TECHNICKÁ UNIVERZITA V LIBERCI

Rozměr: px
Začít zobrazení ze stránky:

Download "TECHNICKÁ UNIVERZITA V LIBERCI"

Transkript

1 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

2 Obsah Úvod... Ve kterém moravském kraj je maxmálí varablta barev? Jhlavský kraj řtom ovažujeme také za moravský..... Jhomoravský kraj (B.... Kraj Vysoča (J.... Olomoucký kraj (.... oravskoslezský kraj (T Zlíský kraj (Z Závěr šetřeí... 7 Je stáří vozu ezávslé a modelu auta? Formulace hyotéz Volba testového krtéra Staoveí krtckého oboru Závěr šetřeí... 7 Jsou ezávslé velčy říjem majtele a očet ávštěv autorzovaého servsu? Formulace hyotéz Volba testového krtéra Staoveí krtckého oboru Vyočteé hodoty Závěr šetřeí... 9 Závěr... 0

3 Úvod V rámc semestrálí ráce bude rovedea aalýza oskytutých dat, a to omocí rogramu STATGRAPHICS CENTURION XVII. V jedotlvých katolách budou statstcky šetřey ásledující otázky:. Ve kterém moravském kraj je maxmálí varablta barev? (Jhlavský kraj řtom ovažujeme také za moravský.. Je stáří vozu ezávslé a modelu auta?. Jsou ezávslé velčy říjem majtele a očet ávštěv autorzovaého servsu? Př testováí hyotéz bude v rác uvažováa jedotá hlada výzamost α %.

4 Ve kterém moravském kraj je maxmálí varablta barev? Jhlavský kraj řtom ovažujeme také za moravský. Pro výočet varablty jsme oužl míru mutablty ( a omálí varac (NOVAR. Výočet bylo uté rozdělt do částí, které odovídají jedotlvým krajům a ásledě jsou výsledky orováy. Př výočtech jsou oužty ásledující roměé a jejch ozačeí: = míra mutablty; NOVAR = omálí varace; = očet; = zastoueí barev; = relatví zastoueí barev. Jhomoravský kraj (B Soubor je tvoře automobly s ásledujícím rozděleím barev: ,77 0,77 0,8 0,0909 0,0 B ( ( ,779 77,9% íra mutablty barev automoblů v Jhomoravském kraj je 77,9 %. NOVAR (0,77 0,77 0,8 0,0909 0,0 Nomálí varace barev automoblů v Jhomoravském kraj je 7,79 %. 0,797 7,79%

5 . Kraj Vysoča (J Soubor je tvoře automobly s ásledujícím rozděleím barev: 0,08 0,97 7 0,08 0,07 0,08 0, ,% 0,80 7 (7 ( J íra mutablty barev automoblů v Kraj Vysoča je 80, %. 77,08% 0,7708 0,08 0,97 0,08 0,07 0,08 (0,97 NOVAR Nomálí varace barev automoblů v Kraj Vysoča je 77,08 %.. Olomoucký kraj ( Soubor je tvoře 0 automobly s ásledujícím rozděleím barev: 0, 0, 0, 0, 0, 0, ,89% 0, ( 0 ( íra mutablty barev automoblů v Olomouckém kraj je 88,89 %. % 80 0,8 0, 0, 0, 0, 0, (0, NOVAR Nomálí varace barev automoblů v Olomouckém kraj je 80 %.

6 . oravskoslezský kraj (T Soubor je tvoře automobly s ásledujícím rozděleím barev: 0, 0,80 0,6 0,08 0,6 T ( ( 0,69 69,% íra mutablty barev automoblů v oravskoslezském kraj je 69, %. NOVAR (0, 0,80 0,6 0,08 0,6 0,666 66,6% Nomálí varace barev automoblů v oravskoslezském kraj je 66,6 %.. Zlíský kraj (Z Soubor je tvoře 0 automobly s ásledujícím rozděleím barev: ,000 0, 0,667 0,0667 0,000 0, Z ( 0 ( 0 9 0,86 8,6% íra mutablty barev automoblů ve Zlíském kraj je 8,6 %. NOVAR (0, 0, 0,667 0,0667 0, Nomálí varace barev automoblů ve Zlíském kraj je 78,89 %. 0, 0, ,89% 6

