RO1416, NAZV KUS QJ

Transkript

1 Certifikovaná metodika RO1416 CM 29 - název: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka Certifikovaná uplatnìná metodika a technicko-organizaèní doporuèení, opatøení a postupy v systému vyhodnocení výsledkù analýz bazénových vzorkù mléka v kontrole kvality syrového mléka pøi aplikaci transformaèní rovnice pøepoètu bakteriálních elektronických impulsù prùtoèné cytometrie na legislativnì definovaný celkový poèet mikroorganismù v kolonie tvoøících jednotkách pro podporu bezpeènosti a kvality mléèného potravinového øetìzce a zdraví spotøebitelù. I) Cíl certifikované uplatnìné metodiky: Cílem certifikované metodiky RO1416 CM29 je zajistit metody pøepoètù výsledkù prùtoèné cytometrie v bazénových vzorcích mléka na celkový poèet mikroorganismù pro kontrolu kvality syrového mléka dle potravináøských legislativních standardù a podporu zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Náplò certifikované uplatnìné metodiky: Náplní certifikované metodiky RO1416 CM29 je implementace dosažených výsledkù, získaných na základì pøedchozího výzkumu a vývoje v rámci øešení projektù MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214, do prostøedí rutinní kontroly kvality syrového mléka v Èeské republice pro celkové zlepšení vìrohodnosti hodnocených dat a pro podporu bezpeènosti a kvality mléèného potravinového øetìzce a zdraví spotøebitelù. Zdroj certifikované uplatnìné metodiky: Projekty MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214. Zpracovali dne: ; Oto Hanuš 1, Marcela Klimešová 1, Radoslava Jedelská 1, Gustav Chládek 2, Daniel Falta 2, Jaroslav Kopecký 1, Ludmila Nejeschlebová 1, Eva Vondrušková 1 ; 1 Výzkumný ústav mlékárenský s.r.o., Praha; 2 Mendelova univerzita v Brnì, Agronomická fakulta, Ústav chovu a šlechtìní zvíøat Uplatnìní bylo provedeno zavedením všech principù metodiky od

2 II) Vlastní popis certifikované metodiky Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka Struktura certifikované metodiky: 1) Úvod a souèasný stav problematiky 2) Cíl aplikace certifikované metodiky 3) Vlastní výzkum a vývoj pro certifikovanou metodiku zpracování validace dosavadních predikèních rovnic a návrhy inovovaných transformaèních predikèních rovnic pro IBC-FC CPM I) Podmínky srovnávacího sledování a použité metodické postupy II) Vyhodnocení výsledkù validace a stanovení pøedchozích a inovovaných predikèních rovnic pro IBC-FC CPM v kontrole spotøebitelské bezpeènosti a kvality syrového mléka 4) Závìr certifikované metodiky 5) Použité vlastní výsledky a publikace pøi návrhu a validaci certifikované metodiky 6) Použité jiné literární prameny pøi tvorbì certifikované metodiky 7) Pøílohové materiály s podklady pro vývoj certifikované metodiky Nejèastìji použité zkratky: BEI = bakteriální elektronický impuls; CFU = kolonie tvoøící jednotka; CPM = celkový poèet mezofilních mikroorganismù; FC = prùtoèná cytometrie; IBC = pøístroj Bentley, prùtoèná cytometrie; LRM = laboratoø rozborù mléka; RE = reference, hodnota, metoda; 2

3 1) Úvod a souèasný stav problematiky Kontrola jakosti mléka Jakost syrového mléka, jako suroviny, je dùležitým, ne-li nejvýznamnìjším, faktorem kvality následných mléèných výrobkù. Musí být pravidelnì kontrolována, protože mléko, pro svùj vysoký obsah vody a živin, je ideálním prostøedím pro rozvoj mikroorganismù, a tudíž od momentu nadojení je materiálem, který je vysoce ohrožen kažením. Otázka jeho uložení a transportu je proto citlivým technologickým procesem. Pojem kvalita mléka pak zahrnuje v širším pojetí jeho chemické složení, fyzikální a technologické vlastnosti, biochemické a zdravotní ukazatele a mikrobiologické zastoupení. V užším slova smyslu lze hovoøit jen o hygienických (mikrobiologických) aspektech. Kvalita mléka ovlivòuje trvanlivost mléèných výrobkù. Dobrá jakost syrového mléka vytváøí a zajiš uje provozní jistotu pro farmáøe (dobrá farmáøská cena), pro zpracovatele mléka (prodejnost a trvanlivost mléèných výrobkù) a podmiòuje bezpeènost potravinového øetìzce s ohledem na konzumenty. Protože vyhodnocování kvality dodavatelského mléka slouží ve znaèné míøe, vedle úèelù proplácení mléka, také zdravotní ochranì spotøebitele, splòuje takový úkol dùležitou spoleèenskou zakázku (BAUMGARTNER, 2; AFEMA - Arbeitsgruppe zur Förderung von Eutergesundheit und Milchhygiene in den Alpenländern, Pracovní skupina pro podporu zdraví mléèné žlázy a hygieny mléka v alpských zemích). Bezpeènost a kvalita mléèného potravinového øetìzce jsou tedy dùležitými aspekty ochrany veøejného zdraví. Z výše uvedených dùvodù je výrobní a zpracovatelský mléèný øetìzec zøejmì nejvíce kontrolovaným potravinovým øetìzcem vùbec, a tím pravdìpodobnì nejbezpeènìjší z tìch, které pøipadají v úvahu pro srovnání. Uvedené platí pøedevším v mlékaøsky vyspìlých zemích vèetnì Èeské republiky (ÈR), a to ve smyslu: - širokého spektra a relativnì vysokého poètu vyšetøovaných hygienických (mikrobiologických), složkových (chemických), fyzikálních a technologických mléèných parametrù a vlastností; - pravidelnosti a relativnì vysoké frekvence zmínìných rutinních vyšetøení syrového mléka; - pøevážnì biologického a biochemického charakteru tìchto vyšetøení, kde principem je posoudit bezpeènost kontrolovaného materiálu pro konzumenty. Jednotlivé zemì, podle své mlékaøské technologické vyspìlosti, provozují rùznì dokonalé systémy kontroly kvality syrového mléka, urèeného k potravináøskému zpracování a uvádìní na trh. Obecnì lze konstatovat, že nejpokroèilejší systémy kontroly kvality syrového mléka jsou v Evropì, Severní Americe, Austrálii a na Novém Zélandu. Tyto systémy kontrolují kvalitativní ukazatele syrového mléka v souladu s výèty, které jsou zpravidla uvedeny v lokálnì korespondujících potravináøských a zdravotních legislativních materiálech. S rozvojem analytických a výpoèetních technologií se postupnì rozšiøovalo spektrum kontrolovaných kvalitativních ukazatelù a vlastností syrového mléka, podle rostoucích hygienických, zdravotních a technologických požadavkù. Historicky zapoèalo sledování kvality syrového mléka pøi pøejímce postupnì zpravidla stanovením mechanických neèistot, zmìøením úchovné teploty, obsahu tuku a popøípadì nìjakým jednoduchým testem posouzení hygienické kvality. Zde, u hygienické kvality, se jednalo napø. o resazurinový test, pozdìji stanovení koncentrace kyseliny pyrohroznové (napø. Bavorsko) jako metabolického produktu bakteriální aktivity, pro nepøímý odhad možné bakteriální kontaminace suroviny. Se 3

