Statistická šetření a zpracování dat.
|
|
- Marie Švecová
- před 5 lety
- Počet zobrazení:
Transkript
1 Statstcká šetření a zpracování dat. Vyjadřovací prostředky ve statstce STATISTICKÉ TABULKY Typckým vyjadřovacím prostředkem statstky je číslo formalzovaným nástrojem číselného vyjádření je statstcká tabulka. Prezentační tabulky: prezentace dat, výsledků zpracování a analýzy. Pracovní tabulky: například na jednotlvých lstech v excelu, zaznamenávání zjštěných a dopočítaných hodnot. Tabulky statstckých konstant. Př konstrukc tabulky by se měly dodržet obecně platné zásady vedoucí k maxmální srozumtelnost tabulky, přehlednost, volbou vhodné grafcké úpravy. Základní prvky tabulky jsou uvedeny v tabulce. číslo tabulky legenda políčko Tab. Indexy vzdělanost obyvatel Zlínského kraje a jeho okresů Index vzdělanost k Index vzdělanost k O k r e s celkové středoškolské vysokoškolské celkové středoškolské vysokoškolské Kroměříž 52,8 4,96 7,78 73,39 54,5 2,48 2 Uherské Hradště 48,45 37,75 7,64 69,9 50,57 2,85 3 Vsetín 55,39 43,62 8,4 78,57 58,07 2,97 4 Zlín 56,49 45,59 9,46 84, 59,05 5,75 Zlínský kraj 54,76 42,45 8,38 77,3 55,73 3,74 Zdroj: Vlastní výpočty pramen název tabulky součtový řádek záhlaví číselné pole řádek sloupec Případné vysvětlvky, poznámky
2 Statstcká šetření a zpracování dat. Tab. 2 Smluvené značky používané ve statstckých tabulkách Smluvená značka Symbol Použtí ležatá čárka - nulový údaj, žádný případ ležatý křížek vyplnění políčka není logcké nula 0 méně než polovna měrné jednotky tečka. neznámý údaj Zdroj: Mnařík, Popsná statstka, Brno 2008 Prostředí pro tvorbu tabulek: nejlehčí MS Word STATISTICKÉ GRAFY Výhodou je názornost a přehlednost. Základní prvky grafu jsou totožné s prvky tabulky, grafcký obraz je tvořen geometrckým prostředky (body, úsečky, křvky), smluveným prostředky (typy a tloušťky čar, vybarvení ploch) a pomocným prostředky (osy a stupnce). 60,00 40,00 20,00 00,00 80,00 60,00 40,00 20,00 0,00 Jhomoravský kraj - ndex celkové vzdělanost legenda ICV200 ICV20 pomocné grafcké prostředky (osy, stupnce, sť) geometrcké grafcké prostředky smluvené grafcké prostředky (barvy) číslo grafu 3D efekt Obr. Index celkové vzdělanost pro Jhomoravský kraj Zdroj: Vlastní výpočty pramen název grafu Prostředí pro tvorbu grafů: MS Excel Nepřeberné množství grafů, pro nás nejdůležtější hstogram, polygon četnostní, graf kumulatvní četnost, výsečový graf.
3 Statstcká šetření a zpracování dat. Počet obyvatel města XY Spotřeba jednotlvých značek pva v Brně Radegast % Šerák 6% Holba 5% Plzeň 6% 0 0 do 8) <8 28) <28 38) <38 48) <48 58) <58 a více Staropramen 32% Starobrno 30% věková struktura Obr. 2 Hstogram Obr. 3 Výsečový graf Nedostatky grafů: malá přesnost, možnost nechtěného nebo úmyslného matení čtenářů grafů pomocí optckých klamů.
