 %. V meziročním srovnání vzrostly spotřebitelské ceny v
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceCelopopulační studie o zdravotním stavu a životním stylu obyvatel v České republice - Charakteristika výběrového souboru
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 13.4.2005 10 Celopopulační studie o zdravotním stavu a životním stylu obyvatel v České republice - Charakteristika
VíceStav Svobodný Rozvedený Vdovec. Svobodná 37 10 6. Rozvedená 8 12 8. Vdova 5 8 6
1. Příklad Byly sledovány rodinné stavy nevěst a ženichů při uzavírání sňatků a byla vytvořena následující tabulka četností. Stav Svobodný Rozvedený Vdovec Svobodná 37 10 6 Rozvedená 8 12 8 Vdova 5 8 6
VícePOPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS
POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS Kateřina Pojkarová Anotace:Dopravu vužívají lidé za různým účelem, mimo jiné i ke svým cestám
VíceÚspory domácností a hrubý pracovní příjem
Úspory domácností a hrubý pracovní příjem Předkládaný dokument je pracovním podkladovým materiálem pro Poradní expertní sbor ministra financí a ministra práce a sociálních věcí připravený odborem Ministerstva
VíceDRG systém klasifikuje případy akutní hospitalizační péče do DRG skupin DRG skupiny = nákladově homogenní a klinicky příbuzné skupiny případů
AGENDA Definice kvality DRG systému Statistické metody hodnocení kvality DRG klasifikace Identifikace nenáhodného rozložení případů Využití regresní analýzy nákladů při hledání důvodů v rozdílných nákladech
VíceRegrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA
Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot
VíceSTATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE
STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VícePříjmy domácností ve vybraných regionech České republiky Household Income in Some Regions in the Czech Republic
Příjmy domácností ve vybraných regionech České republiky Household Income in Some Regions in the Czech Republic Jitka Bartošová Abstract: The article deals with characterization of present income distribution
Více4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
Více4. Zpracování číselných dat
4. Zpracování číselných dat 4.1 Jednoduché hodnocení dat 4.2 Začlenění dat do písemné práce Zásady zpracování vědecké práce pro obory BOZO, PÚPN, LS 2011 4.1 Hodnocení číselných dat Popisná data: střední
VíceSTATISTICA Téma 7. Testy na základě více než 2 výběrů
STATISTICA Téma 7. Testy na základě více než 2 výběrů 1) Test na homoskedasticitu Nalezneme jej v několika submenu. Omezme se na submenu Základní statistiky a tabulky základního menu Statistika. V něm
Více4. Peněžní příjmy a vydání domácností ČR
4. Peněžní příjmy a vydání domácností ČR Národní účty a rodinné účty různé poslání Rychlejší růst spotřeby domácností než HDP Značný růst výdajů domácností na bydlení Různorodé problémy související s tvorbou
VíceVzorová prezentace do předmětu Statistika
Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota
Více2011 Dostupný z
Tento dokument byl stažen z Národního úložiště šedé literatury (NUŠL). Datum stažení: 03.01.2017 Vývoj indexů spotřebitelských cen v 1. čtvrtletí 2011 Český statistický úřad 2011 Dostupný z http://www.nusl.cz/ntk/nusl-203700
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Jméno: Lucie Krechlerová, Karel Kozma, René Dubský, David Drobík Ročník: 2015/2016
VíceSpotřeba zdravotnických služeb v letech 2007 2010. Consumption of Health Services in the years 2007 2010
Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 7. 9. 2011 51 Spotřeba zdravotnických služeb v letech 2007 2010 Consumption of Health Services in the years 2007 2010
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VícePearsonův korelační koeficient
I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních
Více10. 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
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceVybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008
Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008 Luboš Marek, Michal Vrabec Souhrn: V tomto příspěvku jsme se zaměřili na zkoumání rozdílů u běžných charakteristik mzdových
Více