ÚVOD DO HLEDÁNÍ ZÁVISLOSTÍ TECHNOLOGICKÝCH A NÁKLADOVÝCH CHARAKTERISTIK PŘI TAVENÍ OCELI NA ELEKTRICKÉ OBLOUKOVÉ PECI
|
|
- Lukáš Bednář
- před 6 lety
- Počet zobrazení:
Transkript
1 Teorie a praxe výroby a zpracování oceli 2011 ÚVOD DO HLEDÁNÍ ZÁVISLOSTÍ TECHNOLOGICKÝCH A NÁKLADOVÝCH CHARAKTERISTIK PŘI TAVENÍ OCELI NA ELEKTRICKÉ OBLOUKOVÉ PECI Václav Kafka a Lenka Firková b Václav Figala b Veronika Nykodýmová c Pavel Veselý c Pavel Vavrinec c Miroslav Koudelka d František Soukup e a) RACIO & RACIO, Vnitřní 732, Orlová, vaclav.kafka@upcmail.cz b) VŠB Ostrava, FMMI, 17. listopadu 15, Ostrava, ČR, lenka.firkova@seznam.cz, figala@volny.cz c) DSB EURO, s.r.o., Gellhornova 18, Blansko, ČR, pavel.vesely@dsbblansko.cz, pavel.vavrinec@dsbblansko.cz, veronika.nykodymova@dsbblansko.cz d) ORGANIZACE Rychvald, ČR, mirek.leonka@seznam.cz e) ORGANIZACE Kladno, ČR, frsouk@ .cz Abstrakt Posuzování závislostí vychází ze zpracované technicko-ekonomické analýzy výroby oceli v podmínkách DSB EURO, s.r.o. Blansko ukončené v r V ní se kriticky posuzoval používaný tavící proces výroby oceli na elektrické obloukové peci (EOP). Tedy metalurgické a energetické režimy a pracovní postupy vedení tavby a jejich nákladová náročnost. EOP je se zásaditou vyzdívkou a má maximální hmotnost vsázky 7,5 t. Sledování se prováděla na nízkolegované manganové oceli GS20Mn5. Provedená sledování vedla i k seřízení hydraulické regulace pohybu grafitových elektrod u šetřených pecí a k vytvoření a následnému ověření nového energetického režimu vedení tavby. V příspěvku se zaměřujeme na úvodní práce prováděné v oblasti hledání závislostí mezi naturálními (technologickými) a nákladovými ukazateli taveb. Hledání závislostí je ukázáno na příkladu dvou výběrových souborů taveb na EOP č. 1 sázené jedním a dvěma koši s mezitavbovým prostojem do 50 minut. Výběrové soubory měly po 13 tavbách a byly taveny stejnou osádkou na ranní nebo odpolední směně. Zaměřili jsme se zejména na hledání hlavních příčin, které zásadně ovlivňují neúplné vlastní náklady (NVN) provedených taveb. První šetření zkoumala vazbu mezi náklady vyrobené tekuté oceli (tedy NVN tekutého kovu) a vybranými nezávisle proměnnými. Těmi byly v prvé řadě dvě hlavní skupiny tedy náklady na vsázku a přísady a zpracovací náklady. Ve druhém kroku se hledala závislost mezi NVN tekutého kovu a vybranými analytickými položkami. Tedy vsázkou, kovovými a nekovovými přísadami, dobou tavby, spotřebou elektrické energie, hmotností tekutého kovu, tavící předváhou, dobou tavby a tavení. Obdobně se postupovalo i u druhé fáze hledání závislostí, kdy závisle proměnnou byly zpracovací náklady výroby tekutého kovu a nezávisle proměnnými pak stejné proměnné, jak byly uvedeny výše. 1
2 Teorie a praxe výroby a zpracování oceli ÚVOD V současném moderním řízení výroby, financí a obchodu je důležité mít, v zájmu dosažení nejlepších výsledků, kvalitní data a ta umět co nejlépe zpracovat. Právě k tomuto účelu slouží statistika a její nástroje. Hrála důležitou úlohu i v případě aplikace metody technicko-ekonomické analýzy výroby tekutého kovu, která byla zpracována ve slévárně DSB EURO, s.r.o. Tavící proces byl posuzován na základě metod matematické statistiky (testování statistických dat, statistická predikce, aj.) a popisné statistiky (tabulky, grafy, různé funkcionální charakteristiky). Technickoekonomická analýza byla dále rozšířena o hledání a posuzování statistických závislostí v procesu výroby tekutého kovu. Příspěvek lze charakterizovat jako úvod do této problematiky. 2. METODA TECHNICKO-EKONOMICKÉ ANALÝZY [1, 2] Metoda technicko-ekonomické analýzy (TEA) se zabývá stanovením, sledováním a hodnocením nákladů a vybraných technologických charakteristik při výrobě tekutého kovu na elektrických obloukových pecích. Je nástrojem sloužícím k nalézání nákladově úsporných míst v jednotlivých etapách výrobního procesu a jejich analýze. Uvedená metoda probíhá v několika krocích: 1) Vstupní (úvodní) analýza Předcházela komplexní nákladové analýze a byla provedena na 30 tavbách. 2) Stanovení předmětu šetření Základní výběrový soubor 205 hodnocených taveb, pecní agregáty EOP1 a EOP2, jakost tekutého kovu GS20Mn5. 3) Sběr dat z tavebních listů Sledovaly se zde jak nákladové, tak naturální ukazatele taveb. 4) Sestavení nákladového modelu a ocenění jednotlivých taveb Nosným prvkem modelu byly neúplné vlastní náklady (náklady v přímém vztahu k danému procesu). 