4 Významné hodnoty varační řady Nejjednodušší metoda statstckého zpracování dat - Třídění vhodné uspořádání zjštěných nebo naměřených hodnot spočívá v rozdělení prvotních statstckých údajů do určtého počtu skupn (tříd, ntervalů) a zjštění četností (počtu jednotek) v těchto skupnách Klasfkace statstckých řad Statstcká řada Časová řada Prostorová řada Věcná řada Slovní Číselná Varační Statstcká řada neuspořádaná (daná pořadím zjšťování, chaotcké) uspořádaná - seřazená - setříděná Původní řada:, x,... 2 x xn Podle velkost: x ( ), x( 2),... x( ),..., x( n ) x,..., kde x x,... x... x n tentokrát ndex souvsí s velkostí hodnot, přčemž ( ) ( 2) ( ) ( ) x = x, x = n x ( ) mn ( ) max a Třídění podle více znaků - vícestupňové soubor je tříděn v postupných krocích, třídění podle každého dalšího znaku je prováděno uvntř tříd, - kombnační soubor je tříděn současně podle více znaků, výsledkem je kombnační tabulka (kontngenční x asocační, korelační) Varační třídění třídící znak
5 Významné hodnoty varační řady nespojtý vykazuje menší počet obměn, třídí soubor na skupny jednoduché rozdělení četností bodové třídění spojtý velký počet obměn příbuzné obměny se shrnují do společných skupn (tříd, ntervalů) skupnové (ntervalové) rozdělení četností Tabulka rozdělení četností: pro kvaltatvní znak (bodové třídění, výsečový graf) pro dskrétní znak pro spojtý znak Třídění číselných znaků bodové třídění Příklad č. Roztřďte soubor podle členů domácnost: 2, 5, 6, 4, 3,, 2, 3, 3, 4,,, 2, 4, 4, 3, 3, 5, 2,, 3, 4, 2,, 2, 3,, 4, 3, 6, 5, 3, 4,, 2, 3, 2, 2, 3, 4. Tabulka jednoduchého rozdělení četností (Počet členů v domácnost) Hodnoty znaku Absolutní Relatvní četnost Kumulatvní Kumulatvní x četnost p četnost absolutní četnost relatvní n kn kp ,75 0,225 0,275 0,2 0,075 0, ,75 0,4 0,675 0,875 0,95 Suma 40 x x Každé rozdělení četností má dva aspekty - aspekt jednečnost neopakovatelnost, - aspekt zákontost. Grafcké zobrazení hůlkový graf (úsečkový). Co lze z uvedeného rozdělení četností vyčíst
6 Významné hodnoty varační řady Ukazatel Určení Hodnota Počet domácností (rozsah souboru) Počet domácností např. se třem členy Podíl domácností např. se třem členy (v %) Počet domácností např. s nejvýše třem členy Podíl domácností např. s nejvýše třem členy n n 00 p kn = n j = 00 kp = 00 p j = 40 27,5 % 27 67,5 % Třídění číselných znaků skupnové (ntervalové) třídění Třídění probíhá v rámc uměle vytvořených skupn (ntervalů, tříd). Postup př varačním třídění. Hodnoty uspořádat vzestupně 2. Seskupení do ntervalů stejné šířky do 00 prvků do 500 prvků nad 500 prvků 6-9 ntervalů 0-5 ntervalů 6 20 ntervalů nebo odhad počtu ntervalů na základě výrazu: 3. Šířka ntervalu h k = R = R = X k max - X mn (varační rozpětí) 4. Hrance ntervalů musí být vyznačeny jednoznačně, první a poslední nterval může být určen pouze jednou hrancí (otevřený nterval) zachycení extrémních hodnot 5. Třídění (čárkovací metodou) //// /// Střed ntervalu - průměr dolní a horní hrance ntervalu (nezávslý na hodnotách zařazených jednotek), formálně nahrazuje ndvduální hodnoty patřící do určté třídy, reprezentuje úroveň třídy n
