ANALÝZA STRUKTURY KLIENTŮ ČESKÉ SPOŘITELNY POMOCÍ ČASOVÝCH ŘAD

Rozměr: px
Začít zobrazení ze stránky:

Download "ANALÝZA STRUKTURY KLIENTŮ ČESKÉ SPOŘITELNY POMOCÍ ČASOVÝCH ŘAD"

Transkript

1 VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA STRUKTURY KLIENTŮ ČESKÉ SPOŘITELNY POMOCÍ ČASOVÝCH ŘAD ANALYSIS OF THE STRUCTURE OF CZECH SAVINGS BANK CUSTOMERS USING TIME SERIES BAKALÁŘSKÁ PRÁCE BACHELOR'S THESIS AUTOR PRÁCE AUTHOR VEDOUCÍ PRÁCE SUPERVISOR MICHAELA MAŠKOVÁ Mgr. VERONIKA NOVOTNÁ, Ph.D. BRNO 00

2 Vysoké učeí techcké v Brě Akademcký rok: 009/00 Fakulta podkatelská Ústav formatky ZADÁNÍ BAKALÁŘSKÉ PRÁCE Mašková Mchaela Maažerská formatka (609R0) Ředtel ústavu Vám v souladu se zákoem č./998 o vysokých školách, Studjím a zkušebím řádem VUT v Brě a Směrcí děkaa pro realzac bakalářských a magsterských studjích programů zadává bakalářskou prác s ázvem: Aalýza struktury kletů České spořtely pomocí časových řad v aglckém jazyce: Aalyss of the Structure of Czech Savgs Bak Customers Usg Tme Seres Úvod Vymezeí problému a cíle práce Teoretcká východska práce Aalýza problému a současé stuace Vlastí ávrhy řešeí, příos ávrhů řešeí Závěr Sezam lteratury Přílohy Pokyy pro vypracováí: Podle 60 zákoa č. /000 Sb. (autorský záko) v platém zěí, je tato práce "Školím dílem". Využtí této práce se řídí právím režmem autorského zákoa. Ctace povoluje Fakulta podkatelská Vysokého učeí techckého v Brě. Podmíkou exterího využtí této práce je uzavřeí "Lcečí smlouvy" dle autorského zákoa.

3 Sezam odboré lteratury: ANDĚL, J. Základy matematcké statstky.vyd.. Praha : Matfyzpress, 007. ISBN CIPRA, T. Aalýza časových řad s aplkacem v ekoom..vyd. Praha: SNTL, 986. ISBN X CIPRA, T. Fačí matematka v prax.. vyd., Praha : HZ, 993. ISBN KROPÁČ, J. Statstka B..vyd. Bro: Vysoké učeí techcké v Brě, 006. ISBN SHARPE, W. F.; ALEXANDER, G.J. Ivestce. 4. vyd. Praha : Vctora Publshg, 994. ISBN Vedoucí bakalářské práce: Mgr. Veroka Novotá, Ph.D. Termí odevzdáí bakalářské práce je staove časovým pláem akademckého roku 009/00. L.S. Ig. Jří Kříž, Ph.D. Ředtel ústavu doc. RNDr. Aa Putová, Ph.D., MBA V Brě, de

4 Aotace Tato bakaláská práce se zabývá aalýzou potu klet v eské spotel. V teoretcké ást jsou defováy statstcké metody, potebé k jedotlvým výpotm a základí pojmy v oblast bakovctví. Praktcká ást je poté vováa samoté aalýze vývoje potu klet za uplyulé období v porováí s kokurecí a ásledé predkc budoucího vývoje. Aotato Ths bachelor work deals wth aalyze the umber of clets the Czech Savg Bak. I the theoretcal parts are defed statstcal methods eeded for dvdual calculatos ad basc cocept of bakg. The practcal part s dedcated to the aalyss of the actual develompet of clets for the past perod comparso wth compettors ad the predcto of future develompet. Klíová slova asové ady, regresí aalýza, progózy, klet, kokurece. Keywords Tme seres, regresso aalyss, forecastg, customers, competto.

5 Bblografcká ctace práce: MAŠKOVÁ, M. Aalýza struktury kleteské spotely pomocí asových ad. Bro: Vysoké ueí techcké v Br, Fakulta podkatelská, s. Vedoucí bakaláské práce Mgr. Veroka Novotá, Ph.D.

6 esté prohlášeí Prohlašuj, že pedložeá bakaláská práce je pvodí a zpracovala jsem j samostat za použtí odboré lteratury a jých zdroj, zde uvedeých. Prohlašuj, že ctace použtých prame je úplá, že jsem ve své prác eporušla autorská práva (ve zí Zákoa./000 Sb. o právu autorském a o právech souvsejících s právem autorským). V Br de podps

7 Podkováí Chtla bych tímto podkovat Mgr. Veroce Novoté, Ph.D. za trplvé vedeí mé bakaláské práce a za všechy její ávrhy, rady ppomíky p jejím zpracováí. Dále bych také ráda podkovala vedeí eské spotely v pobokách v Perov a v Br, kde jsem mla možost erpat sprac, a pomoc zamstac m byla velkým píosem.

8 Obsah ÚVOD... 0 TEORETICKÁ ÁST.... BANKOVNÍ POJMY..... Klet..... Platebí karta Kredtí karta Úvr Úrok Bžý úet Sporožrový úet Bakoví poboka ASOVÉ ADY Základí pojmy asové ady tervalové asové ady okamžkové Charakterstky asových ad Dekompozce asových ad Pops tredu pomocí regresí aalýzy Metoda klouzavých prmr REGRESNÍ ANALÝZA Regresí pímka Vlastost koefcet regresí pímky Klascký leárí model Volba regresí fukce Neleárí regresí modely Learzovatelé fukce Specálí elearzovatelé fukce HISTORIE A SOUASNOST spoleost Produkty a služby Úty a karty Úvry Bydleí... 35

9 .4..4 Spoeí a vestováí Pojští KONKURENCE SOB Komerí baka PRAKTICKÁ ÁST Aalýza potu kleteské SPOITELNY za jedotlvá období Prví dferece a prmr prví dferece Koefcet rstu a prmr koefcetu rstu Vyrováí klouzavým prmry Aalýza potu kletsob za jedotlvá období Prví dferece a prmr prví dferece Koefcet rstu a prmr koefcetu rstu Vyrováí klouzavým prmry Aalýza potu klet KB za jedotlvá období Prví dferece a prmr prví dferece Koefcet rstu a prmr koefcetu rstu Vyrováí regresí pímkou CELKOVÉ ZHODNOCENÍ ZÁVR SEZNAMY Sezam použtých zdroj Sezam tabulek Sezam graf... 59

10 ÚVOD eská spotela, a. s. je jeda z ejvýzamjších bakovích sttucí v eské republce. Na ašem trhu psobí jž adu let a za tuto dobu s vydobyla velm slé postaveí a trhu, které s chce adále udržet. Svou stabltu a kokureceschopost upevla lestvím baky Erste Group, jež patí mez ejvtší poskytovatele faích služeb ve stedí Evrop. Jedím z ejdležtjších cíl této sttuce je eustálé zkvaltováí svých produkt a služeb a zefektvováí pracovích proces. Ve své prác zhodotím jedotlvé roky, dle potu kleteské spotely, tedy jak se ml poet tchto klet a co bylo hlaví píou zmy. Provedu ásledou aalýzu potu klet pomocí asových ad a zhodotím celé sledovaé období. Získaé výsledky porovám s kokurecí. Za ejvtší kokurety v souasé dob lze považovat Komerí baku a SOB, z hledska poskytovaých služeb a potu klet. Pokusím se staovt progózu do budouca, jak by mla eská spotela postupovat, a co by se mla zamt ejvíce, aby upevla své postaveí a udržela s tak své prveství a trhu adále. 0

