METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION

Rozměr: px
Začít zobrazení ze stránky:

Download "METHOD OF THE URBAN MASS TRANSPORTATION QUALITY EVALUATION"

Transkript

1 Ročík., Číslo II., 009 METODA HODNOCENÍ KVALITY MĚTKÉ HROMADNÉ DOPRAVY METHOD OF THE URBAN MA TRANPORTATION QUALITY EVALUATION Ivaa Olvková Aotace: Čláek se zabývá problematkou hodoceí kvalt městské hromadé doprav. Teoretck je zde detalě popsáa metoda hodoceí kvalt městské hromadé doprav. Výsledk dosažeé aplkací metod jsou prezetová provedeím vhodoceí krterí časové dostupost. Klíčová slova: Městská hromadá doprava, kvalta doprav, krtera časové dostupost ummar: Ths paper deals wth urba mass trasportato qualt evaluato. Method of urba mass trasportato qualt evaluato s theoretcall descrbed detal. The results of the metod applccato are preseted b evaluato of tme avalablt crtera. Ke words: Urba mass trasportato, qualt evaluato, tme avalablt crtera. ÚVOD Úkolem městské hromadé doprav (MHD) je zabezpečeí přepravích požadavků a území města, případě aglomerace a požadovaé kvaltatví úrov. Kvalta přemístěí v sstému MHD sehrává výzamou rol především ve vztahu k vužíváí dvduálí automoblové doprav. Hodoceí kvalt přemístěí MHD je výzamým ástrojem pro řešeí problémů v oblast kvalt MHD. V teor doprav však eí metodám hodoceí kvalt věováa dostatečá pozorost. Výsledk těchto metod jsou přtom prostředkem pro zjšťováí ázorů a kvaltu, zejméa př výzkumech u cestujících. Cílem tohoto čláku je proto avrhout metodu hodoceí kvalt MHD a tuto metodu ověřt provedeím vhodoceí krterí časové dostupost v dopraví sít MHD.. HODNOCENÍ KVALITY MĚTKÉ HROMADNÉ DOPRAVY Př hodoceí krterí kvalt přemístěí MHD astává stuace, kd část krterí je kvattatví povah (hodot kvattatvích krterí jsou vjádře v metrcké stupc) a část kvaltatví povah (hodot kvaltatvích krterí jsou vjádře v ordálí stupc). Prostředkem, jak s použtím ordálí stupce dosáhout možost statstckého Ig. Ivaa Olvková, Ph.D., VŠB-Techcká uverzta Ostrava, Fakulta strojí, Isttut doprav, 7. lstopadu 5, 708 Ostrava-Poruba, tel.: 0 597, e-mal: vaa.olvkova@vsb.cz Olvková - metoda hodoceí kvalt městské hromadé doprav 87

2 Ročík., Číslo II., 009 vhodoceí, běžého pro metrcké stupce, je jejch metrzace, tj. přřazeí bodů z bodové stupce jako ástroje pro měřeí postojů a ázorů cestujících. Pro každý stupeň bodového hodoceí je přesě defovaá úroveň každého krtera kvalt slovím výrazem (deskrptorem). Přřazeím bodu z bodové stupce cestující určuje, do jaké mír daé krterum plí jeho/její očekáváí. Nomálí hodot kvaltatvích krterí jsou tak vjádře subjektvě a základě postojů cestujících ve škálových hodotách. ubjektvě vjádřeé postoje pak lze statstck objektvzovat.. Pops metod hodoceí kvalt Metoda bla ověřea provedeím dopravího průzkumu spokojeost cestujících v ostravském sstému MHD. Krtera kvalt přemístěí bla hodocea cestujícím v dotazíku. Metodu je možo rozdělt do ásledujících kroků:. Kostrukce dílčí fukce užtku krtera: a) vmezeí defčího oboru dílčí fukce užtku, b) grafcké zázorěí průzkumem zjštěých hodot pomocí bodového dagramu, c) určeí tpu regresí fukce (dílčí fukce užtku krtera) a staoveí jejích parametrů metodou ejmeších čtverců.. Rozděleí defčího oboru dílčí fukce užtku krtera a terval omálích hodot a určeí mezích omálích hodot. ad.a) Vmezeí defčího oboru dílčí fukce užtku Defčím oborem dílčí fukce užtku krtera je terval omálích hodot krtera < m ; ma >. Nomálí hodot bl staove objektvě a základě kvattatvích údajů (ve stupc metrckého tpu) uvedeých cestujícím v dotazíku. Krají bod tohoto tervalu lze ozačt jako m a ma kde: m je ejžší (mmálí) hodota -tého krtera ma je ejvšší (mamálí) hodota -tého krtera. ad.b) Grafcké zázorěí průzkumem zjštěých hodot pomocí bodového dagramu Prostředctvím bodového hodoceí kvalt krtera,,, ebo 5 kde je hodoceí ejlepší a 5 ejhorší, přřazují cestující určté omálí hodotě krtera hodotu užtku u, u 0,75, u 0,5, u 0,5 ebo u 0. Uspořádaé dvojce (, u ( )) tvoří souřadce bodů, které lze zobrazt grafck pomocí bodového dagramu - a ose jsou vese omálí hodot krtera a a ose jm odpovídající průměré hodot užtku. ad.c) Určeí tpu regresí fukce (dílčí fukce užtku krtera) a staoveí jejích parametrů metodou ejmeších čtverců Metodou ejmeších čtverců lze alézt regresí (apromačí) fukc, která má součet čtverců odchlek pozorovaých (průzkumem zjštěých) hodot od vpočteých / (teoretckých) co ejmeší. Olvková - metoda hodoceí kvalt městské hromadé doprav 88