5) Rozdělení oceněných taveb základního souboru do dílčích výběrových souborů Podle pecního agregátu, počtu košů, doby prostoje před tavbou, tavičů. 6) Statistická analýza dílčích výběrových souborů Posuzování výběrových souborů prostřednictvím statistických ukazatelů a grafického zpracování. 7) Hodnocení výsledků TEA, závěrečná doporučení Detailní hodnocení zjištěných skutečností vedlo k prověření technického stavu tavících agregátů, aplikovaných metalurgických a energetických režimů a používaných pracovních postupů. Z nich pak vzešla doporučení na provedení konkrétních změn ve vedení tavby. Po nákladovém rozboru výroby tekutého kovu, jsme se zaměřili na hledání a posuzování statistických závislostí v tomto tavícím procesu. Následující kapitoly příspěvku seznamují s hlavními pojmy z oblasti statistických závislostí, které byly v práci využity. 2
3 Teorie a praxe výroby a zpracování oceli ÚVOD DO HLEDÁNÍ A POSUZOVÁNÍ STATISTICKÝCH ZÁVISLOSTÍ Pro úvod do oblasti hledání a posuzování statistických závislostí mezi nákladovými a naturálními ukazateli byly vybrány dva výběrové soubory taveb [3]. Jednalo se o soubor jednokošových taveb a soubor dvoukošových taveb, shodně provedených na EOP1, s dobou prostoje před tavbou 0-50 minut. U těchto souborů jsme se zaměřili především na hledání hlavních příčin, které mají zásadní vliv na NVN provedených taveb. 3.1 Kritéria pro hledání, posouzení a rozhodnutí o statistické závislosti a) Regrese - jedná se o statistický nástroj k zjišťování závislosti mezi jednou závisle proměnnou a několika dalšími nezávisle proměnnými. Závislost mezi proměnnými lze vyjádřit pomocí rovnice regresní funkce v bodovém grafu. Může se jednat o lineární nebo o nelineární regresní analýzu. Vedle regresní přímky (lineární regrese) existují další funkce (např. parabola, hyperbola a další). Předpokladem platnosti regrese je, že daný soubor hodnot reziduí má normální rozdělení [4]. b) Hypotézy - při sledování náhodných veličin jsme často nuceni ověřit určité domněnky, vlastnosti pomocí pozorovaných hodnot a přiklonit se k různým závěrům (rozhodnutím) nebo tyto závěry vyvrátit. Ve zjednodušené formě můžeme daný závěr, u kterého testujeme jeho platnost podpořenou matematickými postupy a založenými na teorii pravděpodobnosti, brát jako statistickou hypotézu [5]. H 0 - tzv. nulová hypotéza (představuje určitý rovnovážný stav, =) H A - tzv. alternativní hypotéza (představuje porušení rovnovážného stavu, <, >) Možným způsobem rozhodování o tom, zda nulovou hypotézu zamítáme, či nikoliv, je pomocí stanovení tzv. p-hodnoty. c) p-hodnota - udává nám nejnižší možnou hladinu významnosti pro zamítnutí nulové hypotézy pro danou realizaci náhodného výběru. Nabývá hodnot od 0 do 1. Čím je p-hodnota nižší, tím spíše není nulová hypotéza správná a zamítá se [4]. d) Hladina významnosti α - je předpokládaná pravděpodobnost zamítnutí nulové hypotézy. Vyjadřuje se nejčastěji v procentech a volí se zpravidla 5 % (0,05) nebo 1 % (0,01). Hladinu významnosti stanovíme před započetím zpracování dat. Hlavní kritérium pro rozhodnutí o zamítnutí H 0, nebo potvrzení dané hypotézy H A, rozhoduje srovnání [4]: p-hodnota testu hladina významnosti α zamítáme H 0 a přijímáme H A p-hodnota testu > hladina významnosti α nezamítáme H 0 tzn.: je-li p-hodnota 0,05 mezi porovnávanými ukazateli existuje funkční závislost je-li p-hodnota > 0,05 mezi porovnávanými ukazateli neexistuje funkční závislost e) R-Sq (index determinace) - určuje, jakou část variability sledovaných hodnot je možné vysvětlit daným modelem. Nabývá hodnot z intervalu <0, 1> [4]. Pro vyhodnocení statistických závislostí jsme použili software Minitab 15. Výstupem z tohoto programu je výše zmíněná p-hodnota, dále R-Sq (index determinace) a rovnice regresní funkce, která vyjadřuje závislost mezi zkoumanými proměnnými. 3