11 TEORETICKÁ ÁST. BANKOVNÍ POJMY.. Klet Osoba, pro kterou jsou veškeré bakoví služby urey. Tedy takový zákazík bakovích sttucí. Každá bakoví sttuce dbá pedevším a pohodlí a spokojeost svých klet. Cílem je vzbudt dvru v kletov a vytvot s a udržet s ím dlouhodobý vztah. Na pracovšt v bace je ejdležtjší osobou klet, a je fyzcky pítome ebo je obsluhová kterým z alteratvích dstrbuích kaál. Klet ejsou a bace závslí, baka je závslá a ch... Platebí karta Platebí kartou se rozumí platebí ástroj, který slouží k pokrytí výdaj vyaložeých samotým klety p platebích operacích, které sam provádjí, souástí je výbr hotovost. V souasé dob je platebí karta ezbytým doplkem každé baky bakoví sttuce. Platebí karta je platebí strumet ve form plastové karty, splující mezárodí formálí kvaltatví krtera, vydaá oprávým vydavatelem oprávému držtel, který jejím prostedctvím mže provádt bakoví úhrady a výbr hotovost. 3 zpracováo a základ lt. [] MELUZÍN, Václav, MELUZÍN, Tomáš. BANKOVNICTVÍ. Bro : AKADEMICKÉ NAKLADATELSTVÍ CERM, sv. (99, 99 s.). ISBN MELUZÍN, Václav, MELUZÍN, Tomáš. BANKOVNICTVÍ. Bro : AKADEMICKÉ NAKLADATELSTVÍ CERM, 008,. sv. (99, 99 s.). ISBN

12 ..3 Kredtí karta Prostedctvím kredtí karty lze erpat prostedky a úvr do výše, která byla ped tím sjedaá. zárove však v souladu s lmty pro rzé druhy trasakcí. Úvr je poté možo splatt bu ve výhodém bezúroém období (0% úrok), ebo ve splátkách s píslušým úrokem (msí postaí splatt staoveou mmálí splátku)...4 Úvr Úvr pedstavuje poskytutí peží ástky a urtou dobu za tzv. úrok. Úvr lze defovat jako zapjeí pežího kaptálu a sím spojeého práva dspoovat kaptálem prot závazku vrátt zapjeý kaptál vtel a vyplatt mu odmu za jeho zapjeí ve form úroku Úrok Úrokem se rozumí pežtá odma za pjeí faích prostedk. V tomto pípad je vtelem baka a klet je dlužíkem. Úrokové výosy jsou pro baku ejvýzamjším zdrojem tvorby zsku...6 Bžý úet Bžým útem se rozumí úet, který je ure k platebímu styku, kol k tvorb úspor. Baka jej zzuje a základ uzaveé smlouvy s kletem a provádí veškeré píkazy samotého kleta, tedy výplaty a platby. Úet je vede v eských koruách ebo v dohoduté czí m podle aktuálí abídky baky. 4 MELUZÍN, Václav, MELUZÍN, Tomáš. BANKOVNICTVÍ. Bro : AKADEMICKÉ NAKLADATELSVÍ CERM, 008. sv. (99, 99 s.). ISBN

13 ..7 Sporožrový úet Sporožrový úet je zvláštím druhem bžého útu, jehož majtelem mže být je fyzcká osoba. Je vede pouze v eské m a eí ure pro vklady, výplaty a platby souvsející s podkatelskou ostí kleta...8 Bakoví poboka Bakoví poboka je útvar, kde se odehrává obchodí styk s klety. Poboky provádjí ebo zprostedkovávají bakoví služby a operace, které zahrují pedevším píjem vklad a poskytutí úvru. 3

14 . ASOVÉ ADY 5.. Základí pojmy asové ady se využívají pro pops jev ekoomckých a spoleeských. Záps tchto jev se provádí pomocí asových ad. Ze získaých dat lze poté provádt jak samotou charakterstku dosavadího prbhu, tak progózovat vývoj v budoucost. asovou adou (kdy chroologckou adou) rozumíme adu hodot urtého ukazatele, uspoádaých z hledska prozeé asové posloupost. Ptom je uté, aby vcá ápl ukazatele jeho prostorové vymezeí byly shodé v celém sledovaém úseku. 6 asové ady dlíme a ady tervalové a okamžkové.... asové ady tervalové asové ady tervalové charakterzují kolk vcí, jev událostí vzklo popípad zaklo v urtém asovém useku, ebol tervalu. Píkladem mže být prmrá deí spoteba palva. Grafcké zázorí lze provádt ásledujícím zpsoby: sloupkový graf obdélíky, jejchž základy jsou shodé s délkou terval a výšky aopak rovy hodotám asové ady v píslušém tervalu. hlkový graf úseky, které jsou vyesey ze stedu tervalu o píslušé hodot asové ady. spojcový graf jedotlvé hodoty asové ady jsou vyesey ve stedech píslušých terval a spojey úsekam. 5 zpracováo a základ lt. [] 6 KROPÁ, Jí. STATISTIKA B. Bro : [s..], s. ISBN

15 ... asové ady okamžkové asové ady okamžkové sledují kolk vcí, jev událostí exstuje v urtém asovém okamžku. Grafcké zázorí u tohoto typu asové ady lze provádt výhrad spojcovým grafy. Hodoty ukazatel se spojí úsekam... Charakterstky asových ad Charakterstky asových používáme pedevším k tomu, abychom získal více formací o tchto asových adách. Z hledska jedoduchost sem adíme pedevším prmr asových ad, do kterého spadá: Prmr tervalové ady zaíme y, poítá se jako artmetcký prmr hodot asové ady v jedotlvých tervalech. Vypoet je dá vztahem: y = y = () kde zaí poet terval a x jedotlvé hodoty asové ady. Prmr okamžkové ady, azývaý též jako chroologcký prmr se rovž zaí y a prcp spoívá ve výpotu prmr v jedotlvých tervalech a jejch ásledé seteí. Pokud jsou tervaly stej dlouhé, zaí se teto prmr za evážeý chroologcký prmr. 5

16 Výpoet je dá vztahem: = + y y y y + () = K dalším charakterstkám popsu vývoje asové ady se adí pedevším prví dferece, azývaé též jako absolutí pírstky. Prví dferece se zaí d ( y) a vypoítávají se jako rozdíl dvou po sob jdoucích hodot asové ady. Výpoet je dá vztahem: d( y) = y y,,3,..., (3) = Prví dferece vyjadují pírstky hodoty asové ady, tedy o kolk se zmla její hodota v urtém okamžku resp. období oprot urtému okamžku resp. období bezprosted pedcházejícímu. Zjstíme-l, že prví dferece kolísají kolem kostaty, lze íc, že sledovaá ada má leárí tred, tz., že její vývoj lze popsat pímkou. Z prvích dferecí lze urt také prmr prvích dferecí, který se zaí jako d ( ) y a vyjaduje, o kolk se prmr zmla hodota asové ady za jedotkový asový terval. Výpoet je dá vztahem: ( ) = d y y d ( y) = = y (4) Koefcet rstu lze použít v pípad, že chceme zjstt rychlost rstu poklesu hodot asové ady. Zaí se k ( y) asové ady., a poítáme jej jako pomr dvou po sob jdoucích hodot 6