4 zmínìným vývojem techniky nastupovalo stále více analytických metod a kvalitativních ukazatelù chemických, biochemických, fyzikálních a mikrobiologických. Znaky jakosti syrového kravského mléka Norma ÈSN EN ISO 9 (13; 26) definuje kvalitu (jakost) jako stupeò splnìní požadavkù souborem inherentních charakteristik. Aktuální požadavky na jakost syrového mléka jsou definovány v pøíslušné legislativì Evropské unie (EU) a v naší národní legislativì, která je s touto evropskou harmonizována. V pøípadì EU se jedná o více pøedpisù potravinového práva, z nichž podstatným pro daný úèel je Naøízení evropského parlamentu a rady (ES) è. 835/24. Zde je urèeno, že standardní syrové kravské mléko mùže obsahovat: celkový poèet mezofilních mikroorganismù (CPM; pøi 3!C kultivace) < KTJ ml -1 ; poèet somatických bunìk (PSB) < ml -1 ; žádné stopy výskytu reziduí inhibièních látek (RIL), resp. léèiv, zejména antibiotik. V pøípadì ÈR se rovnìž jedná o více pøedpisù, z nichž aktuálnì nejdùležitìjším pro korespondující úèel je norma pro standardní mléko ÈSN Syrové kravské mléko pro mlékárenské ošetøení a zpracování. Tento pøedpis je sice již dnes neplatný, nicménì stejnì zásadnì významný pro konstrukci smluv výkupu syrového mléka. Vedle výše uvedených základních znakù kvality syrového mléka definuje na národní úrovni (Tab. 1) ještì výèet znakù dalších hlavních a doplòkových, nad rámec požadavkù EU, které mohou být v pøípadì potøeby zaøazeny do kontroly kvality a proplácení mléka. Mimoto uvádí definici, že mléko má pocházet od zdravých dojnic a z chovù prostých tuberkulózy a že z mléka nesmí být nic odebráno, ani mu naopak pøidáno. V lokálních podmínkách pak jednotlivé mlékárenské podniky zapracovávají limity tìchto uvedených pøedpisù, v pøípadì CPM, PSB a RIL povinnì a v pøípadì dalších ukazatelù již neplatné ÈSN podle svých potøeb, do dodavatelsko-odbìratelských smluv. Smlouvy pak urèují podmínky proplácení mléka podle kvality. Rovnìž frekvence vyšetøování zanesených kvalitativních ukazatelù je dána pøedpisem, pro CPM, PSB a RIL povinnì zpravidla dvakrát mìsíènì (je možné i vícekrát) a u dalších ukazatelù pak podle konkrétní smlouvy, resp. dohody. 4

5 Tab. 1 Vymezení limitù standardní kvality syrového kravského mléka podle jednotlivých mléèných ukazatelù (dnes neplatná, ale výstižná ÈSN , harmonizováno s legislativou EU). Ukazatel kvality mléka Jednotka Povolené limity Poznámka Obsah tuku g 1ml -1 > 3,3 3,21 g 1g -1 Obsah bílkovin g 1ml -1 > 2,8; základ 2,72 g 1g -1 ; základ zpenìžování 3,11 zpenìžování 3,2 Bod mrznutí mléka!c < -,515 -,52!C (EU) Titraèní kyselost mléka ml (!SH) 6,2 7,8,25 mol 1ml -1 NaOH Poèet somatických bunìk 1 3 ml -1 < 4 < 3 pro kvalitu výbìr Celkový poèet 1 3 ml -1 < 1 < 5 pro kvalitu výbìr mikroorganismù Rezidua inhibièních látek / negativní mikrobiologický test, pøedevším antibiotika nebo jiná léèiva Poèet psychrotrofních mikroorganismù Poèet termorezistentních mikroorganismù Poèet koliformních baktérií Sporotvorné anaerobní baktérie Látkový obsah volných mastných kyselin v mléèném tuku 1 3 ml -1 < 5 kultivaènì 1 3 ml -1 < 2 kultivaènì 1 3 ml -1 < 1 / negativní v,1 ml mmol 1g -1 < 1,3 metoda stlukem < 3,2 metoda titraèní Mechanické neèistoty / stupeò II max. ÈSN Kysací schopnost mléka ml (!SH) < 25,25 mol 1ml -1 NaOH ON Obsah sušiny tukuprosté g 1g -1 > 8,5 Základní požadavky na syrové kravské mléko a nìkteré vybrané znaky jakosti Podle ÈSN mléko musí být získáno od zdravých dojnic, nevykazujících zjevné pøíznaky onemocnìní pøenosných na lidi. Dále nesmí dojnice vykazovat zjevné pøíznaky poruch celkového zdravotního stavu a zánìtù kùže a mléèné žlázy. Krávy musí dojit nejménì 2 litry mléka dennì. Dodávané mléko nesmí být získáno od krav do 5 dnù po otelení. Kravám nesmí být podány látky nepøíznivì ovlivòující složení mléka ani jiné cizorodé látky. Barva mléka musí být bílá, pøípadnì mírnì nažloutlá. Mléko musí být bez cizích pøíchutí a pachù, bez hrubých neèistot nebo vloèek, popøípadì pøímìsi krve. Mléko musí být èerstvé a pøi pøejímce vychlazené na 7 až 4!C v závislosti na frekvenci svozu mléka (èím ménì èasto, tím nižší teplota). Systém kontroly jakosti syrového mléka V jednotlivých mlékaøsky vyspìlých zemích existují pro kontrolu kvality mléka pracovní sítì mléèných laboratoøí (GRAPPIN, 1993; LERAY, 1993), kam jsou transportovány bazénové vzorky mléka za kontrolovaných podmínek odbìru a pøepravy a v co nejkratší možné dobì, zpravidla do 24 až 48 hodin (chladnièkové podmínky, vzorky konzervované, ale i 5