7 Významné hodnoty varační řady Zjstíme absolutní četnost jednotlvých ntervalů n Vypočteme relatvní četnost p Kumulatvní četnost 6. Graf k kn = n n= = n k 00 [%], kde k je počet řádků n n= hstogram četností (sloupkový graf) úsečkový (ve středech ntervalů) polygon četností (spojncový - spojuje vrcholy úsečkového grafu) Po provedeném třídění jsou všechny konkrétní hodnoty patřící do určté třídy zapomenuty a jsou nahrazeny středem třídy x, který reprezentuje úroveň třídy. Úhrn třídy vypočítáme jako součn x. n a nahradíme jím přesnou hodnotu součtu všech hodnot třídy. Příklad č. 2 Proveďte třídění v souboru středně velkých průmyslových podnků podle průměrného počtu zaměstnanců ve sledovaném roce. Sestavte tabulku skupnového rozdělení četnost. Určete významné hodnoty x mn = 0 x max = 235 Varační rozpětí R = x max - x mn R = R = 25
8 Významné hodnoty varační řady Šířka třídy h = R 25 h = = 20, k h = = 7, h = = 5,63 8 Tabulka ntervalového rozložení četností Třída Vymezení tříd Střed třídy Abs.četnost Kumulat. Relatvní četn. Kumulat. x n méně než 20) , , <20,40) , , <40,60) , , <60,80) , , <80,200) ,5743 0, <200,220) , , <220 a více ,04286 Celkem X X 70 X X kn p kp
9 Významné hodnoty varační řady Grafcké zobrazení rozdělení četností (Excel) Hstogram rozdělení četností 20 Počet podnků méně než <20,40)<40,60)<60,80)<80,200)<200,220)<220 a víc 20) Počet zaměstnanců Polygon četností 20 Počet podnků Počet zaměstnanců Graf kumulatvních četností Počet podnků Počet zaměstnanců
4. Třídění statistických dat pořádek v datech
4. Třídění statstcých dat pořáde v datech Záladní členění statstcých řad: řada časová, řada prostorová, řada věcná věcná slovní řada, věcná číselná řada. Záladem statstcého třídění je uspořádání hodnot
Více6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu
6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a
Více2. Statistická terminologie a vyjadřovací prostředky. 2.1. Statistická terminologie. Statistická jednotka
2. Statistická terminologie a vyjadřovací prostředky 2.1. Statistická terminologie Statistická jednotka Statistická jednotka = nositel statistické informace, elementární prvek hromadného jevu. Příklady:
Více2.3 Prezentace statistických dat (statistické vyjadřovací prostředky)
2.3 Prezentace statistických dat (statistické vyjadřovací prostředky) Statistika musí výsledky své práce převážně číselná data prezentovat (publikovat, zveřejňovat) jednoduše, srozumitelně a přitom výstižně.
VíceŠkály podle informace v datech:
Škály podle informace v datech: Různé typy dat znamenají různou informaci, resp. různé množství informace Data nominální Rovná se? x 1 = x 2 Data ordinální Větší, menší? x 1 < x 2 Data intervalová O kolik?
VíceTřídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
VíceNormalizovaná úprava písemností v MS Word
23. března 2013 VY_32_INOVACE_080116_Word_Tabulky_podle_normy_DUM Normalizovaná úprava písemností v MS Word Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Lenka Satková. Obchodní
Více7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM
7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané
VícePŘEDMĚT: PEK TÉMA: TVORBA TABULEK U SZ. Zpracováno: prezentace powerpoint Ing. Hana Augustinová 2012
PŘEDMĚT: PEK TÉMA: TVORBA TABULEK U SZ Zpracováno: prezentace powerpoint Ing. Hana Augustinová 2012 JAKÁ MUSÍ BÝT TABULKA věcně správná s srozumitelná jednoznačná úsporná přehledná musí mít pěkný vzhled
VíceREGRESNÍ ANALÝZA. 13. cvičení
REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká
VíceSTATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE
STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí
VíceANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha
ANOVA Analýza rozptylu př jednoduchém třídění Jana Vránová, 3.léařsá faulta UK, Praha Teore Máme nezávslých výběrů, > Mají rozsahy n, teré obecně nemusí být stejné V aždém z nch známe průměr a rozptyl
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
VíceANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
VíceAPLIKOVANÁ STATISTIKA pro FRRMS
Mendelova zemědělská a lesncká unverzta v Brně Fakulta regonálního rozvoje a meznárodních studí APLIKOVANÁ STATISTIKA pro FRRMS Modul : Datový soubor zjšťování, prezentace a zpracování Prof. Ing. Bohuml
VíceTřídění a významné hodnoty
Lekce Třídění a významné hodnoty Ponechme nyní oněkud stranou různorodé oznatky rvní lekce týkající se zjšťování a tyů dat a omezme se jen na nejjednodušší říad datových souborů tvořených hodnotam kardnálních
VícePOROVNÁNÍ MEZI SKUPINAMI
POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá
VíceRegresní a korelační analýza
Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
Více4.2 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.
VíceStatistika. Zpracování informací ze statistického šetření. Roman Biskup
Statistika Zpracování informací ze statistického šetření Třídění statistického souboru Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 20. února 2012
Víceina ina Diskrétn tní náhodná veličina může nabývat pouze spočetně mnoha hodnot (počet aut v náhodně vybraná domácnost, výsledek hodu kostkou)
Náhodná velčna na Výsledek náhodného pokusu, daný reálným číslem je hodnotou náhodné velčny. Náhodná velčna je lbovolná reálná funkce defnovaná na množně elementárních E pravděpodobnostního prostoru S.
VícePracovní list č. 3 Charakteristiky variability
1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte
Víceí I - 13 - Průchod a rozptyl záření gama ve vrstvách materiálu Prof. Ing. J. Šeda, DrSc. KDAIZ - PJPI
- 13 - í Průchod a rozptyl záření gama ve vrstvách materálu Prof. ng. J. Šeda, DrSc. KDAZ - PJP Na našem pracovšt byl vypracován program umožňující modelovat průchod záření gama metodou Monte Carlo, homogenním
VíceTECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar
VíceSTATISTIKA PRO NELÉKAŘSKÉ ZDRAVOTNICKÉ OBORY
STATISTIKA PRO NELÉKAŘSKÉ ZDRAVOTNICKÉ OBORY Eva Reterová Olomouc 06 Fakulta zdravotnckých věd Unverzta Palackého v Olomouc Statstka pro nelékařské zdravotncké obory Eva Reterová Olomouc 06 Oponent: PhDr.
VíceVícekriteriální rozhodování. Typy kritérií
Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
VíceCHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.
CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt
VícePrezentace dat. Grafy Aleš Drobník strana 1
Prezentace dat. Grafy Aleš Drobník strana 1 8.3 GRAFY Užití: Grafy vkládáme do textu (slovního popisu) vždy, je-li to vhodné. Grafy zvýší přehlednost sdělovaných informací. Výhoda grafu vůči tabulce či
VíceExcel tabulkový procesor
Pozice aktivní buňky Excel tabulkový procesor Označená aktivní buňka Řádek vzorců zobrazuje úplný a skutečný obsah buňky Typ buňky řetězec, číslo, vzorec, datum Oprava obsahu buňky F2 nebo v řádku vzorců,
VícePrezentace dat. Slovní popis a tabulky prosté Aleš Drobník strana 1
Prezentace dat. Slovní popis a tabulky prosté Aleš Drobník strana 1 8. PREZENTACE DAT Jakými prostředky sdělujeme informace, údaje, účetní a statistické charakteristiky? Používáme tyto prostředky sdělování
VíceMODELOVÁNÍ A SIMULACE
MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký
VíceINFORMATIKA WORD 2007
INFORMATIKA WORD 2007 Název školy Číslo projektu Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Vzdělávací okruh Druh učebního materiálu Cílová skupina Střední
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceSIMULACE. Numerické řešení obyčejných diferenciálních rovnic. Měřicí a řídicí technika magisterské studium FTOP - přednášky ZS 2009/10
SIMULACE numercké řešení dferencálních rovnc smulační program dentfkace modelu Numercké řešení obyčejných dferencálních rovnc krokové metody pro řešení lneárních dferencálních rovnc 1.řádu s počátečním
VíceProtokol č. 1. Tloušťková struktura. Zadání:
Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále
VíceII. Úlohy na vložené cykly a podprogramy
II. Úlohy na vložené cykly a podprogramy Společné zadání pro příklady 1. - 10. začíná jednou ze dvou možností popisu vstupních dat. Je dána posloupnost (neboli řada) N reálných (resp. celočíselných) hodnot.