17 Výpoet je dá vztahem: y k ( y) =, =,3,...,. (5) y Obdob jako u prvích dferecí, lze v pípad koefcetu rstu vypoítat jeho prmr. Prmr koefcetu rstu, který se zaí k (y), popsuje prmrou zmu koefcet rstu za jedotkový asový terval. Výpoet je dá vtahem: y k ( y) = k ( y) = (6) = y..3 Dekompozce asových ad Zde s vysvtlíme, jak asovou adu rozkládáme a jedotlvé její složky. Jedím z ejpoužívajších zpsob pro rozklad asové ady tzv. adtví dekompozce, u íž lze hodoty y asové ady vyjádt pomocí soutu. Výpoet je dá vztahem: y = T + C + S + e, =,,..., (7) kde jedotlvé sítace v ase t vyjadují: T -tredovou složku S -sezóí složku C -cyklckou složku e -áhodou složku 7

18 Pojem asová ada pedstavuje urtý tred, který je ásled ovlvová ostatím složkam, jež se a j postup abalují. Rozklad, tzv. dekompozceasové ady a tyto složky je motvová skuteostí, že v jedotlvých složkách se sadj daí zjstt zákotost v chováí ady ež v pvodí erozdleé ad. U kterých asových ad mže astat stuace, kdy ejsou zastoupey všechy výše zmovaé složky, ale pouze je které. Pops jedotlvých složek: Tred vyjaduje tedec dlouhodobého vývoje sledovaého ukazatele v ase. Vzká v dsledku systematcky psobících sl ve stejém smru. Opakem tredu je asová ada bez tredu, kdy je ukazatel zvoleé asové ady v prbhu sledováí a stejé úrov, popípad kolem této úrov mír kolísá. Sezóí složka ám udává perodcké zmy v asové ad, které se odehrávají bhem roku a každý rok se opakují. Tyto zmy jsou pedevším zpsobey stídáím roích období, ldským faktory, týkající se ekoomcké aktvty ebo sem adíme zmy v objemu sezóího prodeje obchodího domu bhem roku. Pro výpoty jsou upedostováy msíí ebo tvrtletí meí. Cyklcká složka bývá zamováa za fluktuac okolo tredu, kde se stídá fáze rstu s fází poklesu. Tato fáze se mí pomocí rzých vjších vlv, adíme sem mmoekoomcké vlvy, které eí sadé zjšovat. Píkladem mohou být cyklcké zmy v mód vyvolávající cyklcké zmy v odbytu rzých odvtví odvího prmyslu. Rezduálí složka je tvoea áhodým pohyby v prbhu asové ady, jež emají systematcký a rozpozatelý charakter. Tato složka obsahuje také chyby v meí údajasové ady a které chyby v zaokrouhlováí, kterých se dopouštíme p vlastí aalýze asové ady. 8

19 ..3. Pops tredu pomocí regresí aalýzy Regresí aalýza je ejpoužívajším zpsobem popsu vývoje asové ady (vz kaptola.3). Umožuje jak vyrováí dat asové ady, tak progózu jejího dalšího vývoje. Pedpokládá se, že daou asová adu, jejíž hodoty jsou y, y,..., y, lze rozložt a složky tredovou a rezduálí: y = T + e, =,,...,. (8) Hlavím problémem je volba vhodého typu regresí fukce, který lze urt z grafckého zázamu prbhu asové ady ebo podle pedpokládaých vlastostí tredové složky, jež plye z ekoomckých teorí. Podrobj je regresí aalýza popsáa v kaptole Metoda klouzavých prmr Metodu klouzavých prmr, jež slouží pro pops tredu v asové ad, který mí svj charakter v ase, užjeme tehdy, elze-l použít vhodou matematckou fukc k jeho popsu. Exstuje kolk zpsob, jak lze vypoítat metody klouzavým prmry. Postup jedoho ze zpsobu lze popsat ásledov: Prvím pt sousedím hodotam asové ady proložíme polyom tetího stup. Jeho pomocí dále vypoítáme vyrovaé prví dv a prostedí hodotu této ptce. Poté se po asové ose posueme o jede asový terval doprava, dostaeme se tedy k další ptc hodot asové ady a tuto ptc proložíme ovým polyomem tetího stup a uríme její vyrovaou prostedí hodotu. Takto pokraujeme do té doby, dokud se edostaeme k posledí ptc hodot, u íž uríme pomocí polyomu tetího stup vyrovaou prostedí a dv posledí hodoty daé ptce. 9

20 Jž z ázvu metoda klouzavých prmr lze odvodt zpsob výpotu, kdy po asové ose jakoby kloužeme. Vzorce, podle chž vyrováváme hodoty asové ady, jsou uvedeé v kaptole regresí aalýzy.3. Pedpokladem je asová ada y,,..., y y, jejíž ley y lze rozložt a tredovou a áhodou složku, tedy: y = T + e, =,,...,. (9) Výpoty lze zázort pomocí tzv. okéka pro klouzavé prmry, které a asové ose zobrazuje sousedí ptc hodot asové ady. Obsahuje asové úseky k, k +, k +, k + 3 a k + 4, které a ose t trasformuje v okéku a hodoty -, -, 0, a a pomocé ose, která se zaí τ. Regresí polyom, ozaeý η τ, b ), ( k pomocí kterého vyrováváme zadaou ptc hodot asové ady v k-tém okéku, pro k =,,..., 4, poté vyjádíme dle vztahu: 3 η( τ, b ) = b + b τ + b τ + b, (0) k k k k3 k 4τ bk bk, bk, bk 3, bk 4 = je sloupcový vektor jeho koefcet. kde [ ] T K ureí regresích koefcet b k, bk, bk 3, bk 4 využjeme metodu ejmeších tverc, p íž uríme mmum fukce: k k k3 k 4 τ = 3 ( b, b, b, b ) = ( y b, b τ b τ b τ ), S () k + + r k k k 3 k 4 která vyjaduje rozdíly mez hodotam asové ady a hodotam regresího polyomu v k-tém okéku. 0

21 Soustavu ty rovc o tyech ezámých získáme tak, že vypoteme parcálí dervace této fukce podle jedotlvých regresích koefcet b k, bk, bk 3, bk 4 a položíme získaé výrazy rové ule. Soustavu lze zapsat pomocí matc jako: Ab k = c k, kde jedotlvé matce jsou: bk A =, bk b k =, b k bk 4 yk + + τ τy k + + τ ck =. () τ y k + + τ 3 τ yk+ + τ Hledaé koefcety b k, bk, bk 3, bk 4 pak uríme dle vztahu: b = A, k c k (3) kde matce A, ozauje verzí matc k matc A a je rova A = Prostedí vyrovaá hodota v k-tém okéku, ozaeá η, se vypoítá dle vztahu: ˆk+ ˆ η k+ = ( 3yk + yk + + 7yk + + yk+ 3 3yk+ 4 ). (4) 35