4 Teorie a praxe výroby a zpracování oceli Postup při hledání a posuzování statistických závislostí Při prováděném šetření byl dodržen následující postup: 1) Formulace H 0 a H A - H 0 : mezi porovnávanými ukazateli neexistuje závislost, H A : mezi porovnávanými ukazateli existuje závislost. 2) Volba hladiny významnosti - vždy byla volena hladina významnosti = 0,05. 3) Test normality dat - proběhl u všech posuzovaných souborů. 4) Test na odlehlé hodnoty - pomocí krabicového grafu. Nalezené odlehlé hodnoty byly ze souboru odstraněny. 5) Výpočet testovací charakteristiky - rovnice regrese, p-hodnota, R-Sq. 6) Rozhodnutí o přijetí či zamítnutí hypotéz. 3.3 První šetření (závisle proměnná (Y) = NVN) V prvním šetření byly zkoumány vazby mezi NVN tekutého kovu a vybranými nezávisle proměnnými: 1) NVN = f (Materiálové náklady) 2) NVN = f (Zpracovací náklady) 3) NVN = f (Spotřeba el. energie) 4) NVN = f (Hmotnost tekutého kovu) 5) NVN = f (Doba tavby) Neúplné vlastní náklady (NVN) - všechny náklady, které jsou v přímém vztahu k danému procesu a jsou pecní osádkou přímo ovlivnitelné. Jsou tvořeny materiálovými náklady a zpracovacími náklady. Materiálové náklady zahrnují: náklady na vsázku (šrot, kovový odpad a surové železo), náklady na kovové přísady (FeMn, Al, železná ruda atd.), náklady na nekovové přísady (vápno, kazivec, koks). Zpracovací náklady zahrnují: náklady na grafitové elektrody, osobní náklady, náklady na elektrickou energii, náklady na vyzdívku víka, náklady na vyzdívku pece, náklady na analýzu kovu, náklady na měření teploty. Připomeňme, že posuzujeme dva výběrové soubory taveb, provedené na EOP1, s dobou prostoje před tavbou 0-50 minut. První soubor obsahuje tavby sázené jedním košem, druhý soubor obsahuje tavby sázené dvěma koši Posouzení závislosti NVN na materiálových nákladech p-hodnota: 0,000 (1 koš); 0,000 (2 koše) 86,7 % (1 koš); 90,9 % (2 koše) Regresní rovnice: kvadratická v obou případech Jelikož je p-hodnota u obou posuzovaných souborů, a to u taveb sázených jedním košem (Obr. 1a) a taveb sázených dvěma koši (Obr. 1b) menší, než zvolená hladina významnosti (0,05) zamítáme nulovou hypotézu H 0 (o neexistenci závislosti). Lze 4
5 Teorie a praxe výroby a zpracování oceli 2011 říci, že existuje funkční závislost veličiny Y (NVN) na X (materiálové náklady), tzn., že náklady na vsázku, kovové a nekovové přísady ovlivňují výši NVN. R-Sq (index determinace) má velmi vysokou hodnotu 86,7 % (1 koš) a 90,9 % (2 koše), což značí, že materiálové náklady jako faktor, ovlivňují výši NVN z 87 % u jednokošových taveb a z 91 % u dvoukošových taveb Závislost NVN na materiálových nákladech = 0,001299x2-16,74x P-hodnota = 0,000 R-Sq = 86,7% Závislost NVN na materiálových nákladech = - 0,000585x2 + 9,678x P-hodnota = 0,000 R-Sq = 90,9% Materiálové náklady [Kč/t] Materiálové náklady [Kč/t] Obr. 1a: Závislost NVN na materiálových nákladech, 1 koš Posouzení závislosti NVN na zpracovacích nákladech p-hodnota: 0,000 (1 koš); 0,009 (2 koše) 87,6 % (1 koš); 65 % (2 koše) Regresní rovnice: kvadratická v obou případech Obr. 1b: Závislost NVN na materiálových nákladech, 2 koše Z obrázků 2a, 2b je patrné, že p-hodnota je opět menší než zvolená hladina významnosti (0,05) tudíž zamítáme nulovou hypotézu H 0. Konstatujeme, že existuje funkční závislost veličiny Y (NVN) na X (zpracovací náklady), tzn., že zpracovací náklady ovlivňují výši NVN. R-Sq má opět velmi vysokou hodnotu 87,6 % (1 koš) a 65 % (2 koše). Zpracovací náklady jako faktor, ovlivňují výši NVN z 88 % u jednokošových taveb a z 65 % u dvoukošových taveb. Závislost NVN na zpracovacích nákladech = 0,001133x2-6,887x Závislost NVN na zpracovacích nákladech = - 0,002108x2 + 17,63x P-hodnota = 0,000 R-Sq = 87,6% P-hodnota = 0,009 R-Sq = 65% Obr. 2a: Závislost NVN na zpracovacích nákladech, 1 koš Obr. 2b: Závislost NVN na zpracovacích nákladech, 2 koše Posouzení závislosti NVN na spotřebě elektrické energie p-hodnota: 0,000 (1 koš); 0,204 (2 koše) 79,5 % (1 koš); 32,8 % (2 koše) Regresní rovnice: kvadratická v obou případech 5
6 Teorie a praxe výroby a zpracování oceli 2011 U souboru jednokošových taveb (Obr. 3a), kdy p-hodnota 0,05, existuje funkční závislost veličiny Y (NVN) na X (spotřeba el. energie). Náklady na spotřebu el. energie ovlivňují výši NVN téměř z 80 %. U druhého souboru (Obr. 3b) byla zjištěna p-hodnota větší, než zvolená hladina významnosti tudíž nepřijímáme nulovou hypotézu H 0. Konstatujeme, že u tohoto souboru nebyla funkční závislost veličiny Y (NVN) na X (spotřeba el. energie) prokázána. R-Sq má nízkou hodnotu 32,8 %. Tento stav mohl být zapříčiněn např. jinými pracovními postupy, odlišným energetickým režimem, apod. Závislost NVN na spotřebě elektrické energie = 0,04212x2-52,07x Závislost NVN na spotřebě elektrické energie = - 0,2704x ,8x P-hodnota = 0,000 R-Sq = 79,5% P-hodnota = 0,204 R-Sq = 32,8% Spotřeba elektrické energie [kwh/t] Spotřeba elektrické