6 nekonzervované, napø. pro stanovení bodu mrznutí mléka). V ÈR je umožnìn jak manuální tak automatizovaný odbìr bazénových vzorkù mléka. K tomuto úèelu jsou zpracovány pøíslušné kontrolní metodiky a autorizaèní postupy, které v ÈR garantuje a provádí Èeskomoravská spoleènost chovatelù, jako organizace zastupující zemi v ICAR (International Committee for Animal Recording, Mezinárodní výbor pro kontrolu užitkovosti zvíøat). Zmínìné laboratoøe, které mìøí hodnoty mléèných kvalitativních ukazatelù, jsou obvykle akreditované, tzn., že disponují validovanými analytickými postupy, mají odhadnuty nejistoty výsledkù mìøení a prodìlávají pravidelné audity u kompetentních autorit. Sítì zpravidla sestávají ze dvou typù laboratoøí, referenèních a rutinních. Referenèní laboratoøe používají referenèní mlékaøské analytické metody, produkují referenèní materiály, provádí školení personálu rutinních laboratoøí, zúèastòuji se internacionálních výkonnostních testù analytické zpùsobilosti a organizují národní systémy výkonnostních testù (LERAY, 26, 29 a, b, c, 21). Rutinní laboratoøe èasto mìøí prostøednictvím nepøímých, ale výkonných metod a zúèastòují se ve výkonnostních testech referenèních laboratoøí, odkud zpravidla èerpají i referenèní materiály k pøíslušným instrumentálním kalibracím. Kvalita tìchto kalibrací je obecnì posuzována podle statistických pravidel, které již døíve definoval GRAPPIN (1987). Tak je systematicky zajiš ována vìrohodnost analytických výsledkù. V ÈR existuje nyní následující uspoøádání systému pro kontrolu kvality syrového mléka: - tøi akreditované centrální rutinní laboratoøe urèují kvalitu mléka v obchodních dodávkách podle výsledkù bazénových vzorkù mléka (Laboratoø rozborù mléka Buštìhrad a Brno, Èeskomoravská spoleènost chovatelù; Madeta Èeské Budìjovice); - tøi akreditované referenèní laboratoøe: - Státní veterinární ústav Praha pro poèet somatických bunìk; - Národní referenèní laboratoø pro stanovení reziduí inhibièních látek v mléce ve Státním veterinárním ústavu v Jihlavì; - Mléèná laboratoø Výzkumného ústavu mlékárenského v Praze pro základní chemické složení mléka a pro mikrobiologické kvalitativní ukazatele mléka. Systém kontroly vìrohodnosti analytických výsledkù mlékaøských laboratoøí Výkonnostní testování Národní referenèní laboratoøe pro syrové mléko na národní úrovni je dùležitou souèástí kontroly a øízení kvality mlékaøských analýz. Uvedené se provádí pomocí tzv. kruhových (hvìzdicových) testù, tzn. testování analytické zpùsobilosti (proficiency testing). Ty podléhají urèité èasové frekvenci. Napø. v ÈR je to jeden kalendáøní mìsíc pro obsahy tuku, bílkovin a laktózy v mléce (metody MIR-F a MIR-FT) a tøi mìsíce pro moèovinu (rùzné metody jako Ureakvant, MIR-FT, fotometrické metody), poèet somatických bunìk (PSB; fluoro-opto-elektronická metoda vyšetøení ve filmu na rotujícím disku a ve variantì prùtoèné cytometrie) a bod mrznutí mléka (BMM; kryoskopicky a screeningovì s MIR-FT v kombinaci s konduktivitním èidlem). Poèet vzorkù v referenèní sadì je vždy 1, tyto jsou náležitì ošetøeny, konzervovány (bronopol,2 %, tablety DF Microtabs), vychlazeny a odeslány v termoboxech (< 1!C) do cílových laboratoøí. Z výsledkù mìøení je vyhodnocena Euklidická vzdálenost (ED; LERAY, 1993, 26, 29 a, b, c, 21) od poèátku pro seøazení laboratoøí a posouzení úspìšnosti v testu. U BMM je pak ještì proveden test kryoskopického stanovení na dvou vzorcích definovaného roztoku NaCl s BMM v oboru reálného mléka. Je urèen režim mìøení kryoskopu (plato search mode) a výsledky jsou vyhodnoceny pomocí Z-score (COVENEY, 21; WOOD, 1994; WOOD et al., 1998). Obecnì ovšem je Euklidická vzdálenost (ED) efektivnìjším ukazatelem kvality provádìných analýz oproti Z-score, zejména u vícevzorkových mlékaøských výkonnostních testù. Je tomu 6