22 Prví resp. druhou vyrovaou hodotu (ozaeou ˆη resp. ˆη ) poté uríme z fukce (0), do íž dosadíme za τ íslo - resp. -, tedy: η = ˆ( η, ); η = ˆ( η, ). (5) ˆ b ˆ b Pedposledí resp. posledí vyrovaou hodotu (ozaeou η resp. ηˆ ) uríme z fukce (0), do íž dosadíme za τ íslo resp., tedy: ˆ η ˆ(, η b ); η ˆ( η b ). (6) ˆ = 4 ˆ = 4 Koefcet b 4 regresího polyomu, ureého pro posledí ptc hodot asové ady lze využít k progóze u asové ady pro as t = +. Hodotu této pedpovd, ˆ + ozaeou η, uríme pomocí vztahu (0), do íž dosadíme za τ íslo 3, tedy: ˆ η = + ˆ(3, η b 4 ) (7)

23 .3 REGRESNÍ ANALÝZA 7 V ekoomce a pírodích vdách se asto pracuje s promým velam, kdy mez ezávsle promou, ozaeou x, a závsle promou, ozaeou y, kterou míme pozorujeme, exstuje jaká závslost. Ta je bu vyjádea fukím pedpsem y = (x), kde ale fukc (x) ezáme ebo tuto závslost elze rozumou fukcí vyjádt. Víme je, že p astaveí urté hodoty ezávslé promé x dostaeme jedu hodotu závslé promé y Regresí pímka Regresí pímka je ejjedodušší regresí úloha, ve které je fukce η ( x) vyjádea pímkou: ( Y x) η ( x) = β + β x E = (8) Pomocí tzv. metody ejmeších tverc k získáí parametr β a β (pro zadaé dvojce x, y ) musíme urt jejch odhady "ejlepší" považujeme koefcety b, vztahem: b a b. Tato metoda spoívá v tom, že za b, mmalzující fukc S ( ) b,b, která je dáa S = ( b, b ) ( y b b x ) = (9) 7 zpracováo a základ lt. [] 8 KROPÁ, J. Statstka B.. vyd. Bro, 009. ISBN s

24 Hledaé odhady b a b koefcet β a β regresí pímky pro zadaé dvojce ( x, y ) uríme tak, že vypoteme prví parcálí dervace zmíé fukce S ( ) b,b podle promých b resp. b. Získaé parcálí dervace položíme rovy ule a po jejch úprav dostaeme tzv. soustavu ormálích rovc, ta je dáa vztahem:, b = =. b + x. b = y, (0) = x. b + x. b = x y, () = = z chž pomocí vzorc vypoteme koefcety b a b. Hledaé koefcety b a b jsou pak dáy vztahy: b x y xy = =, b = y b x x x =, () kde x resp. y jsou výbrové prmry, pro ž platí: x = = x, y = = y (3) Odhad regresí pímky, ozaeý η (x), je tedy dá vztahem: x η ( ) = b + b x (4) 4

25 .3.. Vlastost koefcet regresí pímky Koefcety b, b regresí pímky jsme url pro ameé hodoty y závslé promé. Pokud bychom ale meí opakoval vícekrát, pak bychom obec dostal jé hodoty y, tedy také jé koefcety b, b a jou regresí pímku. Tudíž vypoteé regresí koefcety a samotá regresí pímka jsou áhodým velam, které ozaíme B, B, ηˆ ( x) a azveme statstkam. Pomocí teore regresích fukcí mžeme ze zadaých dat o tchto statstkách získat více formací. 9 Požadovaé vlastost: ( ) = 0 E (5) e ( ) = σ D (6) e (, ) = 0 C e e j pro j, kde, j =,,...,, (7) V pípad splí tchto pedpoklad platí pro áhodé vely Y : ( Y ) β + x E β = (8) ( ) = σ D (9) Y (, ) = 0 C Y Y j pro j, kde, j =,,...,, (30) 9 KROPÁ, J. Statstka B.. vyd. Bro, 009. ISBN s

26 pemž stedí hodoty áhodých vel Y jsou rovy hodotám regresí pímky, rozptyl je rove rozptylu áhodých vel e a áhodé vely Y a Y j, kde jsou ekorelovaé. j, Za pomocí podmíek, které jsme s staovl výše, lze odvodt, že pro stedí hodoty statstk, B B a ( x) ηˆ platí: E ( B ) = β, E ( B ) = β, E( ˆ η ( x) ) β + β x = (3) V pípad splí požadovaých vlastostí a zaátku oddílu jsou dáy rozptyly statstk B, B vztahy: x D ( B ) = + σ (3) x x = D ( B ) = = σ x x (33) Rozptyl statstky ηˆ ( x) je dá vztahem: ( ( )) ( x x ) D ˆ η x = + σ (34) x x = Ve zmíých vztazích se objevuje hodota σ, která vyjaduje pesost meí, ebol pozorováí. V pípad ezadáí této hodoty je poteba j odhadout. K odhadu rozptylu se používá tzv. rezduálí souet tverc, který zaíme S R. 6

27 Výpoet je dá vztahem: S R = ˆ η (35) e = ( y ˆ( x )) = = Teto souet charakterzuje stupe rozptýleí pozorovaých hodot závsle promé kolem ureé regresí pímky. Odhad rozptylu σ, ozaeý ˆ σ, je pak rove: σ ˆ S = R (36).3. Klascký leárí model Pro regres lze použít jých model, ež regresí pímky, která emusí být pro vyrováí zadaých dat vhodá. Nejastj používaým modelem je tzv. Klascký leárí model. Píkladem mže být zkoumáí závslost cey ojetého automoblu a potu ajetých klometr a stáí tohoto vozdla. Regresí koefcety zjšujeme pomocí matcových pot, které vzorce a výpoty výzam zjedodušují. Pro výpoet lze také použít jž zmíou metodu ejmeších tverc. 7

28 .3.3 Volba regresí fukce Dležtou souástí regresí aalýzy je také volba vhodé regresí fukce. Tato volba spoívá ve zjští, jak ts zvoleá regresí fukce k zadaým hodotám pléhá a dále také, jak dobe tato fukce vysthuje fukí závslost mez závsle a ezávsle promou. Pro výpoet se dále používá rezduálí souet tverc, a to v pípad, že použtá data jsou vyrováa pomocí více regresích fukcí. Teto souet však eí ormová, proto z jeho hodot emžeme soudt, jak dobe vybraá regresí fukce závslost mez promým vysthuje. Charakterstka, která umožuje zjstt, jak dobe zvoleá regresí fukce vysthuje tuto závslost, je založeá a tom, akolk lze zvoleou regresí fukcí vysvtlt rozptyl pozorovaých hodot závsle promé. Pro výpoet je zapotebí tchto tí rozptyl: = ( ) y y S y = (37) S ( ) ˆ η y ˆ η = = (38) S η = (39) y ˆ y = ( ) ˆ η kde, S y zázoruje rozptyl emprckých hodot, který je rove prmru soutu kvadrát odchylek zadaých hodot od jejch prmru. S ηˆ je rozptylem vyrovaých hodot, který je rove prmru soutu kvadrát odchylek vyrovaých hodot od prmru zadaých dat. S y ηˆ je tzv. rezduálí rozptyl, který je rove prmru ze soutu kvadrát odchylek zadaých hodot od vyrovaých. 8