VíceSTATISTICA Téma 1. Práce s datovým souborem
STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme
VíceObsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2
Závěrečná zpráva o výsledcích expermentu shodnost ZČB 2013/2 Obsah Úvod a důležté kontakty... 2 Postupy statstcké analýzy expermentu shodnost... 4 2.1 Numercký postup zjšťování odlehlých hodnot... 4 2.1.1
VíceStatistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing.
1.2 Prezentace statistických dat Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing. Jan Spousta Co se dozvíte Statistické ukazatele.
Více9.6 TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU
Statistické třídění dle jednoho nespojitého číselného znaku Aleš Drobník strana 1 9.6 TŘÍDĚNÍ PODLE JEDNOHO NESPOJITÉHO ČÍSELNÉHO ZNAKU Na následujícím příkladu si vysvětlíme problematiku třídění podle
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceExcel - pokračování. Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu
Excel - pokračování Př. Porovnání cestovních kanceláří ohraničení tabulky, úprava šířky sloupců, sestrojení grafu Př. Analýza prodeje CD základní jednoduché vzorce karta Domů Př. Skoky do dálky - funkce
Více3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina
3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních
VíceDigitální přenosové systémy a účastnické přípojky ADSL
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechncká LABORATORNÍ ÚLOHA Č. 2 Dgtální přenosové systémy a účastncké přípojky ADSL Vypracoval: Jan HLÍDEK & Lukáš TULACH V rámc předmětu: Telekomunkační
VíceStatistika I (KMI/PSTAT)
Statistika I (KMI/PSTAT) Cvičení první aneb Sumační symbolika, úvod do popisné statistiky Statistika I (KMI/PSTAT) 1 / 15 Obsah hodiny Po dnešní hodině byste měli být schopni: správně používat sumační
VíceVýukový materiál zpracován v rámci projektu EU peníze školám
Výukový materiál zpracován v rámci projektu EU peníze školám Název školy: Střední zdravotnická škola a Obchodní akademie, Rumburk, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/34.0649
VícePísemná práce k modulu Statistika
The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VíceGrafy EU peníze středním školám Didaktický učební materiál
Grafy EU peníze středním školám Didaktický učební materiál Anotace Označení DUMU: VY_32_INOVACE_IT4.09 Předmět: IVT Tematická oblast: Microsoft Office 2007 Autor: Ing. Vladimír Šauer Škola: Gymnázium,
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VícePracovní list č. 3 Charakteristiky variability
Pracovní lt č. 3 Charaktertky varablty 1. Př zjšťování počtu nezletlých dětí ve třcet vybraných rodnách byly zíkány tyto výledky: 1, 1, 0,, 3, 4,,, 3, 0, 1,,, 4, 3, 3, 0, 1, 1, 1,,, 0,, 1, 1,, 3, 3,. Upořádejte
VíceNaučte se víc... Microsoft Office Excel 2007 PŘÍKLADY
Naučte se víc... Microsoft Office Excel 2007 PŘÍKLADY Autor: Lukáš Polák Příklady MS Excel 2007 Tato publikace vznikla za přispění společnosti Microsoft ČR v rámci iniciativy Microsoft Partneři ve vzdělávání.