3 Ročík., Číslo II., 009 Metoda ejmeších čtverců spočívá v hledáí regresí (apromačí) fukce pro kterou bude platt vztah: () / ( ) m Postup je ásledující: Z bodového dagramu, kde jsou grafck zázorě průzkumem zjštěé hodot krterí (vz. obr.,, ) lze usoudt, že závslost je kvadratcká. Fukce u ( ) bude ve svém defčím oboru < m ; ma > mootóě klesající. Lze očekávat dva tp průběhu fukcí u ( ), tj. koveí (obr.- tp a) ebo kokáví fukc užtku (obr. - tp c). Obr. - Tp průběhu dílčí fukce užtku u ( ) (a-koveí, b-leárí, c-kokáví) Průzkumem zjštěé hodot lze ted apromovat parabolou (kvadratckou fukcí, polomem druhého řádu) s rovcí f() a b c. Odhad jejích parametrů lze získat pomocí metod ejmeších čtverců, tj. z podmík, ab součet čtverců odchlek bl mmálí: ( a, b, c) ( a b c ) m () Ab bl teto součet mmálí, musí být jeho parcálí dervace rov ule: a b 0 c Uvedeým postupem lze odvodt soustavu leárích rovc: () a b c Olvková - metoda hodoceí kvalt městské hromadé doprav 89

4 Ročík., Číslo II., 009 Olvková - metoda hodoceí kvalt městské hromadé doprav 90 c b a c b a () Položí-l se ( ) o m m, jsou odhad parametrů a, b, c: ( ) ( ) ( ) a ( ) ( ) ( ) b ( ) ( ) ( ) c (5) kde ( ) ( ) ( ) Pomocí deu determace lze zjstt vhodost regresí fukce. Jeho kostrukce vchází z rozkladu součtu čtvercových odchlek pozorovaých (aměřeých) hodot od jejch artmetckého průměru ( ) (6) a dvě složk. A to a součet čtverců rezduí: ( ) / (7) a a součet čtverců vpočteých (teoretckých) hodot od artmetckého průměru ( ) / (8) oučet čtverců vpočteých (teoretckých) hodot od průměru představuje tu část součtu čtverců, kterou je možo vsvětlt zvoleou regresí fukcí. Ide determace udává z jaké část je varablta závslé proměé vsvětlea zvoleým modelem:

5 Ročík., Číslo II., 009 / ( ) I (9) ( ) Ide determace (v programu Mcrosoft Ecel ozačová R ) abývá hodot z uzavřeého tervalu 0,. ad.) Rozděleí defčího oboru dílčí fukce užtku kvattatvího krtera a terval omálích hodot a určeí mezích omálích hodot Trasformací bodového hodoceí kvalt krtera může být pomocí dílčí fukce užtku u ( ) krtera rozděle defčí obor fukce do pět dílčích tervalů omálích hodot. Pomocí fukce u ( ) můžeme rověž získat mezí omálí hodot, 0,75, 0,5, 0,5, 0 pro ěž b u ( ) měla abývat hodot u ( ), u ( 0,75 ) 0,75, u ( 0,5 ) 0,5, u ( 0,5 ) 0,5 a u ( 0 ) 0.. Hodoceí krterí časové dostupost v dopraví sít MHD Časová dostupost v dopraví sít MHD je vjádřeím kvalt dopraví obsluh města městskou hromadou dopravou. kupa krterí časové dostupost (dostupost zastávek, čekáí a spoj a přestupovost v dopraví sít MHD), která jsou hodocea v této kaptole, se vztahuje k pohodlí cestujících mmo vozdlo. Hodotí fzckou a pschckou stráku cestujícího v průběhu jeho příchodu a zastávku, odchodu ze zastávk, v průběhu čekáí a spoj a v průběhu přestupu. Jsou ovlvňováa jak úroví orgazace a řízeí doprav, tak samotou dopraví cestou a dopraví sítí lek MHD... Hodoceí krtera dostupost zastávek MHD Každá cesta dopravím prostředkem městské hromadé doprav začíá a kočí pěší chůzí. Návazost pěších cest a přístupů má být proto logcká, co ejkratší, přehledá a co ejbezpečější. Dostupost zastávek MHD určuje z prostorového hledska vzdáleost a z hledska časového dobu dostupost zastávek a stac př vstupu do sstému městské hromadé doprav. Docházková vzdáleost je krterum, jehož astaveí ovlví přístup občaa k veřejé dopravě. Př staoveí lmtu docházkové vzdáleost k zastávce, resp. k prostředku veřejé doprav, je uto brát v úvahu skutečost, že čas stráveý chůzí je součástí času stráveého k dosažeí cíle. Toto krterum je možé charakterzovat jako časovou dostupost zastávek MHD. Časová dostupost zastávek MHD je obecě fukcí průměré vzdáleost mez zastávkam MHD a hustot dopraví sítě MHD. Odpovídá středí délce chůze cestujícího k ejblžší zastávce v sledovaém dopravím okrsku a rchlost chůze. Grafck je možé vhodott časovou dostupost zastávek s použtím zochro časové dostupost. Izochroa časové dostupost zastávk je čára, z které je stejá doba chůze k zastávce. Olvková - metoda hodoceí kvalt městské hromadé doprav 9

6 Ročík., Číslo II., 009 Ve vjádřeí časové dostupost zastávek MHD má výzamý podíl vzdáleost mez zastávkam. e zvětšující se vzdáleostí mez zastávkam (př kostatí hustotě dopraví sítě) se zvětšuje doba chůze a zastávku. Na druhé straě se zmešuje doba přeprav, protože se zvětšuje cestoví rchlost. Krterem pro staoveí optmálí vzdáleost mez zastávkam je proto mmálí doba přemístěí. Ab blo možo objektvě staovt dostupost zastávek je uto brát v úvahu kokrétí údaje o jedotlvých složkách dob chůze (ze zdroje přemístěí a výchozí zastávku a z cílové zastávk k cíl přemístěí), získaé od cestujících v dotazíku. Prostředctvím bodového hodoceí kvalt krtera ve stupc,,,, 5 přřadl cestující určté omálí hodotě dob docházk hodotu užtečost u < ; 0>. Uspořádaé dvojce (, u ( )) tvoří souřadce bodů, které jsou vese a obr. (a ose jsou vese omálí hodot dob docházk a a ose jm odpovídající průměré hodot užtku). Průzkumem zjštěé hodot lze ejlépe apromovat parabolou (kvadratckou fukcí, polomem druhého řádu). Dílčí fukce užtku krtera dostupost zastávek u ( ) má tvar: u ( ) - 0,00-0,0056,05 (0) Hodota deu determace R 0,9807 což zameá dobré proložeí bodů. průzkumem zjštěé hodot polom. u() 0,75 u - průměrý užtek 0,5 0,5 u ( ) - 0,00-0,0056,05 R 0, doba docházk [m] Obr. - Dílčí fukce užtku krtera dostupost zastávek u ( ) Fukce u ( ) je ve svém defčím oboru <; 0> mootóě klesající z fukčí hodot u ( ) a fukčí hodotu u ( 0 ) 0, průběh fukce je kokáví. Dostupost Olvková - metoda hodoceí kvalt městské hromadé doprav 9