29 P použtí metody ejmeších tverc platí mez tmto tem charakterstkam ásledující vztah: S y = S ˆ η + S y ˆ η (40).3.4 Neleárí regresí modely V pípad eleárích regresích model elze fukc η (, β ) x vyjádt jako leárí kombac regresích koefcet β a zámých fukcí, ezávslých a vektoru koefcet β. Pro výpoet tchto model lze využít umerckých metod Learzovatelé fukce Leaerzovatelou fukc získáme vhodou trasformací, jejímž výsledkem je fukce, která a svých regresích koefcetech leár závsí. Pro ureí regresích koefcet a dalších charakterstk této fukce se využívá bu regresí pímka ebo klascký leárí model. Následou zptou trasformací poté ze získaých výsledk dostaeme odhady koefcet a tervaly spolehlvost pro pvodí eleárí model Specálí elearzovatelé fukce Specálí elearzovatelé fukce, které se používají ejastj v asových adách, popsujících ekoomcké dje, a podle kterých lze urt regresí koefcety, pedstavují tzv. modfkovaý expoecálí tred, logstcký tred a Gompertzova kvka. Modfkovaý expoecálí tred se používá v pípad, kdy je regresí fukce shora, resp. zdola ohraeá. 9

30 Výpoet je dá vztahem: x ( ) β + β η = + (4) x β3 Logstcký tred má flex a je shora a zdola ohrae. Nejastjší zastoupeí tohoto tredu alezeme v ekoomckých úlohách pro modelováí prbhu poptávky po pedmtech dlouhodobé spoteby ebo modelováí vývoje, výroby a prodeje kterých druh výrobk. Výpoet je dá vztahem: η = (4) β + β + β ( x) x 3 Gompertzova kvka má pro které hodoty svých koefcet flex a je shora zdola ohraea. Je azea mez tzv. S-kvky esymetrcké kolem flexího bodu. Vtša jejích hodot leží až za jejím flexím bodem. Teto bod pedstavuje místo, kde kovexí prbh kvky pechází v kokáví. Výpoet je dá vztahem: η ( ) x β+ β + β3 x = e (43) Odhady koefcet β, β, β 3 modfkovaého expoecálího tredu ozaeé b, b jsou dáy ásledujícím vztahy: b, 3 S3 S b3 = S S mh (44) h b3 b = ( S S ) (45) b mh ( b ) x

31 b mh x b 3 S bb3 (46) m b3 = h kde výrazy S, S, S3 jsou souty, které jsou dáy vztahy: S = m y = (47) m y = m+ S = (48) 3m y = m+ S3 = (49) Vzorce pro výpoet koefcet modfkovaého expoecálího tredu jsou odvozey za tchto pedpoklad: Zadaý poet dvojc hodot ( x, y ),,...,, = je dltelý tem. Data tedy lze rozdlt do tí skup o stejém potu m prvk. V pípad, že data teto požadavek esplují, vyechá se píslušý poet poáteích ebo kocových hodot. Hodoty x jsou zadáy v ekvdstatích krocích, majících délku h > 0, tj. x = x + ( )h, pemž x je prví z uvažovaých hodot x. 3

32 .4 HISTORIE A SOUASNOST SPOLENOSTI 0 eská spotela zahájla svou ost v roce 99 jako akcová spoleost, avšak její koey spadají až do roku 85, kdy a trh vstoupl ejstarší práví pedchdce eské spotely, a to Spotela eská. Velký zlom astal v roce 000, kdy se eská spotela stala leem baky Erste Group, která se adí mez ejvtší poskytovatele faích služeb ve stedí Evrop s potem klet více ež 7 mlo. Tímto spoleost aplla svou vz slé a kokurece schopé baky. V souasé dob eská spotela zastupuje kletelu s potem 5,3 mlou a tímto pouze potvrzuje své slé postaveí a eském trhu. Své prveství dokazuje také v moderích bakovích dscplíách jmž jsou pedevším platebí karty, teretové bakovctví, hypotéí a spotebtelské úvry a další služby. Spoleost získala také adu oceí, mez ejvýzamjší patí ttul Baka roku, jež obdržela v soutží Fcetrum Baka roku 009 a Nejdvryhodjší baka, pemž tímto ttulem se mže chlubt jž šestým rokem po sob. Souástí eské spotely je také dceých spoleostí ( Brokerjet eské spotely, Erste Corporate Face, Factorg eské spotely, GRANTIKA eské spotely, INFORMATIKA eské spotely, Ivestí spoleost eské spotely, PARTNER eské spotely, Pezjí fod eské spotely, Realtí spoleost eské spotely, REICO eské spotely, Stavebí spotela eské spotely, sautoleasg). Prostedctvím tchto spoleostí má eská spotela možost svým kletm abídout šrokou škálu služeb a vyhovt veškerým páím a požadavkm samotého kleta. Své služby a produkty poskytuje pedevším drobé kletele a eopomíá také malé a stedí frmy msta a obce. Zamuje se a facováí velkých korporací a poskytováí služeb v oblast faích trh. Za cíl s klade eustálé zkvaltováí svých produkt a služeb a zefektvováí pracovích proces. 0 zpracováo a základ lt. [6] 3

33 Za svou psobost jž vydala pes 3 mloy platebích karet, provozuje pes 90 bakomat a poboky eské spotely alezeme po celé eské republce s potem až 655. Krom své podkatelské ost se spoleost zabývá také chartou. Podporuje chartatví ezskové spoleost a orgazace, obaská sdružeí rzé adace a adaí fody. Spadá sem oblast kultury, vdy, vzdláí aj. O pohodlí klet se stará tzv. tým Ombudsmaa eské spotely, který zajšuje spokojeost klet..4. Produkty a služby.4.. Úty a karty Osobí úet Osobí úet je ure soukromé kletele. Lze jej zídt formou o-le. Souástí toho útuje spousta výhod zdarma (vedeí sporožrového útu, vyhotoveí msíího papírového ebo elektrockého výpsu, zízeí a vedeí vkladového útu, zízeí trvalých píkaz / souhlas s kasem). Klet má možost vybrat s ze 3 typ osobího útu (STANDARD, PLUS a SPECIÁL) podle toho, který mu vyhovuje ejlépe. Tyto úty se lší v astaveí a druhu poskytovaých služeb. Program výhod Program výhod je ure pro klety eské spotely. Prcpem tohoto beeftu je tedy zvýhodt stálé klety za využíváí produkt a služeb baky a všech typech Osobího útu. 33

34 Exklusve koto Exclusve koto je ure soukromé kletele a zahruje spoleou abídku produkt a služeb. Souástí tohoto kota je vedeí Sporožrového útu s pásmovým úroeím zdarma. Sporožrový úet Sporožrový úet je ure soukromé kletele. Teto úet je zpravdla doporuová kletm, kteí s chtjí hlídat své osobí a rodé face. Souástí jsou také avazující produkty a služby. Bžý úet v czí m Bžý úet v czí m je ure podkatelm a malým frmám, veejým sektorm, ezskovým sektorm, svobodému povoláí, soukromé kletele. Klet mže mít vedeo více tchto út, jak v rzých, tak ve stejých mách. Osobí úet eské spotely Studet Osobí úet eské spotely Studet je ure studetm deího studa a všech typech škol od 5 let do dosažeí 30 let vku. Osobí úet eské spotely Juor Osobí úet eské spotely Juor je ure dtem od 8 let k datu dovršeí 5 let vku dítte ezletlým obam eské republky/czím státím píslušíkm. Osobí úet eské spotely Juor je ureý pro ezletlé osoby ve vku 8 k datu dovršeí 5 let vku dítte (s dspozím právy jejch zákoých zástupc). Osobí platebí karty Mez osobí platebí karty se adí Chytrá karta eské spotely, Debetí karty, Doplkové služby k platebím kartám. 34