energie [kwh/t] Obr. 3a: Závislost NVN na spotřebě elektrické energie, 1 koš Posouzení závislosti NVN na hmotnosti tekutého kovu p-hodnota: 0,005 (1 koš); 0,117 (2 koše) 65,5 % (1 koš); 20,8 % (2 koše) Regresní rovnice: kvadratická (1 koš), lineární (2 koše) Obr. 3b: Závislost NVN na spotřebě elektrické energie, 2 koše V případě taveb sázených jedním košem (Obr. 4a) můžeme na základě p-hodnoty 0,005 říci, že funkční závislost veličiny Y (NVN) na X (hmotnost tekutého kovu) existuje. Hodnota R-Sq značí, že hmotnost vyrobeného tekutého kovu ovlivňuje výši NVN téměř z 66 %. U taveb sázených dvěma koši (Obr. 4b) existence závislosti nebyla prokázána (p-hodnota 0,117 0,05). Z hodnoty indexu determinace (21 %) je patrné, že hmotnost tekutého kovu není významným faktorem. Závislost NVN na hmotnosti tekutého kovu = 0,000074x2-1,244x Závislost NVN na hmotnosti tekutého kovu = - 0,2343x P-hodnota = 0,005 R-Sq = 65,5% P-hodnota = 0,117 R-Sq = 20,8% Hmotnost tekutého kovu [kg/tav] Hmotnost tekutého kovu [kg/tav] Obr. 4a: Závislost NVN na hmotnosti tekutého kovu, 1 koš Posouzení závislosti NVN na době tavby p-hodnota: 0,166 (1 koš); 0,295 (2 koše) 30,1 % (1 koš); 21,7 % (2 koše) Obr. 4b: Závislost NVN na hmotnosti tekutého kovu, 2 koše 6
7 Teorie a praxe výroby a zpracování oceli 2011 Regresní rovnice: kvadratická v obou případech Jak je z bodových grafů na Obr. 5a, 5b i z p-hodnot obou souborů taveb (0,166;0,295) patrné, závislost mezi NVN a době tavby není prokázána. Taktéž R-Sq (30 %; 22 %) je nízké a signalizuje, že se v případě doby tavby nejedná o ovlivňující faktor. Závislost NVN na době tavby = - 0,1089x2 + 19,50x Závislost NVN na době tavby = 0,9262x2-277,5x P-hodnota = 0,166 R-Sq = 30,1% P-hodnota = 0,295 R-Sq = 21,7% Doba tavby [min/tav] Doba tavby [min/tav] Obr. 5a: Závislost NVN na době tavby, 1 koš Obr. 5b: Závislost NVN na době tavby, 2 koše 3.4 Druhé šetření (závisle proměnná (Y) = zpracovací náklady) Ve druhém šetření byly zkoumány vazby mezi zpracovacími náklady a vybranými nezávisle proměnnými: 1) Zpracovací náklady = f (Materiálové náklady) 2) Zpracovací náklady = f (Spotřeba el. energie) 3) Zpracovací náklady = f (Hmotnost tekutého kovu) 4) Zpracovací náklady = f (Doba tavby) Posouzení závislosti zpracovacích nákladů na materiálových nákladech p-hodnota: 0,011 (1 koš); 0,062 (2 koše) 59,4 % (1 koš); 46,1 % (2 koše) Regresní rovnice: kvadratická v obou případech U prvního posuzovaného souboru taveb (Obr. 6a) je p-hodnota menší než zvolená hladina významnosti (0,05) Zamítáme nulovou hypotézu H 0 o neexistenci závislosti veličiny Y (zpracovací náklady) na X (materiálové náklady). To znamená, že náklady na vsázku, kovové a nekovové přísady ovlivňují výši zpracovacích nákladů. Materiálové náklady jako faktor dle R-Sq, ovlivňují výši zpracovacích nákladů z 59 %. U druhého souboru taveb (Obr. 6b) závislost zpracovacích nákladů na materiálových nákladech nebyla prokázána. Index determinace má vyšší hodnotu, a to 46 % Závislost zpracovacích nákladů na materiálových nákladech = 0,001299x2-17,74x Materiálové náklady [Kč/t] P-hodnota = 0,011 R-Sq = 59,4% Závislost zpracovacích nákladů na materiálových nákladech = - 0,000381x2 + 5,682x Materiálové náklady [Kč/t] P-hodnota = 0,062 R-Sq = 46,1% Obr. 6a: Závislost NVN na materiálových nákladech, 1 koš Obr. 6b: Závislost NVN na materiálových nákladech, 2 koše 7
8 Teorie a praxe výroby a zpracování oceli Posouzení závislosti zpracovacích nákladů na spotřebě el. energie p-hodnota: 0,000 (1 koš); 0,003 (2 koše) 90,8 % (1 koš); 65,1 % (2 koše) Regresní rovnice: lineární v obou případech Závislost zpracovacích nákladů na spotřebě el. energie je zde prokázána u obou výběrových souborů (Obr. 7a, 7b). Obě p-hodnoty jsou menší než zvolená hladina významnosti Spotřeba el. energie u taveb sázených jedním košem ovlivňuje výši zpracovacích nákladů z 91 %. Spotřeba el. energie dvoukošových taveb je ovlivňujícím faktorem z 65 %. Závislost zpracovacích nákladů na spotřebě elektrické energie = 5,357x - 89, Spotřeba elektrické energie [kwh/t] P-hodnota = 0,000 R-Sq = 90,8% Závislost zpracovacích nákladů na spotřebě elektrické energie = 5,647x - 351, Spotřeba elektrické energie [kwh/t] P-hodnota = 0,003 R-Sq = 65,1% Obr. 7a: Závislost zpracovacích nákladů na spotřebě elektrické energie, 1 koš Obr. 7b: Závislost zpracovacích nákladů na spotřebě elektrické energie, 2 koše