7 .6 Závěr šetřeí Pro osouzeí výsledků jsme se rozhodl využít íru mutablty. Z výsledků vylývá, že ejvětší varablta barev v rámc moravských krajů je v Olomouckém kraj. Je stáří vozu ezávslé a modelu auta? Pro výočet závslost dvou roměých využjeme aalýzu roztylů. Pomocí tohoto testu lze zjstt, zda změy hodot roměé Y lze vysvětlt změam roměé X. Jelkož zkoumáme závslost ouze a jedom faktoru, jedá se tedy o jedofaktorovou aalýzu. Aby bylo možé využít teto statstcký test, je uté, aby závslá roměá Y byla umercká a faktor X může být umercký, ale sloví.. Formulace hyotéz H0: µ = µ = µ = µ = µ H: o H0. Volba testového krtéra F = S y.m k S y.v k =,7 86,9 = 0,77. Staoveí krtckého oboru W {F;F F-α(k-;-k} W {F;F F0,9(;} W {F;F,08} F V. Závěr šetřeí Jelkož F eí rvkem krtckého oboru, tak ezamítáme H0 a eřjímáme H. Na % hladě výzamost se eodařlo rokázat, že stář vozu je závslé a modelu auta. 7

8 Jsou ezávslé velčy říjem majtele a očet ávštěv autorzovaého servsu? Pro výočet ezávslých velč v odobě říjmu majtele a očtu ávštěv autorzovaého servsu jsme využl korelačí aalýzu. K výočtu korelačího koefcetu je možé oužít ásledující vzorec: r yx xy x y s s x y Hodota r yx je rova 0,06, s touto hodotou budeme dále očítat.. Formulace hyotéz H 0 : yx = 0 H : o H 0. Volba testového krtéra t = r xy r yx. Staoveí krtckého oboru W = {t; t tα ( t t α ( } W = {t; t,969 t,969}. Vyočteé hodoty Koefcet korelace = 0,06 Velkost souboru = 6 P-Value = 0,606 t = r xy = r yx 0,06 6 0,06 = 0,7 8

9 . Závěr šetřeí Hodota P-Value je vyšší ež α (α = 0,0. 0,606 > 0,0 Dále hodota testového krtéra esadá do krtckého oboru. Z těchto výsledků odvozujeme, že výše říjmu majtele a očet ávštěv autorzovaého servsu jsou ezávslé velčy. Na hladě výzamost α = 0,0 ezamítáme H0 a eřjímáme H. 9

10 Závěr Předmětem ráce bylo zjštěí ěkterých charakterstk a závslostí mez hodotam roměých, aměřeých ř zkoumáí tyů osobích automoblů, éče o ě a dotazováí jejch rovozovatelů. Výsledky jedotlvých úloh jsou zazameáy a terretováy u každé z katol. Předmětem dalšího zkoumáí by mohlo být aříklad změřeí říadé závslost mez říjmem majtele a očtem ávštěv eautorzovaého servsu a ásledé orováí těchto údajů s údaj získaým z úlohy č.. 0

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

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

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hyotéz Př statstckých šetřeích se často setkáváme s roblémy tohoto druhu () Máme zjstt, zda dva daé vzorky ocházejí z téhož ZS. () Máme rozhodout, zda rozdíly hodot růměrů (res. roztylů)

Více

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

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

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

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

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

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

SP2 Korelační analýza. Korelační analýza. Libor Žák

SP2 Korelační analýza. Korelační analýza. Libor Žák Korelačí aalýza Přpomeutí pojmů áhodá proměá áhodý vetor áhodý vetor Náhodý výběr: pro áhodou proměou : pro áhodý vetor : pro áhodý vetor : Přpomeutí pojmů - ovarace Kovarace áhodých proměých ovaračí oefcet