35 Pímé bakovctví Do pímé bakovctví se adí SERVIS 4 Telebakg, SERVIS 4 Iteretbakg, SERVIS 4 GSM bakg. Platby do zahraí Platby do zahraí se provádí Jedotým eurovým platebí stykem, ebo Zahraím platebím stykem. Šeky eská spotela vydává Soukromé šeky a Šeky splaté u jých bak. Jstotí bžý úet Jstotí bžý úet je ureý k zajští ádého vypoádáí kupí cey ebo její ást mez prodávajícím a kupujícím p koup, resp. prodej emovtost prostedctvím tetí stray - eské spotely, která zajšuje výplatu pez dle pedem dohodutých podmíek..4.. Úvry Sem se adí pedevším Kotokoretí úvr a dobu eurtou ke sporožrovému útu, Hypoteí úvry, Úvry ze stavebího spoeí, Pjka, Spotebtelský úvr, Hypotéka v hotovost eské spotely, Hotovostí úvr Bydleí Hypoteí úvry Mez hypoteí úvry se adí Ideálí hypotéka eské spotely a Hypotéka a vestce. 35

36 Úvry ze stavebího spoeí Úvry ze stavebího spoeí lze rozdlt a Pekleovací úvr TREND, Pekleovací úvr HYPO TREND, Úvr ze stavebího spoeí. Další produkty pro facováí bydleí Mez další produkty pro facováí bydleí patí apíklad Hypotéka v hotovost eské spotely, Spotebtelský úvr, Hotovostí úvr, Pjka, Zeleá úsporám - dotaí program Spoeí a vestováí Patí sem pedevším Vkladí kížky, Vkladové úty Stavebí spoeí Pojští Do pojští pro pípadé ehody adíme FLEXI žvotí pojští, Kaptálové žvotí pojští KAPITÁL, Flexblí žvotí pojští JUNIOR. Mez další pojsté produkty se adí apíklad Assteí služby, Cestoví pojští k Osobímu útu eské spotely, Úrazové pojští, Pojští emovtostí, Pojští domácostí atd. 36

37 .5 KONKURENCE Mez ejvtší kokurety eské spotely lze adt eskosloveskou obchodí baku a Komerí baku. Ob baky v posledích letech zazamealy árst klet, ímž v urté míe ovlvl postaveí eské spotely a trhu a vtší ást klet pešla a možost využít kvaltjších služeb a produkt, které tyto kokurece abízejí..5. SOB SOB ebol eskosloveská obchodí baka, a. s. byla založea v roce 964 pedevším pro poskytováí služeb v oblast facováí zahraího obchodu. V roce 999 se stala souástí belgcké KBC Bak, která se adí do skupy KBC. Dležtým rokem byl pro baku rok 000, ve kterém pevzala Ivestí a poštoví baku (IPB). K datu. leda 008 se váže oddleí eského a sloveského trhu, do této doby psobla SOB a obou trzích. SOB své služby poskytuje pedevším drobé kletele, jmž jsou fyzcké osoby malé a sted velké podky, avšak mez kletelu lze adt také ebakoví faí sttuce, faí trhy prvátí bakovctví. V R psobí spoleost pod dvma obchodím zakam SOB a Poštoví spotela, která využívá pro svou ost rozsáhlé síteské pošty. SOB vlastí 46 poboek v R a klet Poštoví spotely jsou obsluhová prostedctvím 5 Faích ceter Poštoví spotely..5. Komerí baka Komerí baka, a. s. byla založea v roce 990 jako státí sttuce a o dva roky pozdj byla trasformováa a akcovou spoleost. KB je bakou s šrokou abídkou zpracováo a základ lt. [7] zpracováo a základ lt. [8] 37

38 služeb v oblast drobého, podkového a vestího bakovctví. Mez další služby poskytovaé Spoleostm faí skupy KB, které klet mohou využít, patí pezjí ppojští, stavebí spoeí, factorg, spotebtelské úvry a pojští. Veškeré tyto služby jsou dostupé prostedctvím sít poboek KB s potem až 394. Pro stedí a velké podky baka vybudovala specalzovaá busess cetera. Od roku 00 je KB souástí skupy Socété Géérale, která je jedou z ejvtších faích skup v eurozó. 38

39 PRAKTICKÁ ÁST V této ást bude zhodoce poet klet jedotlvých bak ve sledovaém období a ásledá aalýza ukazatel pomocí asových ad. Data jsem získala z výroích zpráv, které jsou vol dostupá a www strákách každé z uvedeých bak. Tyto data jsem dále zpracovala v programech v aplkac Mcrosoft Excel, kde jsem pomocí tchto jedotlvých program vypoítala charakterstky asových ad, vyrovaá data a ásledé grafy.. ANALÝZA POTU KLIENT ESKÉ SPOITELNY ZA JEDNOTLIVÁ OBDOBÍ V ásledující tabulce jsou uvedey jedotlvé roky a poet klet v tchto letech, výpoty prvích dferecí a koefcet rstu, které jsou potebé k výpotu základích charakterstk asových ad. ESKÁ SPOITELNA Roky Poet klet (v ts.) Prví dferece Koefcet rstu xxx xxx , , , , , , , ,9960 Tabulka eská spotela 39

40 Poet klet v eské spotel (v ts.) Poet klet Poet klet Roky Graf Poet klet v eské spotel Z grafu je patré, že výzamý árst byl zazameá v letech 00 a 003. Hlavím dvodem byl ový program ureý specál pro studety program Studet+, který uvedla eská spotela a trh. Ke koc roku 003 s program Studet+ sjedalo více jak 0 ts. studet. Rok 003 byl pro baku úspšým po všech smrech. Baka získala adu oceí, mez které patí pedevším ttul Baka roku 003, jež získala v prestží mezárodí soutž The Baker Awards 003 (teto ttul obhájla ve dvou ásledujících letech). Druhé místo obsadla kokureí Komerí baka. Oprot roku pedcházejícímu se zvýšla efektvost a kvalta poskytovaých služeb, byl zazameá árst objemu poskytovaých úvr a pjatých vklad. Zvýšl se také píjem z poplatk a celkové provozí výosy. V roce 004 a letech ásledujících byl shledá mírý pokles, který byl ve sledovaém období takka emý. Sížeí potu klet mohla ovlvt událost v roce 005, kdy byla eská spotela spole se svým ejvtším kokurety Komerí bakou a SOB obva z uzaveí kartelové dohody, avšak vzeseé obví bylo akoec zamítuto pro eopodstatost u všech tech zmíých bak. V letech 008 a 009 byl chod baky samozejm ovlv vlou ekoomcké krze, která pšla ze západu, pesto byly pro baku oba roky úspšé a své prveství a trhu s adále udržuje. Klesající zájem klet je pedevším ovlv slou kokurecí, která se dostává do popedí a pchází s ovým a zajímavý programy a produkty, jak tomu je v souasé 40