7 Ročík., Číslo II., 009 zastávek je ted krterem s klesající preferecí, stejé přírůstk omálích hodot subkrtera přáší respodetům stále meší užtek. Defčí obor fukce u ( ) bl rozděle a základě respodet přřazeého bodového hodoceí do pět tervalů. Pomocí fukce u ( ) lze rověž získat mezí hodot, 0,75, 0,5, 0,5, 0, pro ěž u ( ) abývá hodot u ( ), u ( 0,75 ) 0,75, u ( 0,5 ) 0,5, u ( 0,5 ) 0,5 a u ( 0 ) 0. Z hodot uvedeých v tabulce vplývá, jak cestující hodotí čas stráveý docházkou (z bdlště a výchozí zastávku MHD a z cílové zastávk MHD a pracovště) a cestě do zaměstáí. Nejvšší užtek cestujícím přáší dostupost zastávek do mut, ještě "přízvě" hodotí dobu docházk do 8 mut. Neutrálě "a přízvě a epřízvě" je hodoceo avýšeí času stráveého docházkou do mut. Další prodloužeí dob docházk je jž z hledska cestujících epřjatelé. Tab. - Trasformace bodového hodoceí kvalt krtera dostupost zastávek do tervalů a mezích hodot pomocí dílčí fukce užtku u ( ) Bodové hodoceí Iterval [m] Mezí hodot [m] velm přízvé - 5 přízvé -8 5 a přízvé a epřízvé 9- epřízvé velm epřízvé Z hodot uvedeých v této tabulce vplývá, že cestující ehodotí čas stráveý docházkou přílš egatvě. Přírůstk omálích hodot a počátku defčího oboru přáší cestujícím meší pokles užtku, ež přírůstk omálích hodot v blízkost hodot.ma 0 mut. Důvodem může být skutečost, že cestující epokládají dobu docházk za součást přemístěí. Počátkem přemístěí rozumí příchod a výchozí zastávku, kocem přemístěí odchod z cílové zastávk (případě až ástup do dopravího prostředku a výstup z dopravího prostředku)... Hodoceí krtera čekáí a spoj MHD Doba čekáí a spoj je doba měřeá od příchodu cestujícího a zastávku MHD po odjezd dopravího prostředku požadovaého spoje. Průměrá doba čekáí a spoj závsí a rozděleí dob příchodu cestujícího a zastávku a a pravdelost, spolehlvost a přesost doprav. Pokud cestující přchází a zastávku ezávsle a jízdím řádu, tj. bez zalost odjezdů spojů a daé lce, přchází áhodě. Za předpokladu pravdelé a přesé doprav je průměrá doba čekáí a spoj cestujícího, který přjde a zastávku MHD bez zalost jízdího řádu, polova tervalu doprav. Tato stuace astává v případě, kd ejsou jízdím řádem staoveé odjezd, ale je terval doprav. Olvková - metoda hodoceí kvalt městské hromadé doprav 9

8 Ročík., Číslo II., 009 Cestující př pravdelých cestách do zaměstáí jž předem zá jízdím řádem staoveé odjezd a s cílem sížt dobu čekáí a spoj přzpůsobuje svůj příchod a zastávku odjezdu požadovaého spoje. Krterum čekáí a spoj MHD (dob čekáí a spoj) cestující hodotl z hledska času stráveého čekáím a zastávce a cestě do zaměstáí. Nomálí hodot bl staove a základě údajů o době čekáí, získaých od cestujících prostředctvím dotazíku. Prostředctvím bodového hodoceí kvalt krtera ve stupc,,,, 5 přřadl cestující určté omálí hodotě dob čekáí hodotu užtečost u < ; 0>. Uspořádaé dvojce (, u ( )) tvoří souřadce bodů, které jsou vese a obr. (a ose jsou vese omálí hodot dob čekáí a a ose jm odpovídající průměré hodot užtku). Průzkumem zjštěé hodot lze ejlépe apromovat parabolou (kvadratckou fukcí, polomem druhého řádu). Dílčí fukce užtku krtera čekáí a spoj u ( ) má tvar: u ( ) 0,007-0,099,085 () Hodota deu determace R 0,9768 což zameá dobré proložeí bodů. průzkumem zjštěé hodot polom. u ( ) 0,75 u ( ) - průměrý užtek 0,5 0,5 0 u ( ) 0,007-0,099,085 R 0, doba čekáí [m] Obr. - Dílčí fukce užtku subkrtera čekáí a spoj u ( ) Fukce u ( ) je ve svém defčím oboru <; 6> mootóě klesající z fukčí hodot u ( ) a fukčí hodotu u ( ) 0,9, průběh fukce je koveí. Čekáí a Olvková - metoda hodoceí kvalt městské hromadé doprav 9