7 tak proto, že ED je ukazatel souøadnicovou povahou dvourozmìrný (d a sd, prùmìrná diference a její smìrodatná odchylka) na rozdíl od Z-score. To umožòuje odhad smìrem ke stupni systematiènosti pøípadné chyby. Také lze dva rozmìry ED graficky odeèítat v pùvodních jednotkách ukazatele (ED není standardizována jako Z-score). To dovoluje uèinit si bezprostøednì praktickou pøedstavu a rozsahu posunu vzhledem k vlastním hodnotám konkrétního ukazatele. Celkový poèet mezofilních mikroorganismù (CPM) Jedná se o všechny mezofilní aerobní baktérie z mléka schopné rùstu na kultivaèní pùdì za podmínek standardní metody pøi 3 C. V praxi se obvykle stanovuje kultivaèními mikrobiologickými metodami nebo jako CPM vèetnì mrtvých baktérií na zaøízení prùtoèného cytometru. Z hlediska fyziologicko-technologického jej lze dìlit podle obecného schématu (Obr. 1) a jak vyplyne z dalšího textu. Obr. 1 Schéma možného technologicko-fyziologického dìlení základní pøípadnì normované (ÈSN ) kontaminující mléèné mikroflóry. CMM PFM TS CPP Coli Mezofilní mikroorganismy= CMM = celková mikroflóra mléka CPM = celkový poèet mikroorganismù CPP = celkový poèet psychrotrofù PFM = psychrofilní mikroorganismy TS = termorezistentní sporuláty Coli = koliformní baktérie CPM Celková mikroflóra mléka (CMM) je zde tvoøena CPM a psychrofilními mikroorganismy, které rostou výhradnì za nízkých teplot kolem 5 C. Z biologického hlediska je CPM pøedstavován zejména druhy rodu Pseudomonas. Hodnota CPM charakterizuje celkovou hygienicko-sanitaèní úroveò získávání mléka. Proto je CPM jedním z hlavních hygienických ukazatelù. Zdrojem CPM v mléce mùže být jednak infikovaná mléèná žláza a kontaminované ústí strukového kanálku, ale zejména všechny mikrobiologicky kontaminované povrchy, které bìhem dojení a skladování pøijdou do styku s mlékem (všeobecnì dle následujícího schématu na Obr. 2). 7

8 Obr. 2 Pùvod celkového poètu mikroorganismù (CPM) v mléce (podle ROSICKÝ et al., 199). DOJENÍ CPM v tis. CFU/ml NEDOSTATEÈNÁ HYGIENA DOBRÁ HYGIENA 5 z vemene z povrchu z dojicích zaøízení vemene Diference od cca 5 do tis. CFU/ml je dána zejména mikroorganismy z dojicího zaøízení a pomùcek (velké plochy ) nedostateèné èištìní a dezinfekce. Smìrnice EEC 92/46 a ÈSN vyžadovaly, jako døívìjší ústøední pøedpisy pro mléko standardní kvality, jak již bylo uvedeno, CPM < 1 tis. CFU/ml. Nìkteré mlékárny pak využívají pro oddìlení tzv. extra kvality (výbìr) pøi proplácení mléka hranice zpravidla < 3 až < 5 tis. CFU/ml. Mléko je ideálním živným médiem pro baktérie. Proto musí být zchlazeno na 4 8 C pøi denním a 4 6 C pøi obdenním svozu do dvou hodin po nadojení. Nedodržení uvedeného postupu má za následek množení baktérií. Za takových okolností (napø. teplota uložení 2 C) mùže dojít k vzrùstu CPM až na 1 7 z 1 4 CFU/ml bìhem 24 hodin a znehodnocení mléka rozkladnou metabolickou èinností baktérií. I pøi dodržení pøedepsaných úchovných teplot mléka lze oèekávat nárùst CPM z bìžných 1 4 po nadojení na 3 14 a 7 14 CFU/ml pøi 4 a 8 C za 24 hodin. Takové poèty však ještì neohrožují kvalitu mléka jako suroviny. Hodnota CPM nijak nenaznaèuje na možný zdroj mikrobiologické kontaminace mléka. Základy prevence proti nežádoucnì vysokým CPM spoèívají v dùsledném dodržování hygienických návykù pøi celé technologii dojení vèetnì dalších postupù v chovu krav a v peèlivém provádìní sanitace a údržby dojicích zaøízení. Pøi problémech s vysokými CPM lze zdroje kontaminace dohledávat mikrobiologickým vyšetøením tzv. fázových vzorkù (mléko, mycí vody atd.) z celého profilu dojicího procesu a zaøízení. Systém odbìru tìchto vzorkù je promìnlivý podle podmínek konkrétní lokality. Moderní technologie dojení, chlazení a sanitace vedly oproti døívìjšku (ruèní dojení, atd.) k omezení kontaminace mléka acidogenní mikroflórou (baktérie mléèného kvašení). Tato pak 8

9 nemùže pùsobit dostateènì antagonisticky proti lipolytickým a proteolytickým baktériím, jak je pro ni typické, tzn. okyselením pøi rozkladu laktózy a produkci kyseliny mléèné. To pøináší mnohá technologická rizika pøi dalším mlékárenském zpracování mléka. Pomìr kyselomléèných : nekyselomléèným baktériím tak dnes dosahuje podle úrovnì a stupnì mechanizace dojení 1 : 7 až 1 : 12, namísto 1 :,5 až 1 : 4. Vývoj celkového poètu mikroorganismù Stanovení celkového poètu mezofilních mikroorganismù (CPM) je stálým hlavním ukazatelem hygieny mléka a kritériem pro proplácení mléka za jeho kvalitu od vzniku prvních kvalitativních ukazatelù. Pro CPM v syrovém kravském mléce kodifikuje Naøízení Evropského Parlamentu a Rady (ES) è. 853/24 hygienický limit!1 CFU ml -1 mléka. CPM je jedním z hlavních ukazatelù hygienické jakosti syrového kravského mléka a je rovnìž využíván pro stanovení výkupní ceny mléka. Z hodnot CPM se stanovuje klouzavý geometrický prùmìr za dobu dvou mìsícù pøi alespoò dvou vzorcích za mìsíc. V Tab. 2 je uveden vývoj limitních hodnot pro CPM od roku Do konce roku 1997 bylo mléko ještì klasifikováno podle tøíd, pøièemž mléko s nejlepšími hodnotami bylo zaøazeno do tzv. výbìrové kvality Q, která je však v dnešní dobì pouze doplòkovým ukazatelem. Tato kvalita byla vyžadována napø. pøi zpracování mléka pro kojeneckou dìtskou výživu. V Tab. 3 je uveden pøehled celorepublikového prùmìru CPM a poètu somatických bunìk jako hlavních hygienických ukazatelù od roku 27. Z výsledkù je zøejmé, že mikrobiologická kvalita mléka (CPM) se pohybuje na vysoké úrovni, a to dokonce pod hranici pro výbìrové mléko. Tab. 2: Historie vývoje hlavního hygienického ukazatele pro syrové kravské mléko. CPM (CFU.ml -1 ) Q tøída (výbìr) I. tøída II. tøída III. tøída < 2 < < 2 < < 1 < 3 < 8 < < 5 < 1 < 3 < doposud < 5 < 1 xxx xxx Tab. 3: Prùmìrné ukazatele jakosti syrového kravského mléka. Jakostní ukazatel jednotka celkový poèet mikroorganismù tis.ml -1 4,5 4,3 4,5 36,2 47, poèet somatických bunìk tis.ml ,2 262,6 264, 25,8 234, Vedle hlavních hygienických ukazatelù existují tzv. doplòkové ukazatele, které se však v souèasné dobì nesledují pravidelnì. Patøí sem psychrotrofní mikroorganismy (PTM), pro 9