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

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

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA P NOV PRVDĚPODOBNOT TTTK Lbor Žák P NOV Lbor Žák Vícvýběrové tsty - NOV NOV tsty s rovádí s omocí aalýzy roztylů NOV souhré tsty ro víc ěž dva výběry. NOV aramtrcká tstováí charaktrstk z zámých rozdělí

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

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

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

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

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

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopraví Statistika Semestrálí práce Zdražováí pohoých hmot Jméa: Martia Jelíková, Jakub Štoudek Studijí skupia: 2 37 Rok: 2012/2013 Obsah Úvod... 2 Použité

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národí iformačí středisko ro odoru kvality Testováí zůsobilosti a výkoosti výrobího rocesu RNDr. Jiří Michálek, Sc Ústav teorie iformace a automatizace AVČR UKAZATELE ZPŮSOBILOSTI 3 UKAZATELE ZPŮSOBILOSTI

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

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

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

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

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec

Směrnice 1/2011 Statistické vyhodnocování dat, verze 3 Verze 3 je shodná s původní Směrnicí 1/2011 verze 2, za čl. 2.3 je vložen nový odstavec Směrice /0 Statitické vyhodocováí dat, verze 3 Verze 3 e hodá ůvodí Směricí /0 verze, za čl..3 e vlože ový odtavec. Statitické metody ro zkoušeí zůobiloti Statitická aalýza oužívaá ro aalýzu výledků zkoušky

Více

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určté předpoklady (hypotézy) o základím souboru STATISTICKÁ HYPOTÉZA předpoklad (tvrzeí) o parametru G základího

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

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

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia

Více

Přednáška č. 11 Analýza rozptylu při dvojném třídění

Přednáška č. 11 Analýza rozptylu při dvojném třídění Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané

Více

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu

Směrnice 1/2011 Statistické vyhodnocování dat, verze 4 Verze 4 je shodná se Směrnicí 1/2011 verze 3, pouze byla rozšířena o robustní analýzu Směrce /0 Stattcké vyhodocováí dat, verze 4 Verze 4 e hodá e Směrcí /0 verze 3, ouze byla rozšířea o robutí aalýzu. Stattcké metody ro zkoušeí zůoblot Cílem tattcké aalýzy výledků zkoušek ř zkouškách zůoblot

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

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

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

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

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

, 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

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

8.2.10 Příklady z finanční matematiky I

8.2.10 Příklady z finanční matematiky I 8..10 Příklady z fiačí matematiky I Předoklady: 807 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží do

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

8.3.1 Vklady, jednoduché a složené úrokování

8.3.1 Vklady, jednoduché a složené úrokování 8..1 Vklady, jedoduché a složeé úrokováí Předoklady: 81 Fiačí matematika se zabývá ukládáím a ůjčováím eěz, ojišťováím, odhady rizik aod. Poměrě důležitá a výosá discilía. Sořeí Při sořeí vkladatel uloží

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY. Přírodovědecká fakulta ANALÝZA DAT. 2. upravené vydání. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. upraveé vydáí Josef Tvrdík OSTRAVSKÁ UNIVERZITA 008 OBSAH: Úvod... 3 Parametrcké testy o shodě středích hodot... 4. Jedovýběrový t-test...

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

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

B a k a l ářská práce

B a k a l ářská práce Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc B a k a l ářská práce Iveta Doležalová 007 Vysoká škola ekoomcká v Praze Fakulta maagemetu v Jdřchově Hradc Katedra maagemetu formací Katedra

Více

Optimalizace výrobního procesu rotorů

Optimalizace výrobního procesu rotorů Medelova uverzta v Brě Provozě ekoomcká fakulta Optmalzace výrobího procesu rotorů Bakalářská práce Mgr. Veroka Blašková, Ph.D. Jaroslav Pazucha Bro 203 Na tomto místě bych chtěl poděkovat především vedoucí