9 Ročík., Číslo II., 009 spoj je ted krterem s klesající preferecí, stejé přírůstk omálích hodot subkrtera přáší respodetům stále meší pokles užtku. Defčí obor fukce u ( ) bl rozděle a základě respodet přřazeého bodového hodoceí do čtř tervalů. Pomocí fukce u ( ) lze rověž získat mezí hodot, 0,75, 0,5 0,5 a pro ěž u ( ) abývá hodot u ( ), u ( 0,75 ) 0,75, u ( 0,5 ) 0,5 a u ( 0,5 ) 0,5. Z hodot uvedeých v tabulce vplývá, jak cestující hodotí čas stráveý čekáím a zastávce. Velm přízvě hodotí čekáí a spoj do mut a přízvě do 5 mut. Ještě eutrálě tj. a přízvě a epřízvě je hodocea doba čekáí do 9 mut. Delší čas čekáí je jž pro cestující epřjatelý. Z tabulk je patré, že v rámc defčího oboru <; 6> elze trasformovat bodové hodoceí 5 (velm epřízvé) do tervalu a hodot 0, pro ž b u ( ) měla abývat hodot u ( 0 ) 0. Tto hodot leží mmo průzkumem zjštěý defčí obor. Tab. - Trasformace bodového hodoceí kvalt krtera čekáí a spoj do tervalů a mezích hodot pomocí dílčí fukce užtku u ( ) Bodové hodoceí Iterval [m] Mezí hodot [m] velm přízvé - přízvé - 5 a přízvé a epřízvé epřízvé velm epřízvé - - Cestující hodotí čas stráveý čekáím a zastávce dost egatvě. Přírůstk omálích hodot a počátku defčího oboru přáší cestujícím všší pokles užtku, ež přírůstk omálích hodot a koc defčího oboru. Důvodem může být skutečost, že cestující př pravdelých cestách do zaměstáí jž předem zají jízdím řádem staoveé odjezd spojů a přcházejí a zastávku před staoveým odjezdem spoje. Proto eočekávají, že doba čekáí a spoj se zvýší... Hodoceí krtera přestupovost v dopraví sít MHD Doba přestupu je součtem dob chůze př přestupu mez výstupí a ástupí zastávkou lek, mez kterým se přestupuje a dob čekáí a ásledý spoj. Nutost přestupu z jedoho dopravího prostředku a jý př přemístěí za účelem dosažeí žádoucího cíle cest sžuje kvaltu přeprav. Protože přestupováí mez růzým dopravím sstém elze zabrát, je úkolem tuto evýhodu mmalzovat. Předpokladem mmálí dob přestupu je dobrá časová a prostorová koordace v dopravím sstému. Doba přestupu je ovlvěa dodržováím jízdího řádu, tj. pravdelostí, přesostí a spolehlvostí doprav. Základím krterem však zde zůstává celková doba přemístěí, tj. spotřeba času "od dveří ke dveřím", kd aopak přestupem a jý dopraví prostředek se celková doba přemístěí může sížt. V zájmu zamezeí egatvího hodoceí přestupovost ze stra Olvková - metoda hodoceí kvalt městské hromadé doprav 95