10 které byl stanoven hygienický limit 5 CFU ml -1 mléka; koliformní bakterie (KB) 1 CFU ml -1 mléka; termorezistentní mikroorganismy (TRM) 2 CFU ml -1 mléka a sporulující anaerobní bakterie (SPAN) platí požadavek test v,1 ml mléka negativní (ÈSN ). Mikrobiální kontaminace mléka Primární kontaminací mléka nazýváme kontaminaci, která pochází z organismu dojnice. Jedná se tudíž zejména o pùvodce mastitid. Sekundární kontaminace mléka pochází z vnìjších zdrojù, jako je okolí dojnice, z krmení, z podestýlky, vzduchu, vody, z odpadních vod, nedostateèné hygieny lidí i zvíøat, z mikrobiální zátìže a vnitropodnikové kontaminace. Mikroorganismy podílející se na kontaminaci mléka Všechny nežádoucí bakterie nemusí být patogenní pro èlovìka. Existují takové, které zpùsobují technologické problémy tím, že se vyskytují ve vysoké koncentraci a produkují enzymy, zpùsobující rozklad bílkovin nebo tukù a tím znehodnocují výrobky chu ovì a èichovì. Ze široké skupiny mikroorganismù to jsou hlavnì pseudomonády (Pseudomonas fluorescens, Ps. fragi) a Proteus), které rozkládají mléènou bílkovinu a tuk. Produkují vìtšinou oba enzymy (proteolytické a lipolytické). Tyto mikroorganismy jsou široce rozšíøeny v prostøedí prvovýroby mléka a mohou rùst i za nízkých rùstových podmínek kolem 6,5 C (psychrotrofní baktérie). Pøi výrobì mléèných produktù je dùležité, aby mléko bylo nejdøíve zahøáto na tzv. pasteraèní teplotu (75 C po dobu nìkolika sekund), která spolehlivì nièí i vìtšinu potravních patogenù. V naší republice se naštìstí mléèné výrobky ze syrového mléka nevyrábìjí. Mnohem spolehlivìjší je tzv. UHT teplota, která se používá jen pro výrobu UHT mléka a pohybuje se kolem 135 C/3 sekundy. Rozdíl mezi pasterovaným mlékem a UHT mlékem je také v délce spotøeby. Vìtšinou pasterované má exspiraci 14 dní, zatímco UHT mléko až 6 mìsícù. Mléko samo o sobì obsahuje vždy nìjaké bakterie, které jsou jeho bìžnou souèástí. Ostatní, které posléze mléko kontaminují, se do suroviny dostávají z mléèné žlázy (rùzné infekce) nebo z prostøedí pøi dojení a pøi nedodržování pøísných hygienických zásad. Faktory ovlivòující mikrobiální kontaminaci syrového mléka Stupeò kontaminace syrového kravského mléka mezofilními a psychrotrofními mikroorganismy ovlivòuje zdravotní stav a hygiena dojnice, hygiena prostøedí, ve kterém jsou dojnice ustájeny a dojeny, použité metody pøípravy vemene a techniky dojení, metody používané pøi èištìní a sanitaci dojícího zaøízení a mléèných bazénù (HANUŠ et al., 215), hygiena obsluhujícího personálu (cit. SAMKOVÁ et al., 212 a, b). Dalším významným faktorem je rychlost zchlazení mléka na požadovanou teplotu a délka doby skladování mléka. Poèet psychrotrofních mikroorganismù po nadojení mléka závisí na skladovací teplotì a èase, VYLETÌLOVÁ a HANUŠ, 2 a, b. 1