VíceSoukromá střední odborná škola Frýdek-Místek, s.r.o.
Číslo projektu Název školy Název Materiálu Autor Tematický okruh Ročník CZ.1.7/1.5./3.99 Soukromá střední odborná škola Frýdek-Místek, s.r.o. IVT_MSOFFICE_11_Excel Ing. Pavel BOHANES IVT_MSOFFICE 3 Forma
VícePojem a úkoly statistiky
Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby
VíceDiskrétní náhodná veličina
Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné
VíceINFORMATIKA EXCEL 2007
INFORMATIKA EXCEL 2007 Název školy Číslo projektu Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Vzdělávací okruh Druh učebního materiálu Cílová skupina Střední
VíceProjekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030. MS Excel
Masarykovo gymnázium Příbor, příspěvková organizace Jičínská 528, Příbor Projekt Využití ICT ve výuce na gymnáziích, registrační číslo projektu CZ.1.07/1.1.07/02.0030 MS Excel Metodický materiál pro základní
Vícepodle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y
4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.
VíceTematický okruh: písemná a elektronická komunikace na Státních zkouškách
STŘEDNÍ ODBORNÁ ŠKOLA A STŘEDNÍ ODBORNÉ UČILIŠTĚ NERATOVICE Školní 664, 277 11 Neratovice, tel.: 315 682 314, IČO: 683 834 95, IZO: 110 450 639 Ředitelství školy: Spojovací 632, 277 11 Neratovice tel.:
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Př. : Stanovte jednotlivé četnosti a číselné charakteristiky zadaného statistického souboru a nakreslete krabicový graf:, 8, 7, 43, 9, 47, 4, 34, 34, 4, 35. Statistický soubor seřadíme vzestupně podle
VíceOtto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522
Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS
VícePREZENTACE DAT: JEDNODUCHÉ GRAFY
PREZENTACE DAT: JEDNODUCHÉ GRAFY V tabulce 8.1 uvádíme přehled některých ukazatelů fiktivní firmy Alfa Blatná. Tabulka 8.1 je prostá, je v ní navíc časové srovnání hodnot v roce 2011 a v roce 2012. a)
Vícepřesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech.
3 Grafické zpracování dat Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou tak přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých
VíceRenáta Bednárová STATISTIKA PRO EKONOMY
Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy
Více2 TESTOVÁNÍ HYPOTÉZ. RYCHLÝ NÁHLED KAPITOLY Neříkej: Objevil jsem pravdu! ale raději: Objevil jsem jednu z pravd! Chalil Gibran
Elena Melcová, Radmla Stoklasová a Jaroslav Ramík; Statstcké programy TESTOVÁNÍ HYPOTÉZ RYCHLÝ NÁHLED KAPITOLY Neříkej: Objevl jsem pravdu! ale raděj: Objevl jsem jednu z pravd! Chall Gbran Testování hypotéz
Více3. Základní statistické charakteristiky. KGG/STG Zimní semestr Základní statistické charakteristiky 1
3. charakteristiky charakteristiky 1 charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme charakteristiky 2 charakteristiky Dva hlavní
VíceMěření zrychlení volného pádu
Měření zrychlení volného pádu Online: http://www.sclpx.eu/lab1r.php?exp=10 Pro tento experiment si nejprve musíme vyrobit hřeben se dvěma zuby, které budou mít stejnou šířku (např. 1 cm) a budou umístěny
VícePřednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady. Milan Růžička
Přednášky část 4 Analýza provozních zatížení a hypotézy kumulace poškození, příklady Mlan Růžčka mechanka.fs.cvut.cz mlan.ruzcka@fs.cvut.cz Analýza dynamckých zatížení Harmoncké zatížení x(t) přes soubor
VíceVýsledný graf ukazuje následující obrázek.