10 Ročík., Číslo II., 009 cestujících je však žádoucí, ab se vhodým uspořádáím přestupích vazeb (časových prostorových) a optmálím řešeím sítě lek zamezlo víceásobým přestupům, které cestující hodotí velm egatvě. Krterum přestupovost v dopraví sít MHD cestující hodotl z hledska dob přestupu v průběhu jejch cest do zaměstáí. Nomálí hodot bl staove a základě údajů o době přestupu (součtu dob docházk př přestupu mez výstupí a ástupí zastávkou lek, mez kterým se přestupuje a dob čekáí a ásledý spoj) získaých od cestujících prostředctvím dotazíku. Prostředctvím bodového hodoceí kvalt subkrtera ve stupc,,,, 5 přřadl cestující určté omálí hodotě dob přestupu hodotu užtečost u < ; 0>. Uspořádaé dvojce (, u ( )) tvoří souřadce bodů, které jsou vese a obr. (a ose jsou vese omálí hodot dob přestupu a a ose jm odpovídající průměré hodot užtku). Průzkumem zjštěé hodot lze ejlépe apromovat parabolou (kvadratckou fukcí, polomem druhého řádu). Dílčí fukce užtku krtera přestupovost v dopraví sít u ( ) má tvar: u ( ) - 0,00-0,00,0096 () Hodota deu determace R 0,967 což zameá dobré proložeí bodů. Obr. - Dílčí fukce užtku krtera přestupovost v dopraví sít MHD u ( ) Fukce u ( ) je ve svém defčím oboru < ; 0> mootóě klesající z fukčí hodot u ( ) a fukčí hodotu u ( ) 0, průběh fukce je kokáví. Olvková - metoda hodoceí kvalt městské hromadé doprav 96

11 Ročík., Číslo II., 009 Přestupovost v dopraví sít MHD je ted krterem s klesající preferecí, stejé přírůstk omálích hodot krtera přáší respodetům stále meší užtek. Defčí obor fukce u ( ) bl rozděle a základě respodet přřazeého bodového hodoceí do čtř tervalů. Pomocí fukce u ( ) lze rověž získat mezí hodot, 0,75, 0,5 0,5 a pro ěž u ( ) abývá hodot u ( ), u ( 0,75 ) 0,75, u ( 0,5 ) 0,5 a u ( 0,5 ) 0,5. Podrobější výsledk obsahuje tabulka. Defčí obor fukce u ( ) bl rozděle a základě respodet přřazeého bodového hodoceí do čtř tervalů. Pomocí fukce u ( ) lze rověž získat mezí hodot, 0,75, 0,5 0,5 a pro ěž u ( ) abývá hodot u ( ), u ( 0,75 ) 0,75, u ( 0,5 ) 0,5 a u ( 0,5 ) 0,5. Tab. - Trasformace bodového hodoceí kvalt přestupovost v dopraví sít MHD do tervalů a mezích hodot pomocí dílčí fukce užtku u ( ) Bodové hodoceí Iterval [m] Mezí hodot [m] velm přízvé -7 přízvé 8-0 a přízvé a epřízvé -6 5 epřízvé velm epřízvé - - Z hodot uvedeých v tabulce vplývá, jak cestující hodotí čas stráveý přestupováím. Přírůstk omálích hodot a počátku defčího oboru přáší cestujícím meší pokles užtku, ež přírůstk omálích hodot v blízkost hodot ma 0 mut. Důvodem může být skutečost, že cestujícím přílš evadí utost přestupu z jedoho dopravího prostředku a jý v průběhu přemístěí, pokud eí časová ztráta př přestupu přílš velká. Víceásobé přestup, kd se současě zvšuje časová ztráta, však cestující hodotí epřízvě.. ZÁVĚR Čláek se zabývá problematkou hodoceí kvalt MHD. Zejméa se věuje popsu metod hodoceí kvalt přemístěí MHD a epermetálímu ověřeí avržeé metod provedeím vhodoceí krterí časové dostupost. Pro zhodoceí avržeé metod jsou výzamé výsledk provedeého průzkumu, které ukazují, že je vhodý pro praktcké vužtí v oblast hodoceí spokojeost a kvalt přemístěí MHD z hledska cestujících, protože umožňuje: - detfkovat očekáváí cestujících týkající se kvalt přemístěí v sstému MHD, - detfkovat estující úroveň kvalt, - odhalovat příč espokojeost cestujících, - odhalovat slé a slabé strák dopravce, Olvková - metoda hodoceí kvalt městské hromadé doprav 97