41 dob. Napíklad v roce 005 pšla SOB s ovým programem Studetské koto Plus, které kokuruje programu Studet+. Ze stray KB je to program G, který je ure též pro mládež a studety. Prmrý poet klet eské spotely pro sledovaé období dle vztahu () je 576, ts. klet za rok... Prví dferece a prmr prví dferece Prví dferece udává, o kolk se ve sledovaém období zml poet klet eské spotely oprot období pedcházejícímu. Prmr prví dferece ám íká, že poet kleteské spotely vzrost každý rok oprot pedcházejícímu v prmru o 64,75 ts. klet. Výpoet je dá vztahem (4). Prmr prví dferece: d( y) 64,75 = 4

42 ERROR: udefed OFFENDING COMMAND: get STACK: /0 -dctoary-

Metody zkoumání závislosti numerických proměnných

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

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

ANALÝZA MSP POMOCÍ ASOVÝCH AD AN ANALYSIS OF SMES USING TIME SERIES

ANALÝZA MSP POMOCÍ ASOVÝCH AD AN ANALYSIS OF SMES USING TIME SERIES VYSOKÉ U ENÍ TECHNICKÉ V BRN BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA MSP POMOCÍ ASOVÝCH AD AN ANALYSIS

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

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

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

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

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

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

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice

Metodika: Goniometrický tvar komplexního ísla, binomická rovnice ! " #$ % # & ' ( ) * + ), - Idvduálí výuka matematka Vít Ržka, kvte Metodka: Goometrcký tvar komplexího ísla, bomcká rovce Úvod Téma goometrcký tvar komplexího ísla je možé probírat soubž s výkladem pojmu

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS POSOUZENÍ FINANČNÍ VÝKONNOSTI FIRMY JMP,

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu.

Výsledky této ásti regresní analýzy jsou asto na výstupu z poítae prezentovány ve form tabulky analýzy rozptylu. Ig. Marta Ltschmaová Statstka I., cveí 4 JEDNODUCHÁ LINEÁRNÍ REGRESE asto chceme prozkoumat vztah mez dvma velam, kde jeda z ch, tzv. ezávsle promá x, má ovlvovat druhou, tzv. závsle promou Y. edpokládá

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

Optimalizace portfolia

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

Více

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou

LABORATORNÍ CVIČENÍ Z FYZIKY. Měření objemu tuhých těles přímou metodou ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATEDRA FYZIKY LABORATORNÍ CVIČENÍ Z FYZIKY Jméo: Petr Česák Datum měřeí:.3.000 Studjí rok: 999-000, Ročík: Datum odevzdáí: 6.3.000 Studjí skupa: 5 Laboratorí skupa:

Více

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy:

Pro orientaci v této problematice jsme se seznámili s nkolika novými pojmy: Ig. Marta Ltschmaová Statsta I., cveí 8 LIMITNÍ VTY Lmtí vty jsou tvrzeí, terá jsou dležtá pro pops pravdpodobostích model v pípad rostoucího potu áhodých pous.. ro oretac v této problematce jsme se sezáml

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů

PODNIKOVÁ EKONOMIKA 3. Cena cenných papírů Semárky, předášky, bakalářky, testy - ekoome, ace, účetctví, ačí trhy, maagemet, právo, hstore... PODNIKOVÁ EKONOMIKA 3. Cea ceých papírů Ceé papíry jsou jedím ze způsobů, jak podk může získat potřebý

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK

IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK IV. NEJISTOTY MENÍ A ZPRACOVÁNÍ VÝSLEDK Meí patí mez základí zpsoby získáváí kvattatvích formací o stav sledovaé vely. 4. Chyby meí Nedokoalost metod meí, ašch smysl, omezeá pesost mcích pístroj, promé

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

12. N á h o d n ý v ý b ě r

12. N á h o d n ý v ý b ě r 12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých

Více

KVALITA REGRESNÍHO MODELU Radek Fajfr

KVALITA REGRESNÍHO MODELU Radek Fajfr UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ KVALITA REGRESNÍHO MODELU Radek Fajfr Bakalářská práce 00 Prohlášeí Tuto prác jsem vypracoval samostatě. Veškeré lterárí pramey a formace, které jsem v

Více

IV. MKP vynucené kmitání

IV. MKP vynucené kmitání Jří Máca - katedra mechaky - B35 - tel. 435 4500 maca@fsv.cvut.cz IV. MKP vyuceé kmtáí. Rovce vyuceého kmtáí. Modálí aalýza rozklad do vlastích tvarů 3. Přímá tegrace pohybových rovc 3. Metoda cetrálích

Více

STATISTICKÁ ANALÝZA. Doc. RNDr. Zden k Karpíšek, CSc. P ehledový u ební text pro doktorské studium. Vysoké u ení technické v Brn

STATISTICKÁ ANALÝZA. Doc. RNDr. Zden k Karpíšek, CSc. P ehledový u ební text pro doktorské studium. Vysoké u ení technické v Brn Vysoké ueí techcké v Br Fakulta strojího žeýrství STATISTICKÁ ANALÝZA Doc. RNDr. Zdek Karpíšek, CSc. Pehledový uebí tet pro doktorské studum BRNO 008 Pedášející: Doc. RNDr. Zdek Karpíšek, CSc. Cetrum pro

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad

Časová hodnota peněz. Metody vyhodnocení efektivnosti investic. Příklad Metody vyhodoceí efektvost vestc Časová hodota peěz Metody vyhodoceí Časová hodota peěz Prostředky, které máme k dspozc v současost mají vyšší hodotu ež prostředky, které budeme mít k dspozc v budoucost.

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

SPOŘENÍ. Spoření krátkodobé

SPOŘENÍ. Spoření krátkodobé SPOŘENÍ Krátkodobé- doba spořeí epřesáhe jedo úrokové období (obvykle 1 rok). Úroky jsou přpsováy a koc doby spořeí. Jedotlvé složky jsou úročey a základě jedoduchého úročeí. Dlouhodobé doba spořeí bude

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

Intervalové odhady parametrů některých rozdělení.

Intervalové odhady parametrů některých rozdělení. 4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:

Více

Náhodný výběr 1. Náhodný výběr

Náhodný výběr 1. Náhodný výběr Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Časové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk

Časové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk - - Tato verze dplomové práce je zkráceá (dle Směrce děkaky č. /00). Neobsahuje detfkac subjektu, u kterého byla dplomová práce zpracováa (dále je dotčeý subjekt ) a dále formace, které jsou dle rozhodutí

Více

Metodika projektů generujících příjmy

Metodika projektů generujících příjmy Příloha: 9 Metodka projektů geerujících příjmy Účost: 23. 1. 2009 Verze č. 6.0 1. Výchozí podmíky - Obecá pravdla Postup u projektů geerujících příjmy vychází z čláku 55 Obecého ařízeí č. 1083/2006 a vyplývá

Více

Univerzita Pardubice Fakulta ekonomicko-správní

Univerzita Pardubice Fakulta ekonomicko-správní Uverzta Pardubce Fakulta ekoomcko-správí ANALÝZA TRESTNÝCH ČINŮ PROTI ŽIVOTU A ZDRAVÍ V ČR Moka Papoušková Bakalářská práce 00 Prohlášeí Prohlašuj, že jsem tuto prác vypracovala samostatě. Veškeré lterárí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

Využití účetních dat pro finanční řízení

Využití účetních dat pro finanční řízení Využtí účetích dat pro fačí řízeí KAPITOLA 4 V rác této kaptoly se zaěříe a časovou hodotu peěz (a to včetě oceňováí ceých papírů), která se prolíá celý vestčí rozhodováí, dále a fačí aalýzu (vycházející