Úvod do problematiky GRAFY - SPOJNICOVÝ GRAF A XY A. Spojnicový graf Spojnicový graf používáme především v případě, kdy chceme graficky znázornit trend některé veličiny ve zvoleném časovém intervalu. V
VíceKorelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d
Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím
VíceHodnocení využití parku vozidel
Hodnocení využtí parku vozdel Všechna kolejová vozdla přdělená jednotlvým DKV (provozním jednotkám) tvoří bez ohledu na jejch okamžté použtí jejch nventární stav. Evdenční stav se skládá z vozdel vlastního
Více5.2.4 POMĚRNÁ ČÍSLA SPLNĚNÍ PLÁNU
Druhy poměrných čísel Aleš Drobník strana 1 5.2.4 POMĚRNÁ ČÍSLA SPLNĚNÍ PLÁNU Poměrná čísla neboli poměrní ukazatelé : Získáme srovnáním (podílem) 2 veličin stejnorodých. Srovnávaná veličina (čitatel)
VíceKAPITOLA 12 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM
KAPITOLA 12 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM KONTINGENČNÍ TABULKA FILTROVÁNÍ DAT Kontingenční tabulka nám dává jednoduchý filtr jako čtvrté pole v podokně Pole kontingenční tabulky. Do pole Filtry
VíceStručný obsah. K2118.indd 3 19.6.2013 9:15:27
Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy
VíceVÝPOČET PŘETVOŘENÍ PŘÍHRADOVÝCH KONSTRUKCÍ SILOVOU METODOU řešený příklad pro BO004
VÝPOČET PŘETVOŘENÍ PŘÍHRADOVÝCH KONSTRUKCÍ SILOVOU METODOU řešený příklad pro BO00 Slová metoda využívá prncp vrtuální práce. Zavádí se nový zatěžovací stav vrtuální zatížení. V tomto zatěžovacím stavu
VíceNáhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2,
Statstka I cvčení - 54-5 NÁHODNÝ VEKTOR Náhodným vektorem rozumíme sloupcový vektor složený z náhodných velčn = n který je charakterzován sdruženou smultánní dstrbuční unkcí ; F náhodný vektor s dskrétním
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VícePopisná statistika. Statistika pro sociology
Popisná statistika Jitka Kühnová Statistika pro sociology 24. září 2014 Jitka Kühnová (GSTAT) Popisná statistika 24. září 2014 1 / 31 Outline 1 Základní pojmy 2 Typy statistických dat 3 Výběrové charakteristiky
VícePřehledy pro Tabulky Hlavním smyslem této nové agendy je jednoduché řazení, filtrování a seskupování dle libovolných sloupců.
Přehledy pro Tabulky V programu CONTACT Professional 5 naleznete u firem, osob a obchodních případů záložku Tabulka. Tuto záložku lze rozmnožit, přejmenovat a sloupce je možné definovat dle vlastních požadavků
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
VícePracovní list č. 3: Pracujeme s kategorizovanými daty
Pracovní lt č. 3: Pracujeme kategorzovaným daty Cíl cvčení: Tento pracovní lt je určen pro cvčení ke 3. a. přednášce předmětu Kvanttatvní metody B (.1 Třídění tattckých dat a. Číelné charaktertky tattckých
VíceANALÝZA A KLASIFIKACE DAT
ANALÝZA A KLASIFIKACE DAT prof. Ing. Jří Holčík, CSc. INVESTICE Insttut DO bostatstky ROZVOJE VZDĚLÁVÁNÍ a analýz IV - pokračování KLASIFIKACE PODLE MINIMÁLNÍ VZDÁLENOSTI METRIKY PRO URČENÍ VZDÁLENOSTI
Více5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně
VíceMicrosoft Office Excel 2003