11 Nižší hodnoty kontaminace syrového mléka mezofilními a psychrotrofními mikroorganismy, vèetnì psychrotrofních mikroorganismù s proteolytickou a lipolytickou aktivitou, byly zjištìny u chovù využívajících letní pastvu v porovnání s chovy bez pastvy (P <,1), u farem používajících predipping i postdipping v porovnání s farmami používajícími pouze postdipping a u technologie volného boxového stelivového ustájení s dojením v dojírnì v porovnání s vazným stelivovým ustájením s dojením na stání do potrubí (CEMPÍRKOVÁ, 27). Nepøímé rutinní analýzy mléèných složek Metody, které se využívají ke stanovení ukazatelù chemického složení, jsou v prvé øadì klasické, které slouží jako referenèní pøi nastavování (kalibraci) nepøímých instrumentálních metod. Lze je využít také ve výrobních a zpracovatelských organizacích pøi technické kontrole jakosti. Plošnì rozšíøené a využívané jsou však zejména moderní instrumentální metody. Tyto jsou èasto drahé na poøízení, avšak pracují s vysokým výkonem desítek až stovek analýz za hodinu, pøièemž jsou pracovnì ménì nároèné. Za podmínek sériových analýz jsou tedy efektivnìjší. Metody klasické referenèní mají obvykle nižší poøizovací náklady, jsou však pracnìjší a mají jen omezený výkon v jednotkách až desítkách vzorkù za hodinu. Za podmínek sériových analýz jsou rozbory nepøímé levnìjší v pøepoètu na jednotku, tedy vzorek, v porovnání k referenèním. Stanovení celkového poètu mezofilních mikroorganismù (CPM) CPM je ukazatelem hygieny získávání a ošetøení mléka. Je to základní hygienický a zdravotní ukazatel pro bezpeènost mléèného potravinového øetìzce. Výchozí norma pro pøedpis: ÈSN EN ISO Mikrobiologie potravinového øetìzce - Horizontální metoda pro stanovení poètu mikroorganismù - Èást 1: Technika pøelivem a poèítání kolonií vykultivovaných pøi 3 C. Vzorek nebo jeho øedìní se peèlivì promíchá pipetou (opakovaným nasáváním) nebo 25násobným pøevrácením vzorkovnice nebo zkumavky. Oèkuje se sterilní pipetou po 1 ml zkoušeného vzorku nebo jeho øedìní vždy po dvou sériích Petriho misek. Inokulum se nejpozdìji do 15 min od promíchání zalévá cca 12 až 15 ml agarem s kvasnièním extraktem (GTK, Milcom), který je pøedem vychlazený na 45 C ve vodní lázni, a po utuhnutí média se misky inkubují dnem vzhùru pøi 3 C po dobu 72 ± 3 h. Po kultivaci jsou hodnoceny misky, které obsahují poèet kolonií 1 3 v 1 ml. Testováním uvedených metod se zabývali: VYLETÌLOVÁ et al., 1998, 1999 a, b, 2 a, b. Dalším zpùsobem je nepøímé stanovení CPM metodou prùtoèné cytometrie. Ta mívá èasto automatickou formu v provedení rùzných výrobcù (IBC a Bactocount, Bentley; Bactoscan, Foss; atd.). Fluoro-opto-elektronická metoda prùtoèné cytometrie (FC) pro stanovení celkového poètu mikroorganismù musí být kalibrována na velkých souborech výsledkù referenèní kultivaèní plotnové metody. Nejdøíve se specifickou enzymatickou hydrolýzou a centrifugací v gradientu (mechanicky) odstraní ze vzorku tukové kulièky a somatické buòky, aby nevytváøely interferenèní efekty. Bakteriální buòka je za podmínek metody obarvena barvivem (nejèastìji akridinoranž). Buòka po osvìtlení emituje specifické záøení, které je osciloskopicky registrováno jako elektronický impuls (EI), tedy mikrob. Proud vzorku teèe v laminárním proudu pufrovacích roztokù pod fluoro-optickým mikroskopem. Výsledky elektronických bakteriálních impulsù se pøepoèítávají faktory nebo rovnicemi na výsledky 11

12 kultivaèních metod, tedy na poèet mikroorganismù (kolonie formujících (tvoøících) jednotek, KTJ) v 1 ml mléka. Pro syrové mléko bývají tøeba specifické kalibrace na rùzné biologické druhy mléka (TOMÁŠKA et al., 26). Døíve se, se stejným principem, využívala i metoda stanovení CPM v nekoneèném pásu vzorkového filmu na rotujícím disku. V principu tedy tyto metody nepøímého stanovení CPM musejí být kalibrovány pøepoètovou rovnicí na hodnoty výše popsané metody referenèní, tedy kultivaèní (plotnové), i když jsou známy rovnìž systémy mikrobiologického hodnocení kvality syrového mléka podle kvantity elektronických impulsù vzorku (bez kalibrace na pøímou metodu), kde je kontrolován jejich poèet na zvláštních vzorcích a rovnìž opakovatelnost stanovení poètu EI. Tìmito otázkami kalibrace, pøepoètu a sjednocení výsledkù z metod pøímých na nepøímé se v oboru stanovení CPM v popsaných intencích zabývala øada autorù, kolektivù autorù a pracovnì legislativních skupin pro tvorbu závazných standardù: RAPP a MÜNCH, 1984; SUHREN a WALTE, 1998 a 21; ÈSN EN ISO , 1999; FOSS ELECTRIC, 1999; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; NINANE et al., 2; ISO , 2; BOLZONI et al., 2 a 21; SIS STN , 23; TOMÁŠKA a SUHREN, 23 a 24; ECS 23 a, b; ISO 21187, 24; REGULATION, 853/24; TOMÁŠKA et al., 24, 26 a ) Cíl aplikace certifikované metodiky Cílem této certifikované metodiky je provést aktualizaci (vývoj, inovaci, rekalkulaci) pøepoètových, resp. transformaèních, rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie (FC) na výsledky referenèní kultivaèní plotnové metody stanovení CPM pøi kontrole kvality syrového kravského mléka v alternativním øešení èetných variant (pùvodní data, oèištìná data, rovnice celkové, intervalové, transformované) pro výbìr nejvhodnìjší možnosti pro Èeskou republiku pro nepøímé metody v laboratoøích rozborù kvality mléka Èeskomoravské spoleènosti chovatelù podle aktuálního souboru výsledkù referenèní metody pro CPM (v jednotkách CFU). 3) Vlastní výzkum a vývoj pro certifikovanou metodiku zpracování validace dosavadních predikèních rovnic a návrhy inovovaných transformaèních predikèních rovnic pro IBC-FC CPM I) Podmínky srovnávacího sledování a použité metodické postupy Bìhem pøedchozího roku byl vytvoøen soubor pøístrojových (nepøímá rutinní metoda; IBC FC (flow cytometry) Bentley Instruments, Chaska, Minnesota, USA) a referenèních dat (RE, kultivaèní metoda podle ÈSN EN ISO a EN ISO 4833, klasika) o zastoupení celkového poètu mezofilních mikroorganismù (CPM v CFU (colony forming unit) v 1 ml mléka) v syrovém kravském mléce v laboratoøích kontroly kvality mléka (ÈMSCH, LRM Brno-Tuøany a LRM Buštìhrad). Metoda IBC je již dva roky považována za nepøímou, ale ekvivalentní referenèní metodì ve smyslu EN-ISO : 213 a EN-ISO : 213 (dle pøíslušného certifikátu Microval, 214). Pøi stanovení CPM bylo postupováno podle relevantních standardních operaèních postupù (SOP, vèetnì pùvodní transformaèní rovnice 1^(, ,964266*LOG1(IBC))) akreditovaných laboratoøí, manuálu výrobce (IBC Bentley) a pøíslušné normy (STN ; EN ISO 1614). 12