Posouzení závislosti zpracovacích nákladů na hmotnosti tekutého kovu p-hodnota: 0,006 (1 koš); 0,132 (2 koše) 63,6 % (1 koš); 48,5 % (2 koše) Regresní rovnice: kvadratická (1 koš), kubická (2 koše) Závislost zpracovacích nákladů na hmotnosti tekutého kovu byla prokázána pouze u výběrového souboru jednokošových taveb (Obr. 8a). Na základě p-hodnoty 0,006 byla zamítnuta nulová hypotéza H 0 (o neexistenci závislosti). Hmotnost tekutého kovu ovlivňuje výši zpracovacích nákladů téměř z 64 %. V druhém případě (Obr. 8b) byla zjištěna p-hodnota vyšší než hladina významnosti, a to 0,132. Nelze tedy říct, že v případě dvoukošových taveb, závislost veličiny Y (zpracovací náklady) na X (hmotnost tekutého kovu) existuje. Hmotnost tekutého kovu u dvoukošových taveb ovlivňuje výši zpracovacích nákladů z 49 % Závislost zpracovacích nákladů na hmotnosti tekutého kovu = 0,000070x2-1,030x Hmotnost tekutého kovu [kg/tav] P-hodnota = 0,006 R-Sq = 63,6% Závislost zpracovacích nákladů na hmotnosti tekutého kovu = - x3 + 0,001667x2-10,74x Hmotnost tekutého kovu [kg/tav] P-hodnota = 0,132 R-Sq = 48,5% Obr. 8a: Závislost zpracovacích nákladů na hmotnosti tekutého kovu, 1 koš Obr. 8b: Závislost zpracovacích nákladů na hmotnosti tekutého kovu, 2 koše 8
9 Teorie a praxe výroby a zpracování oceli Posouzení závislosti zpracovacích nákladů na době tavby p-hodnota: 0,334 (1 koš); 0,387 (2 koše) 19,7 % (1 koš); 30,1 % (2 koše) Regresní rovnice: kvadratická (1 koš), kubická (2 koše) Vzhledem k zjištěným p-hodnotám konstatujeme, že závislost zpracovacích nákladů na době tavby nebyla prokázána ani u jednoho výběrového souboru taveb (Obr. 9a, 9b). Vliv doby tavby jako faktoru na výši zpracovacích nákladů je u jednokošových taveb z 20 %, u dvoukošových taveb z 30 %. Závislost zpracovacích nákladů na době tavby = - 0,0914x2 + 20,98x Závislost zpracovacích nákladů na době tavby = 0,02089x3-9,560x x P-hodnota = 0,334 R-Sq = 19,7% P-hodnota = 0,387 R-Sq = 30,1% Doba tavby [min/tav] Doba tavby [min/tav] Obr. 9a: Závislost zpracovacích nákladů na době tavby, 1 koš Obr. 9b: Závislost zpracovacích nákladů na době tavby, 2 koše 4. SHRNUTÍ Předkládaný příspěvek se věnuje oblasti hledání a posuzování statistických závislostí v procesu výroby tekutého kovu. Dosažené výsledky šetření závislosti NVN na nezávisle proměnných jsou shrnuty v Tab. 1. a výsledky šetření závislosti zpracovacích nákladů na nezávisle proměnných v Tab. 2. Tab. 1: Souhrn výsledků šetření závislosti NVN na nezávisle proměnných Nezávisle proměnná Tavby (1 koš) Tavby (2 koše) R-Sq % p-hodnota závislost R-Sq % p-hodnota závislost Materiálové náklady 86,7 0,000 ANO 90,9 0,000 ANO Zpracovací náklady 87,6 0,000 ANO 65 0,009 ANO Spotřeba el. energie 79,5 0,000 ANO 32,8 0,204 NE Hmotnost tek. kovu 65,5 0,005 ANO 20,8 0,117 NE Doba tavby 30,1 0,166 NE 21,7 0,295 NE Jak je uvedeno v Tab. 1, závislost NVN na materiálových nákladech a na zpracovacích nákladech byla nalezena u obou posuzovaných souborů. Výše NVN u jednokošových taveb je závislá také na spotřebě el. energie a na hmotnosti vyrobeného tekutého kovu. U dvoukošových taveb tyto závislosti nebyly prokázány. Mezi dominantní faktory, vedle logicky nalezených materiálových a zpracovacích nákladů, ovlivňující výši NVN pak patří u jednokošových taveb také spotřeba el. energie a hmotnost tekutého kovu. U obou těchto položek přesahuje R-Sq 50 %. 9
10 Teorie a praxe výroby a zpracování oceli 2011 Tab. 2: Souhrn výsledků šetření závislosti zpracovacích nákladů na nezávisle proměnných Nezávisle proměnná Tavby (1 koš) Tavby (2 koše) R-Sq % p-hodnota závislost R-Sq % p-hodnota závislost Materiálové náklady 59,4 0,011 ANO 46, NE Spotřeba el. energie 90,8 0,000 ANO 65,1 0,003 ANO Hmotnost tek. kovu 63,6 0,006 ANO 48,5 0,132 NE Doba tavby 19,7 0,334 NE 30,1 0,387 NE U druhého šetření (viz Tab. 2), byla opět logicky nalezena závislost zpracovacích nákladů na spotřebě el. energie, a to u obou posuzovaných souborů. U jednokošových taveb jsou zpracovací náklady závislé také na materiálových nákladech a hmotnosti tekutého kovu. U dvoukošových taveb se další závislosti neprokázaly. Dominantním faktorem ovlivňující výši zpracovacích nákladů, vedle spotřeby el. energie, je hmotnost tekutého kovu a materiálové náklady, obojí u jednokošových taveb. V předkládaném materiálu, který považujeme za úvod do dané problematiky, jsme uvedli pouze některé zkoumané