Microsoft Office Excel 2003 Školení učitelů na základní škole Meteorologická Maturitní projekt SSPŠ 2013/2014 Vojtěch Dušek 4.B 1 Obsah 1 Obsah... 2 2 Seznam obrázků... 3 3 Základy programu Excel... 4
VíceVLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ
VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje
VíceJiří Militky Škály měření Nepřímá měření Teorie měření Kalibrace
Tetlní zkušebnctv ebnctví II Jří Mltky Škály měření epřímá měření Teore měření Kalbrace Základní pojmy I PRAVDĚPODOBOST Jev A, byl sledován v m pokusech. astal celkem m a krát. Relatvní četnost výskytu
Více9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI
Statistické třídění, intervalové rozdělení četnosti Aleš Drobník strana 1 9.7 TŘÍDĚNÍ PODLE JEDNOHO SPOJITÉHO ČÍSELNÉHO ZNAKU. INTERVALOVÉ ROZDĚLENÍ ČETNOSTI Problematiku třídění podle jednoho spojitého
Více8.1.2 TABULKA SKUPINOVÁ
Prezentace dat. Tabulky skupinové a kombinační Aleš Drobník strana 1 8.1.2 TABULKA SKUPINOVÁ Užití: Hlubší analýza konkrétnější oblasti. Například ve vlastní části odborné práce, žákovského projektu apod.
VíceDeskriptivní statistika (kategorizované proměnné)
Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,
VíceSISP - charakteristika výběrového souboru
SISP - charakteristika výběrového souboru Výběr osob ve Studii individuální spotřeby potravin reprezentuje populaci České republiky dle Výsledků sčítání lidu, domů a bytů, 21. Šetření se zúčastnilo 259
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceStřední průmyslová škola v Teplicích Předmět: Kontrola a měření ve strojírenství
Střední průmyslová škola v Teplicích Předmět: Kontrola a měření ve strojírenství MĚŘENÍ DRSNOSTI POVRCHU Metody kontroly povrchu rozdělujeme na metody kvalitativní a kvantitativní. Metody kvalitativní
VíceDISKUSE K JEDNÁNÍ 1. PRACOVNÍHO TÝMU ODBORNÉ KOMISE PRO DŮCHODOVOU REFORMU 21. září 2016 ZEMŘELÍ V ČR PODLE VZDĚLÁNÍ
1 DISKUSE K JEDNÁNÍ 1. PRACOVNÍHO TÝMU ODBORNÉ KOMISE PRO DŮCHODOVOU REFORMU 21. září 2016 ZEMŘELÍ V ČR PODLE VZDĚLÁNÍ V ČR nelze běžně získat data o úmrtí obyvatel dosaženého vzdělání a převážně vykonávaného
VíceFrantišek Hudek. červenec 2012
VY_32_INOVACE_FH14 Jméno autora výukového materiálu Datum (období), ve kterém byl VM vytvořen Ročník, pro který je VM určen Vzdělávací oblast, obor, okruh, téma Anotace František Hudek červenec 2012 8.
VícePřehled nabízených kurzů
WINDOWS XP ZÁKLADY OBSLUHY Seznámení s osobním počítačem Periferie osobního počítače (monitory, tiskárny, skenery...) Obsluha klávesnice Práce s myší Prostředí MS Windows XP Plocha Menu Start Soubor, ikona,
Více- 1 - Zdeněk Havel, Jan Hnízdil. Cvičení z Antropomotoriky. Obsah:
- - Zdeněk Havel, Jan Hnízdl Cvčení z Antropomotorky Obsah: Úvod... S Základní charakterstky statstckých souborů...3 S Charakterstka základních výběrových technk a teoretcká rozložení četností...9 S 3
Více1. Stanovení modulu pružnosti v tahu přímou metodou
. Stanovení moduu pružnost v tahu přímou metodou.. Zadání úohy. Určte modu pružnost v tahu přímou metodou pro dva vzorky různých materáů a výsedky porovnejte s tabukovým hodnotam.. Z naměřených hodnot
Více