13 Zkouška stanovení CPM kultivaènì (ÈSN EN ISO , klasika, RE, pøílohy) je založena na metodì pøímého výsevu 1 ml vzorku nebo jeho øedìní na Petriho misky a promíchání s kultivaèním médiem (GTK-M, Milcom Tábor). Naoèkované Petriho misky se kultivují dnem vzhùru pøi 3 o C po dobu 72 hodin. Po skonèení kultivace se hodnotí misky s takovým øedìním, kde je poèet kolonií v rozmezí od 1 do 3. Výsledek se vyjádøí jako KTJ/ml nebo CFU/ml (kolonie tvoøící jednotky, colony forming units). Soubor dat zahrnoval, po mìsíèních intervalech celého roku, celkem výsledkù párových vyšetøení CPM na identických vzorcích syrového kravského mléka obìma metodami (CPM pro IBC a RE kultivaènì (klasika)). Byl zpracován ve dvou laboratoøích na ètyøech pøístrojích IBC (2 v každé laboratoøi a relevantní kultivaèní metoda pro CPM). V laboratoøích vzniklo 848 a 83 kompletních párových vzorkových vyšetøení CPM a po pøístrojích se pohyboval poèet párových vyšetøení od 282, pøes 285 a 518, do 566. Podle uvedených kritérií byl pak soubor dat rozdìlen a sumárnì a oddìlenì zpracováván. Kalendáøní mìsíce byly, jako tøídící faktor a jako metodické kritérium pro vìrohodnost výsledkù mikrobiologických analytických metod, z logických dùvodù, zamítnuty (pøedpoklad, že konzistentní analytická metoda nevykazuje závislost vìrohodnosti výsledkù na jakékoliv sezónì). Statistické vyhodnocení bylo provedeno v programu MS Excel (Microsoft, Redmond, USA) metodami vyèíslení základních statistických parametrù mléèných ukazatelù (n = poèet pøípadù, x = prùmìr aritmetický, xg = prùmìr geometrický, sx v = smìrodatná odchylka, vx v = variaèní koeficient (%), min = minimum, max = maximum, Rmax.-min. = variaèní obor, m = medián, q = horní a dolní quartil, sv = poèet stupòù volnosti, t = hodnota testovacího kritéria párového t-testu, pøílohy zprávy) a metodou lineární regrese v obou polohách referenèní metody (x a y) s vyèíslením validaèní nebo transformaèní rovnice, koeficientu determinace (R 2 ) a koeficientu korelace (r, pøílohy zprávy), vèetnì jejich statistické významnosti. Základní statistika byla provedena pro souborové skupiny základních dat podle struktury souboru a také pro relevantní diference výsledkù mezi metodami. Navazujícím testem statistické významnosti prùmìrných rozdílù skupin dat byl párový t-test, i když jeho zpùsobilost k posuzování párových výsledkù analytických metod je do jisté míry omezena. Ponìvadž u výsledkù CPM (také u poètu somatických bunìk) nelze oèekávat normální frekvenèní distribuci dat (ALI a SHOOK, 198; SHOOK, 1982; RAUBERTAS a SHOOK, 1982; RENEAU et al., 1983, 1988; RENEAU, 1986; WIGGANS a SHOOK, 1987; ARNDT et al., 1991; HANUŠ et al., 21, 27, 29 a, b, 211; JANÙ et al., 27), ale spíše lognormální, byla všechna pøíslušná data, pro možnost nezbytného srovnání výsledkù, také logaritmicky transformována pomocí dekadických logaritmù (log 1 ). Uvedené vedlo i k vyèíslení geometrických prùmìrù pro základní soubory. Ze stejných dùvodù bylo také provedeno ošetøení datových souborù testy odlehlosti a uøíznutím dat. Uøíznutí dat bylo, ve vazbì na normy kvality mléka a analytické mikrobiologické požadavky, provedeno empiricky na hodnotách CPM! 1 a 1 3 CFU.ml -1 (tis. CFU v 1 ml mléka, tis.cfu/ml). Uvedené má zvyšovat spolehlivost predikce IBC FC CPM v potøebných a preferovaných (kvalitativnì normovaných) intervalech oboru CPM. Také ze stejných dùvodù byl použit Grubbsùv test odlehlosti výsledkù (na konvenèní hladinì pravdìpodobnosti 95 % konfidenèního intervalu). Zatímco uøíznutí dat bylo aplikováno k redukci n u souborù na hodnoty kultivaèních referenèních výsledkù CPM, tento test odlehlosti byl zamìøen na distribuce souborù dat pro rozdíly mezi hodnotami metod na párových vzorcích a to jak v jejich pùvodních hodnotách (kladné i záporné odchylky párù mezi klasika - IBC), tak na rozdíly v hodnotách absolutních (abs, resp. ABS). Ponìvadž kritická hodnota T Grubbsova testu odlehlosti je v literatuøe tabelována obvykle do max 2 pøípadù (n), relevantní kritické hodnoty T pro více èetné 13