závislosti. Téma se v současné době podrobně zpracovává. Před vlastní interpretací získaných výsledků, budou provedena další sledování závislostí obdobného charakteru. Bude se jednat kupříkladu o obdobné závislosti pro různé taviče. Dále tavby vyráběné při jiné době prostoje (kupříkladu nad 50 min). Chceme také posoudit možné vazby mezi naturálními veličinami jako je doba tavby, spotřeba elektrické energie, hmotnost tavby apod. Poté zkusíme prošetřit stejné závislosti pro druhou pec EOP2. Potom bychom chtěli dát do souvislostí výsledky sledovaných závislostí s variabilitou sledovaných hodnot. A zejména posoudíme soulad naznačených závislostí s praktickými zkušenostmi. Samozřejmě se budeme muset dotknout skutečnosti, jak dalece mohou být použité výběrové soubory reprezentativní pro naznačení možných závěrů apod. O dalších výsledcích bude odborná veřejnost následně informována. SEZNAM LITERATURY [1] FIGALA, V. Vývoj a aplikace metody technicko-ekonomické analýzy při výrobě tekutého kovu na elektrických pecích. Disertační práce, rukopis, únor 2011, VŠB-TU Ostrava. [2] FIGALA, V., KAFKA, V. Systém technicko-ekonomické analýzy výroby tekutého kovu - cesta ke snižování nákladů. In Sborník 47 Slévárenské dny a 7. Mezinárodní PhD konference, , Brno. Brno: VUT Fakulta strojního inženýrství, s. 45. ISBN CD - ROM. [3] KAFKA, V., FIGALA, V., VESELÝ, P., VAVRINEC, P., KOUDELKA, M., SOUKUP, F., NYKODÝMOVÁ, V., FIRKOVÁ, L. Závěrečná zpráva - Technickoekonomická analýza výroby oceli v podmínkách DSB EURO, s.r.o. [4] KUBANOVÁ, J. Statistické metody pro ekonomickou a technickou praxi. Bratislava: Statis, s. ISBN [5] HENDL, J. Přehled statistických metod zpracování dat: analýza a metaanalýza dat. 1.vyd. Praha: Portál, 2004, 583 s. ISBN
Závěry technicko-ekonomické analýzy výroby tekutého kovu v podmínkách slévárny DSB EURO, s.r.o., Blansko první část
Závěry technicko-ekonomické analýzy výroby tekutého kovu v podmínkách slévárny DSB EURO, s.r.o., Blansko první část Firková, L. 1), Kafka, V. 2), Veselý, P. 3), Figala, V. 4), Vavrinec, P. 5), Koudelka,
Hledání závislostí technologických a nákladových charakteristik při tavení oceli na elektrických obloukových pecích
Hledání závislostí technologických a nákladových charakteristik při tavení oceli na elektrických obloukových pecích Firková, L. 1), Kafka, V. 2), Figala, V. 3), Herzán, M. 4), Nykodýmová, V. 5) 1) VŠB
POUŽITÍ TECHNICKO EKONOMICKÉ ANALYZY U TEKUTÉHO KOVU
POUŽITÍ TECHNICKO EKONOMICKÉ ANALYZY U TEKUTÉHO KOVU Václav Figala a Václav Kafka b a) VŠB-TU Ostrava, FMMI, Katedra slévárenství,. listopadu, Ostrava Poruba, ČR, figala@volny.cz b) RACIO&RACIO, Vnitřní,
SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ
SYSTÉM TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU - CESTA KE SNIŽOVÁNÍ NÁKLADŮ FIGALA V. a), KAFKA V. b) a) VŠB-TU Ostrava, FMMI, katedra slévárenství, 17. listopadu 15, 708 33 b) RACIO&RACIO, Vnitřní
NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH. Václav Figala a Sylvie Žitníková b Václav Kafka c
NĚKTERÉ ZÁVĚRY Z ÚVODNÍ NÁKLADOVÉ ANALÝZY VÝROBY TEKUTÉHO KOVU V ŠESTI SLÉVÁRNÁCH Václav Figala a Sylvie Žitníková b Václav Kafka c a) VŠB-TU Ostrava, FMMI, Katedra slévárenství, 17. listopadu 15, 708
Technická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
VÝCHODISKA TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU BASIS OF THE TECHNICAL AND ECONOMIC ANALYSIS IN LIQUID METAL PRODUCTION
Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2009, ročník LII, řada hutnická článek č. XXXX VÝCHODISKA TECHNICKO-EKONOMICKÉ ANALÝZY VÝROBY TEKUTÉHO KOVU BASIS
Přístupy a možnosti vedoucí ke snižování nákladů ve slévárnách
Přístupy a možnosti vedoucí ke snižování nákladů ve slévárnách Nykodýmová, V. 1), Kafka, V. 2) 1) DSB EURO, s.r.o., Gellhornova 18, 678 01 Blansko, ČR, veronika.nykodymova@dsbblansko.cz 2) Racio & Racio,
INDUKTIVNÍ 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
TECHNICKÁ UNIVERZITA V LIBERCI. Statistický rozbor dat z dotazníkového šetření
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Analýza výsledků dotazníkového šetření - fakultní dotazník Vypracovaly: Klára Habrová,
Plánování 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
Korelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
KORELACE. 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
MÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