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

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

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

11. INDUKTIVNÍ STATISTIKA

11. INDUKTIVNÍ STATISTIKA Pravděodobost a statstka. INDUKTIVNÍ STATISTIKA Iduktví statstka Průvodce studem Navážeme a katolu 7 a ukážeme, jak racovat se soubory, jejchž všechy rvky ejsou zámy. Předokládaé zalost Pojmy z ředchozích

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

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

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

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

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

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

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

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain)

Markovovy řetězce s diskrétním časem (Discrete Time Markov Chain) Stochastcé rocesy Marovovy řetězce s dsrétím časem (Dscrete Tme Marov Cha) Stochastcý roces Stochastcým rocesem {X(t), tr} je moža áhodých velč X(t) závslých a jedom arametru t. Stavový rostor : moža možých

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

PRAVDĚPODOBNOST ... m n

PRAVDĚPODOBNOST ... m n RVDĚODONOST - matematická discilía, která se zabývá studiem zákoitostí, jimiž se řídí hromadé áhodé jevy - vytváří ravděodobostí modely, omocí ichž se saží ostihout rocesy, ovlivěé áhodou. Náhodé okusy:

Více

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý

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

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA 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

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

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

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

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y

L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.

Více

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou 4. Testováí statistických hypotéz Úvod Při práci s daty se mohdy spokojujeme s itervalovým či bodovým odhadem parametrů populace. V mohých případech se však uchylujeme k jiému postupu, většiou jde o případy,

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti

Více

9. Základní statistické pojmy.

9. Základní statistické pojmy. 9. Základí statstcké pojmy. Úvodí formace Statstka je často představováa jako pouhý sběr čísel ebo jm podobých údajů. Původí výzam toho slova skutečě souvsí se sběrem formací o státu ( z latského status

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

1 VÝPOČTOVÉ ZATÍŽENÍ. 1.1 Součinitel náročnosti ( 1 ) β = ( 2 ) ( 3 )

1 VÝPOČTOVÉ ZATÍŽENÍ. 1.1 Součinitel náročnosti ( 1 ) β = ( 2 ) ( 3 ) 1 VÝOČOVÉ ZAÍŽENÍ Výočtové zatížeí a z ěho určeý výočtový roud sou základím velčam otřebým ro dmezováí rvků rozvodého zařízeí v ormálích rovozích stavech. ro eho staoveí e ezbyté zát stalovaý výko sotřebčů

Více

Analytické modely systémů hromadné obsluhy

Analytické modely systémů hromadné obsluhy Aalytcé odely systéů hroadé obsluhy ředěte teore hroadé obsluhy Kedallova lasface - ty SHO: X / Y / c / d / X ty stochastcého rocesu, terý osue říchody Y ty stochastcého rocesu terý osue délu obsluhy c

Více

Příklady z přednášek Statistické srovnávání

Příklady z přednášek Statistické srovnávání říklad z řednášek Statstcké srovnávání Jednoduché ndvduální ndex říklad V následující tabulce jsou uveden údaje o očtu závažných závad v areálu určté frm zjštěných a oravených v letech 9-998. Závažná závada

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

VYUŽITÍ STATISTIKY V POŽÁRNÍM ZKUŠEBNICTVÍ

VYUŽITÍ STATISTIKY V POŽÁRNÍM ZKUŠEBNICTVÍ Eergetcky efektví budovy 05 sympozum Společost pro techku prostředí 5. říja 05, Buštěhrad VYUŽITÍ STATISTIKY V POŽÁRNÍM ZKUŠEBNICTVÍ Otto Dvořák Archtektura a terakce budov s žvotím prostředím, UCEEB,

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

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí

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

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

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA BAKALÁŘSKÁ PRÁCE. Dvouvýběrové parametrické a neparametrické testy

MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA BAKALÁŘSKÁ PRÁCE. Dvouvýběrové parametrické a neparametrické testy MASARYKOVA UNIVERZITA PŘÍRODOVĚDECKÁ FAKULTA BAKALÁŘSKÁ PRÁCE Dvouvýběrové parametrcké a eparametrcké testy Bro 5/6 Zuzaa Berá Prohlášeí Prohlašuj, že jsem tuto bakalářskou prác vypracovala samostatě za