Více

Univerzita Karlova v Praze Pedagogická fakulta

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

Více

1 EXPLORATORNÍ ANALÝZA PROMNNÝCH. as ke studiu kapitoly: 120 minut. Cíl: Po prostudování této kapitoly budete umt použít

1 EXPLORATORNÍ ANALÝZA PROMNNÝCH. as ke studiu kapitoly: 120 minut. Cíl: Po prostudování této kapitoly budete umt použít EXPLORATORNÍ ANALÝZA PROMNNÝCH as ke studu kaptoly: mut Cíl: Po prostudováí této kaptoly budete umt použít základí pojmy eploratorí (popsé) statstky typy datových promých statstcké charakterstky a grafckou

Více

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor

1 Měření závislosti statistických znaků. 1.1 Dvourozměrný statistický soubor 1 Měřeí závlot tattckých zaků 1.1 Dvourozměrý tattcký oubor Př aalýze ekoomckých kutečotí á čato ezajímají jedotlvé velč jako takové, ale vztah mez m. Ptáme e, jak záví poptávka a ceě produktu, plat zamětaců

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady

ODRAZ A LOM SVTLA. Odraz svtla lom svtla index lomu úplný odraz svtla píklady ODRAZ A LOM SVTLA Odraz svtla lo svtla idex lou úplý odraz svtla píklady Každý z Vás se urit kdy díval do vody. Na klidé vodí hladi vidl kro svého obrazu také kaey ebo písek a d. Na základí škole jste

Více

Časové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk, OTIS, a.s.

Časové řady, regresní analýza, finanční ukazatele, náklady, výnosy, zisk, OTIS, a.s. - - - - - 3 - ABSTRAKT Dplomová práce se zabývá problematkou souhrého hodoceí současé fačí stuace v akcové společost OTIS. Výkoost podku je staovea a základě výstupů dostupých z účetích výkazů. Po detfkac

Více

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu Vědeckotechcký sorík ČD č. 3/0 Leka Zahradíková Model poptávky po železčí osoí dopravě Českých drah, a. s. a tuzemském přepravím trhu Klíčová slova: poptávka, osoí doprava, České dráhy, regresí aalýza,

Více

Pojem času ve finančním rozhodování podniku

Pojem času ve finančním rozhodování podniku Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

je hustota pravdpodobnosti nebo pravdpodobnostní funkce náhodného výbru X (X 1, X 2,, X n ). , jako odhad. Nech f ( x;θ)

je hustota pravdpodobnosti nebo pravdpodobnostní funkce náhodného výbru X (X 1, X 2,, X n ). , jako odhad. Nech f ( x;θ) 7. as ke studu: 90 mut Cíl: Na úvod této kaptoly se sezámíte s odlšým pohledem a metodu mamálí vrohodost a dále se pak udete vovat základm Bayesovy dukce. Sezámíte se s pojmy aprorí a aposterorí rozdleí,

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR

Lineární a adaptivní zpracovní dat. 5. Lineární filtrace: FIR, IIR Leárí a adaptví zpracoví dat 5. Leárí fltrace: FIR, IIR Dael Schwarz Ivestce do rozvoje vzděláváí Opakováí 2 Co je to fltrace? Co je to fltr? A jak ho popsujeme? Jaký je vztah Z trasformace a Fourerovy

Více

Domácí práce z p edm tu D01M6F Statistika

Domácí práce z p edm tu D01M6F Statistika eské vysoké u eí techcké Fakulta Elektrotechcká Domácí práce z p edm tu D0M6F Statstka Test dobré shody Bradá Marek 4.ro ík Ak. rok 004/00, LS M6F Test dobré shody Obsah Zadáí...3 Hypotéza...3 3 Zj t é

Více

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod . egresí aalýza Čas ke studu kaptoly: 6 mut Cíl Po prostudováí tohoto odstavce udete umět vysvětlt pojem oecý leárí model prcp leárího regresího modelu používat výsledky regresí aalýzy verfkovat regresí

Více

3. Lineární diferenciální rovnice úvod do teorie

3. Lineární diferenciální rovnice úvod do teorie 3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

Více

Náhodné jevy, jevové pole, pravděpodobnost

Náhodné jevy, jevové pole, pravděpodobnost S Náhodé jevy pravděpodobost Náhodé jevy jevové pole pravděpodobost Lbor Žák S Náhodé jevy pravděpodobost Lbor Žák Základí pojmy Expermet česky též vědecký pokus je soubor jedáí a pozorováí jehož účelem

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1

Střední hodnoty. Aritmetický průměr prostý Aleš Drobník strana 1 Středí hodoty. Artmetcký průměr prostý Aleš Drobík straa 0. STŘEDNÍ HODNOTY Př statstckém zjšťováí často zpracováváme statstcké soubory s velkým možstvím statstckých jedotek. Např. soubor pracovíků orgazace,

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13).

Správnost vztahu plyne z věty o rovnosti úhlů s rameny na sebe kolmými (obr. 13). 37 Metrické vlastosti lieárích útvarů v E 3 Výklad Mějme v E 3 přímky p se směrovým vektorem u a q se směrovým vektorem v Zvolme libovolý bod M a veďme jím přímky p se směrovým vektorem u a q se směrovým

Více

1. Mení ve fyzice, soustava jednotek SI

1. Mení ve fyzice, soustava jednotek SI . Meí ve fyzce, soustv jedotek SI Fyzk její rozdleí: ) podle metod práce - epermetálí - teoretcká - poítové modelováí b) podle zkoumých proces forem pohybu - mechk - molekulová fyzk - termodymk - elekt

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ STATISTICKÁ ANALÝZA RIZIKOVÝCH FINANČNÍCH FAKTORŮ PODNIKU

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ STATISTICKÁ ANALÝZA RIZIKOVÝCH FINANČNÍCH FAKTORŮ PODNIKU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY ÚSTAV SOUDNÍHO INŽENÝRSTVÍ INSTITUTE OF FORENSIC ENGINEERING STATISTICKÁ ANALÝZA RIZIKOVÝCH FINANČNÍCH FAKTORŮ PODNIKU STATISTICAL ANALYSIS OF

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

Po prostudování tohoto odstavce budete umt porozumt konstrukci F-pomru rozhodovat se pomocí testu zvaného analýza rozptylu

Po prostudování tohoto odstavce budete umt porozumt konstrukci F-pomru rozhodovat se pomocí testu zvaného analýza rozptylu 0. AOVA Aalýza rozptylu as e studu aptoly: 60 mut Cíl Po prostudováí tohoto odstavce budete umt porozumt ostruc F-pomru rozhodovat se pomocí testu zvaého aalýza rozptylu zostruovat tabulu AOVA provést

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

Téma 6: Indexy a diference

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

Více

[ jednotky ] Chyby měření

[ jednotky ] Chyby měření Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá

Více

2. Vícekriteriální a cílové programování

2. Vícekriteriální a cílové programování 2. Vícerterálí a cílové programováí Úlohy vícerterálího programováí jsou úlohy, ve terých se a možě přípustých řešeí optmalzuje ěol salárích rterálích fucí. Moža přípustých řešeí je přtom defováa podobě

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

Statistická analýza dat

Statistická analýza dat INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031

Více

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc. Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,

Více