12 Ročík., Číslo II., posktovat formace a data pro projekt zlepšováí kvalt, - přášet kvatfkovaé výstup s možostí vhodocováí tredů. POUŽITÁ LITERATURA [] OLIVKOVÁ, I. Hodoceí spokojeost cestujících v podku MHD. Ostrava:. mezárodí koferece Jakost 00 - Qualt 00, IBN [] OLIVKOVÁ, I. Hodoceí spokojeost cestujících s kvaltou městské hromadé doprav. Pardubce: Perer's Cotact II/006. Uverzta Pardubce, 006. s IN 80-67X. [] UROVEC, P. Provoz a ekoomka slčí doprav I. Ostrava: VŠB-TU Ostrava IBN X. Recezet: Ig. Ivaa Havlíčková UDIMO, spol. s r. o., Ostrava doc. Ig. Tataa Molková, Ph.D. Uverzta Pardubce, DFJP, Katedra techologe a řízeí doprav Olvková - metoda hodoceí kvalt městské hromadé doprav 98

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Měření závislostí. Statistická závislost číselných znaků

Měření závislostí. Statistická závislost číselných znaků Měřeí závslostí Statstcká závslost číselých zaků - závslost dvou velč lze vádřt ako ech fukčí vztah vzorcem, taulkou hodot příslušé fukce eo grafck; - mez zak zkoumaých evů zšťueme estec příčé (kauzálí

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

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

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

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

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

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

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

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

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

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

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

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

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

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

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

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

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

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

[ 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

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

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

Úvod do zpracování měření

Úvod do zpracování měření Úvod do zpracováí měřeí Teore chb Opakujeme-l měřeí téže fzkálí velč za stejých podmíek ěkolkrát za sebou, dostáváme zpravdla růzé hodot. Měřeé velčě přísluší však jedá správá hodota. Každou odchlku aměřeé

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

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

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

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

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

Jednoduchá lineární regrese

Jednoduchá lineární regrese Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí

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

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

Téma 11 Prostorová soustava sil

Téma 11 Prostorová soustava sil Stavebí statka,.ročík bakalářského studa Téma Prostorová soustava sl Prostorový svazek sl Statcký momet síly a dvojce sl v prostoru Obecá prostorová soustava sl Prostorová soustava rovoběžých sl Katedra

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

- 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

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

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

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ

III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ III. METODY MĚŘENÍ A ZPRACOVÁNÍ MĚŘENÍ Způsob, jímž se provádí fzkálí měřeí, závsí jedak a povaze měřeé velč, jedak a tom, ze kterých vztahů pro měřeou velču vjdeme a jakých přístrojů použjeme. Všech měřcí

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

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

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

2 STEJNORODOST BETONU KONSTRUKCE

2 STEJNORODOST BETONU KONSTRUKCE STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

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

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY

ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ZÁKLADY PRAVDĚPODOBNOSTI A STATISTIKY Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 OBSAH: ÚVOD... 4. CO JE STATISTIKA?... 4. STATISTICKÁ DATA... 5.3 MĚŘENÍ

Více

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek

SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO. Statistika I. distanční studijní opora. Milan Křápek SOUKROMÁ VYSOKÁ ŠKOLA EKONOMICKÁ ZNOJMO Statstka I dstačí studjí opora Mla Křápek Soukromá vysoká škola ekoomcká Zojmo Dube 3 Statstka I Vydala Soukromá vysoká škola ekoomcká Zojmo. vydáí Zojmo, 3 ISBN

Více

Téma 2 Přímková a rovinná soustava sil

Téma 2 Přímková a rovinná soustava sil Stavebí statka,.ročík bakalářského studa Téma 2 Přímková a rová soustava sl Přímková soustava sl ový svazek sl Statcký momet síly k bodu a dvojce sl v rově Obecá rová soustava sl ová soustava rovoběžých

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

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

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

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

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

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

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost

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

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

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků

1 Popis statistických dat. 1.1 Popis nominálních a ordinálních znaků 1 Pops statstcých dat 1.1 Pops omálích a ordálích zaů K zobrazeí rozděleí hodot omálích ebo ordálích zaů lze použít tabulu ebo graf rozděleí četostí. Tuto formu zobrazeí lze dooce použít pro číselé zay,

Více

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí

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

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

jsou reálná a m, n jsou čísla přirozená.

jsou reálná a m, n jsou čísla přirozená. .7.5 Racioálí a polomické fukce Předpoklad: 704 Pedagogická pozámka: Při opisováí defiic racioálí a polomické fukce si ěkteří studeti stěžovali, že je to příliš těžké. Ve skutečosti je sstém, kterým jsou

Více

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu.