Více

Kapitola 5.: Analýza rozptylu jednoduchého třídění

Kapitola 5.: Analýza rozptylu jednoduchého třídění Kaptola 5.: alýza ozptylu jedoduchého tříděí Cíl kaptoly Po postudováí této kaptoly budete umět - hodott vlv aktou o 3 úovích a vaabltu hodot sledovaé áhodé velčy - sestojt tabulku aalýzy ozptylu - detkovat

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

12. Regrese Teoretické základy

12. Regrese Teoretické základy Regese Jedím z hlavích úolů matematicé statistiy je hledáí a studium závislostí mezi dvěma či více oměými Závisle oměá se zavidla ozačuje Y a ezávisle oměé X,, X i,i Závislosti mezi Y a suiou oměých X

Více

Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Vyšší odborná škola informačních služeb v Praze. Lukáš Kleňha

Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Vyšší odborná škola informačních služeb v Praze. Lukáš Kleňha Vysoká škola ekoomcká v Praze Fakulta formatky a statstky Vyšší odborá škola formačích služeb v Praze Lukáš Kleňha egresí aalýza acetovy rogrese o rví hostalzac s CHOPN 0 Prohlášeí Prohlašuj, že jsem

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

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

VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ

VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ 1) ) 3) 4) VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ Fratšek Božek 1), Adam Pawelczyk ), Magdaléa Náplavová 3), Karel Kubečka 4) Vysoká škola regoálího rozvoje,

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

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

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

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

1 EXPLORATORNÍ ANALÝZA PROMĚNNÝCH. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování této kapitoly budete umět použít

1 EXPLORATORNÍ ANALÝZA PROMĚNNÝCH. Čas ke studiu kapitoly: 120 minut. Cíl: Po prostudování této kapitoly budete umět použít EXPLORATORNÍ ANALÝZA PROMĚNNÝCH Čas ke studu kaptoly: mut Cíl: Po prostudováí této kaptoly budete umět použít základí pojmy eploratorí (popsé) statstky typy datových proměých statstcké charakterstky a

Více

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor SP Náhodý vektor PRAVDĚPODOBNOS A SAISIKA Náhodý vektor SP Náhodý vektor Náhodý vektor Náhodý vektor slouží k popsu výsledku pokusu kdy měříme více údaů o procesu. Před provedeím pokusu eho výsledek a

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

ž Ř ž ě ě ž š š é ů ž ž Í š é ě č š ě é é š ě é š ě š ž é č ě š č ě é ž š č ž é ě é ě Ž ě ž é Ř ž ěž š š š é Ž ž ě é š č é ž Č š é ž ě Č ě Ř č ě š ě č

ž Ř ž ě ě ž š š é ů ž ž Í š é ě č š ě é é š ě é š ě š ž é č ě š č ě é ž š č ž é ě é ě Ž ě ž é Ř ž ěž š š š é Ž ž ě é š č é ž Č š é ž ě Č ě Ř č ě š ě č š Á ě é ž ě š ž é ě ů ž š é Č č č ž é ě ě ě ě š č é ěí ě ů ž š ž č é š č š č é é ě ě ž č č é ž é ě ů ů š ů é ě č é Ž š ů ů é ě žň ůž é ž ě ž žň č ž ě ě é é ž š ž š č Áč Á š Á Č ě ěž č ě ž Íč š ž é ě ž

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT (OPRAVENÁ VERZE 006) Josef Tvrdík OSTRAVSKÁ UNIVERZITA 00 Obsah: Úvod... 3 Programové prostředky pro statstcké výpočty... 4. Tabulkový

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

Lineární regresní model (VJ REGMOD-2)

Lineární regresní model (VJ REGMOD-2) eárí regresí model (VJ REGOD-) Základí formace V rámc této výukové jedotky s adefujeme leárí regresí model a sezámíme se s typy proměých využtelých jako predktory (vysvětlující proměé) v takovém modelu.

Více