Testování statistických hypotéz
Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,
VYTVOŘENÍ KOMPLEXNÍHO NÁKLADOVÉHO MODELU VÝROBY ODLITKU. Lenka FIRKOVÁ, Václav KAFKA
VYTVOŘENÍ KOMPLEXNÍHO NÁKLADOVÉHO MODELU VÝROBY ODLITKU Lenka FIRKOVÁ, Václav KAFKA VŠB Ostrava, FMMI, Ostrava, Česká republika, EU, lenka.firkova@gmail.com RACIO & RACIO, Orlová, Česká republika, EU,
Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina
Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi
Statistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368
Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540
Regresní analýza. Eva Jarošová
Regresní analýza Eva Jarošová 1 Obsah 1. Regresní přímka 2. Možnosti zlepšení modelu 3. Testy v regresním modelu 4. Regresní diagnostika 5. Speciální využití Lineární model 2 1. Regresní přímka 3 nosnost
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.
DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica
DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci
SEMESTRÁLNÍ 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
Testy statistických hypotéz
Testy statistických hypotéz Statistická hypotéza je jakýkoliv předpoklad o rozdělení pravděpodobnosti jedné nebo několika náhodných veličin. Na základě náhodného výběru, který je reprezentativním vzorkem
Ilustrační příklad odhadu LRM v SW Gretl
Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015
Testování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
Testování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
Sever Jih Západ Plechovka Točené Sever Jih Západ Součty Plechovka Točené Součty
Neparametrické testy (motto: Hypotézy jsou lešením, které se staví před budovu a pak se strhává, je-li budova postavena. Jsou nutné pro vědeckou práci, avšak skutečný vědec nepokládá hypotézy za předmětnou
Korelace. 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
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
TECHNICKÁ 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
Regresní 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
Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ
Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ Ing. Dana Trávníčková, PaedDr. Jana Isteníková Funkční gramotnost je používání čtení a psaní v životních situacích. Nejde jen o elementární
You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
TECHNICKÁ 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
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
Kalibrace a limity její přesnosti
Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015
TECHNICKÁ UNIVERZITA V LIBERCI. Ekonomická fakulta. Semestrální práce. Statistický rozbor dat z dotazníkového šetření školní zadání
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření školní zadání Skupina: 51 Vypracovaly: Pavlína Horná, Nikola Loumová, Petra Mikešová,
Aplikovaná statistika v R - cvičení 2
Aplikovaná statistika v R - cvičení 2 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.6.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.6.2014 1 / 18 Přehled Rkových
You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Testování statistických hypotéz Testování statistických hypotéz Princip: Ověřování určitého předpokladu zjišťujeme, zda zkoumaný výběr pochází ze základního souboru, který má určité rozdělení zjišťujeme,
Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky
Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Testování hypotéz Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
Návrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
JEDNOVÝBĚROVÉ 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
Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y Xβ ε Předpoklady: Matice X X n,k je matice realizací. Předpoklad: n > k, h(x) k - tj. matice
4ST201 STATISTIKA CVIČENÍ Č. 7
4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Vzorová 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
Testování hypotéz. 4. přednáška 6. 3. 2010
Testování hypotéz 4. přednáška 6. 3. 2010 Základní pojmy Statistická hypotéza Je tvrzení o vlastnostech základního souboru, o jehož pravdivosti se chceme přesvědčit. Předem nevíme, zda je pravdivé nebo
LINEÁRNÍ REGRESE. Lineární regresní model
LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Cvičící Kuba Kubina Kubinčák Body u závěrečného testu
1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.