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu. - 1 - - - - 3 - - 4 - - 5 - PROJEKT PARKINSON KLUBU BRNO Žvot je pohyb a pohyb je žvot - 015 Výzam a zaměřeí projektu Základí deou projektu je vzdorovat egatvím tělesým a psychckým projevům Parksoově emoc,

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

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

1 ROVNOMĚRNOST BETONU KONSTRUKCE

1 ROVNOMĚRNOST BETONU KONSTRUKCE ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů

Více

U klasifikace podle minimální vzdálenosti je nutno zvolit:

U klasifikace podle minimální vzdálenosti je nutno zvolit: .3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si

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

Deskriptivní statistika 1

Deskriptivní statistika 1 Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí

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

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli

TĚŽIŠTĚ A STABILITA. Těžiště tělesa = bod, kterým stále prochází výslednice tíhových sil všech jeho hmotných bodů, ať těleso natáčíme jakkoli SAIKA - těžště ĚŽIŠĚ A SABILIA ěžště tělesa bod, kterým stále prochází výsledce tíhových sl všech jeho hmotých bodů, ať těleso atáčíme jakkol bod, ke kterému astává rovováha mometů způsobeých tíhou jedotlvých

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

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné

Chyby měření: 1. hrubé chyby - nepozornost, omyl, únava pozorovatele... - významně převyšuje rozptyl náhodné chyby 2. systematické chyby - chybné CHYBY MĚŘENÍ Opakovaé měřeí téže fyzkáí večy evede vždy k přesě stejým výsedkům. Této skutečost bychom se evyhu, kdybychom měřeí provádě s ejvětší důkadostí a precsostí aopak, čím ctvější a přesější jsou

Více

ANALÝZA A KLASIFIKACE DAT

ANALÝZA A KLASIFIKACE DAT ANALÝZA A KLASIFIKACE DA prof. Ig. Jří Holčík, CSc. INVESICE Isttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a aalýz IV. LINEÁRNÍ KLASIFIKACE pokračováí Isttut bostatstky a aalýz (SUPPOR VECOR MACHINE SVM) SEPARABILNÍ

Více

1. Úvod do základních pojmů teorie pravděpodobnosti

1. Úvod do základních pojmů teorie pravděpodobnosti . Úvod do základích pojmů teore pravděpodobost. Úvodí pojmy Větša exaktích věd zobrazuje své výsledky rgorózě tj. výsledky jsou získáváy a základě přesých formulí a jsou jejch terpretací. Příkladem je

Více

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n Petra Suryková Modelováí křivek základím prvkem teorie křivek v počítačové grafice křivky polyomiálí Q( t) a a t... a t polyomiálí křivky můžeme sado vyčíslit sado diferecovatelé lze z ich skládat křivky

Více

Odůvodnění. Obecná část

Odůvodnění. Obecná část Odůvoděí k ávrhu změy vyhlášky č. 502/2005 Sb., kterou se staoví způsob vykazováí možství elektřy př společém spalováí bomasy a eobovtelého zdroje Obecá část Zhodoceí platého právího stavu Podpora výroby

Více

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ 3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,

Více

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců

Interpolace a aproximace. Interpolace algebraickým polynomem a aproximace metodou nejmenších čtverců Iterpolce promce Iterpolce lgebrckým polomem p g ý p promce metodou ejmeších čtverců Iterpolce lgebrckým polomem Apromce metodou ejmeších čtverců Úloh. Dá tbulk hodot,, j pro j. Hodot jsou přesé. Hledáme

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

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

Nepředvídané události v rámci kvantifikace rizika

Nepředvídané události v rámci kvantifikace rizika Nepředvídaé událost v rác kvatfkace rzka Jří Marek, ČVUT, Stavebí fakulta {r.arek}@rsk-aageet.cz Abstrakt Z hledska úspěchu vestce ohou být krtcké právě ty zdroe ebezpečí, které esou detfkováy. Vzhlede

Více

Statistické charakteristiky (míry)

Statistické charakteristiky (míry) Stattcé charaterty (míry) - hrují formac, obažeou v datech (vyjadřují j v ocetrovaé formě); - charaterzují záladí ryy zoumaého ouboru dat; - umožňují porováváí více ouborů. upy tattcých charatert :. charaterty

Více