ZMĚNY V PARAMETRECH ELEKTRICKÝCH OBLOUKOVÝCH PECÍ V POSLEDNÍCH 45 LETECH SE ZAMĚŘENÍM NA NOMINÁLNÍ HMOTNOST 5 T
3. -.., Karlova Studánka ZMĚNY V PARAMETRECH ELEKTRICKÝCH OBLOUKOVÝCH PECÍ V POSLEDNÍCH LETECH SE ZAMĚŘENÍM NA NOMINÁLNÍ HMOTNOST T Martin MRÁZEK ), Václav KAFKA ) ) VŠB TU Ostrava, Fakulta metalurgie
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
Lineární 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
TECHNICKÁ 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
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
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
TESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B
TESTOVÁNÍ HYPOTÉZ Od statistického šetření neočekáváme pouze elementární informace o velikosti některých statistických ukazatelů. Používáme je i k ověřování našich očekávání o výsledcích nějakého procesu,
Tab. A.1.1: Porovnání skutečné a standardní spotřeby tekutého kovu, jakosti Br1,Br10/12, CuAl45 Poř. č. tavby
Tab. A.1.1: Porovnání skutečné a standardní spotřeby tekutého kovu, jakosti Br1,Br10/12, CuAl45 Poř. č. tavby 1. 2. 3. Č. tavby 984 985 986 Jakost BR10/12 Br10 : Br12 = 100 : 233 - OPTI) Br1 CuAl45 Datum
Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 3 Jak a kdy použít parametrické a
ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY
ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech men in the field of information security - the results of statistical analysis
(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
Matematické modelování Náhled do ekonometrie. Lukáš Frýd
Matematické modelování Náhled do ekonometrie Lukáš Frýd Výnos akcie vs. Výnos celého trhu - CAPM model r it = r ft + β 1. (r mt r ft ) r it r ft = α 0 + β 1. (r mt r ft ) + ε it Ekonomický (finanční model)
Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.
Problematika analýzy rozptylu Ing. Michael Rost, Ph.D. Úvod do problému Již umíte testovat shodu dvou středních hodnot prostřednictvím t-testů. Otázka: Jaké předpoklady musí být splněny, abyste mohli použít
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
Úloha 1: Lineární kalibrace
Úloha 1: Lineární kalibrace U pacientů s podezřením na rakovinu prostaty byl metodou GC/MS měřen obsah sarkosinu v moči. Pro kvantitativní stanovení bylo nutné změřit řadu kalibračních roztoků o různé
{ } ( 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
LINEÁRNÍ 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
MATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
Statistika. Testování hypotéz statistická indukce Úvod do problému. Roman Biskup
Statistika Testování hypotéz statistická indukce Úvod do problému Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by Birom
10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
SOUČASNÝ STAV A PERSPEKTIVY ZAVÁDĚNÍ METODY PRŮBĚŽNÉHO SLEDOVÁNÍ NÁKLADŮ V NAŠICH OCELÁRNÁCH
SOUČASNÝ STAV A PERSPEKTIVY ZAVÁDĚNÍ METODY PRŮBĚŽNÉHO SLEDOVÁNÍ NÁKLADŮ V NAŠICH OCELÁRNÁCH CURRENT STATE AND PERSPECTIVES OF IMPLEMENTATION THE METHOD OF CONTINUOUS FOLLOWING OF THE COSTS IN CZECH STEELWORKS
Pearsonův 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
NOVÉ VÝROBNÍ TECHNOLOGIE VYBRANÝCH JAKOSTÍ SE ZAMĚŘENÍM NA SNÍŽENÍ VÝROBNÍCH NÁKLADŮ
NOVÉ VÝROBNÍ TECHNOLOGIE VYBRANÝCH JAKOSTÍ SE ZAMĚŘENÍM NA SNÍŽENÍ VÝROBNÍCH NÁKLADŮ a Miloš MASARIK, b Libor ČAMEK, a Jiří DUDA, a Zdeněk ŠÁŇA a EVRAZ VÍTKOVICE STEEL, a. s., Štramberská 2871/47, Czech
SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní
ŘEŠENÍ PRAKTICKÝCH ÚLOH UŽITÍM SOFTWARE STAT1 A R Obsah 1 Užití software STAT1 1 2 Užití software R 3 Literatura 4 Příklady k procvičení 6 1 Užití software STAT1 Praktické užití aplikace STAT1 si ukažme
Jarqueův a Beryho test normality (Jarque-Bera Test, JB test)
Jarqueův a Beryho test normality (Jarque-Bera Test, JB test) Autoři: Carlos M. Jarque and Anil K. Bera Předpoklady: - Výběrová data mohou obsahovat chybějící pozorování (chybějící hodnoty) vhodné zejména
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie
UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek
Testování hypotéz. testujeme (většinou) tvrzení o parametru populace. tvrzení je nutno předem zformulovat
Testování hypotéz testujeme (většinou) tvrzení o parametru populace tvrzení je nutno předem zformulovat najít odpovídající test, podle kterého se na základě informace z výběrového souboru rozhodneme, zda
31. 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
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu
Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech
Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času
Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti
Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti 3.3 v analýze dat Autor práce: Přednášející: Prof. RNDr. Milan Meloun, DrSc Pro
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
Statistické metody uţívané při ověřování platnosti hypotéz
Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy
Statistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
ZMĚNY PARKU ELEKTRICKÝCH OBLOUKOVÝCH PECÍ V POSLEDNÍCH 45 LETECH V ČESKÉ A SLOVENSKÉ REPUBLICE
. -.., Karlova Studánka ZMĚNY PARKU ELEKTRICKÝCH OBLOUKOVÝCH PECÍ V POSLEDNÍCH LETECH V ČESKÉ A SLOVENSKÉ REPUBLICE Martin MRÁZEK ), Václav KAFKA ), Lenka FIRKOVÁ ), Václav FIGALA ) ) VŠB TU Ostrava, Fakulta