14 soubory (P,5) byly zde derivovány extrapolací podle nelineární závislosti na Obr. 3, která byla zde úèelovì derivována na logaritmické bázi. Obr. 3 Nelineární závislost kritické hodnoty T (P,5) Grubbsova testu odlehlosti na n. Vlastní tvorba certifikované metodiky transformaèních predikèních rovnic pro výsledky IBC FC CPM pak probìhla podle následujícího harmonogramu, kdy byl odborný postup i prùtoèný harmonogram metodicky konzultován s relevantními laboratorními odborníky na workshopu v laboratoøi rozborù mléka LRM Buštìhrad: - posouzení struktury souboru pøístrojových a kultivaèních výsledkù CPM, celková a podle laboratoøí a pøístrojù; - posouzení systému filtrace dat podle jejich frekvenèní distribuce s testy odlehlosti a uøíznutím dat ve vazbì na konvenèní a standardní hodnoty CPM; - posouzení zpùsobu transformace dat v dùsledku jejich frekvenèní distribuce; - posouzení výsledkù základní a diferenèní statistiky párový t-test; - hodnocení výsledkù lineárních regresí hodnot mezi metodami (CPM prùtoènou cytometrií (FC) podle dosavadních transformaèních rovnic v CFU a kultivaènì v CFU) a návrh selekce relevantních validaèních rovnic; - ukázka výsledkù modelových výpoètù podle typických dat CPM prostøednictvím vybraných validaèních rovnic (v CFU); - sestavení nových budoucích predikèních rovnic pøepoètu CPM pøímo z BEI u FC na CFU; - modelová validace nových predikèních rovnic podle metody modelu kontroly validaèních rovnic; - harmonogram sestavení certifikované metodiky pro uvedenou metodu stanovování CPM pøi kontrole kvality syrového kravského mléka v LRM na ÈMSCH; - odhad trendù metodické zmìny budoucích výsledkù CPM v pøípadì pøijetí nových transformaèních rovnic pro laboratoøe ÈMSCH. Pro metodické hodnocení analytické podstaty a výsledkù metod (IBC a kultivace) byly využity principy a výsledky prací: RAPP a MÜNCH, 1984; SUHREN a WALTE, 1998 a 21; ÈSN EN ISO , 1999; FOSS ELECTRIC, 1999; BAUMGARTNER, 2; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; NINANE et al., 2; ISO , 2; BOLZONI et al., 2 a 21; SIS STN , 23; TOMÁŠKA a SUHREN, 23 a 24; ECS 23 a, b; ISO 21187, 24; REGULATION, 853/24; TOMÁŠKA et al., 24, 26 a

15 Pro statistické hodnocení shody, rozdílù, vìrohodnosti výsledkù a vztahù výsledkù testovaných mikrobiologických analytických metod (kultivace a IBC) byly využity výsledky prací: GRAPPIN, 1987 a 1993; LERAY, 1993, 26, 29 a, b, c, 21; WOOD, 1994; WOOD et al., 1998; SUHREN a WALTE, 1998 a 21; BAUMGARTNER, 2; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; COVENEY, 21. II) Vyhodnocení výsledkù validace a stanovení pøedchozích a inovovaných predikèních rovnic pro IBC-FC CPM v kontrole spotøebitelské bezpeènosti a kvality syrového mléka Celkový náhled na výsledky V pøíloze I je statistika CPM (IBC, klasika a jejich rozdíly) v jednotlivých laboratoøích celkem a po mìsících v pùvodních hodnotách i logaritmicky transformovaných a to pro veškerá data bez vyluèování hodnot. Jak již bylo uvedeno, pro pøedpoklad, že konzistentní analytická metoda nevykazuje závislost vìrohodnosti výsledkù na jakékoliv sezónì, nebyl vliv mìsíce dále zohledòován pro metodu selekce k renovaci transformaèních rovnic hodnot z IBC CF BEI na RE (klasika) CFU. Celkem i po mìsících byly prùmìrné rozdíly CPM mezi metodami (Klasika - IBC) èasto statisticky významné, zejména hodnoceno v absolutních hodnotách (P<,1), to je však vìc øešitelná pøijetím nových transformaèních rovnic. V pùvodních hodnotách byly rozdíly v øadì mìsícù v obou laboratoøích statisticky nevýznamné (P>,5). Nìkdy je tato nevýznamnost dána také nižším poètem pøípadù po mìsících, protože významnost rozdílù (P<,1 a P<,1) je v celkovém hodnocení obou laboratoøí. Korelaèní koeficienty mezi výsledky metod (Klasika IBC, CFU) pro CPM po mìsících byly témìø všechny, až na jeden pøípad pùvodních hodnot CPM (zde však byla významná závislost logaritmovaných hodnot), významné (P<,1), i když po mìsících pomìrnì kolísaly, jak u hodnot pùvodních, tak i logaritmicky transformovaných. Ne vždy mìly logaritmované hodnoty CPM mezi metodami vyšší korelace, tìsnìjší vztahy, než pùvodní, jak by se dalo oèekávat. Z toho plyne, v tomto pøípadì, že ne nezbytnì musí jít závìreèná selekce pro transformaèní rovnice pøes postup logaritmování pùvodních dat. V pøíloze II je nejvýznamnìjší èást hodnocení za celý soubor, který by umožòoval výbìr jedné transformaèní rovnice. Ménì vhodnou variantou by byly pøístrojovì specifické rovnice, avšak možnost generálního hodnocení je potøebné validovat. V souboru II jsou uvedena hodnocení celkem bez selekce a s omezením dat uøíznutím (!1 a! tis.cfu/ml; vše A) stejnì jako s vylouèením odlehlých hodnot pøíliš velkých rozdílù jak v pùvodních (B) tak absolutních hodnotách (C). Ve vìtšinì hodnocení A, B a C jsou rozdíly mezi aritmetickými a geometrickými prùmìry CPM obou metod (IBC FC a RE) celkem podobné, jen u celkového hodnocení A je rozdíl geometrických prùmìrù CPM výraznìji nižší. Všechny rozdíly mezi aritmetickými prùmìry pro všechny zpùsoby ošetøení dat jsou však statisticky významné (P<,1 a P<,1). Uvedené je ovšem korigovatelné prostøednictvím stanovení nových transformaèních rovnic. V celkovém hodnocení A existuje výraznì vyšší variabilita dat CPM než v souborech redukovaných A, B a C, pøevážnì o 1 % a více, v dùsledku vysokých maximálních hodnot (IBC a RE 7 55 tis.cfu/ml). Maxima v redukovaných souborech jsou výraznì nižší (3 2 tis.cfu/ml). V dùsledku toho je aritmetický prùmìr IBC CPM nižší u celkového hodnocení A oproti klasickému CPM, zatímco u prùmìrù geometrických je tomu zde naopak, pøestože u aritmetických prùmìrù všech redukovaných souborù A, B a C je to právì naopak (IBC > RE (klasika)) a to v souladu s prùmìry geometrickými. S ohledem na tuto skuteènost a na hygienický standardní limit CPM 1 tis.cfu/ml (maximum pro standardní mléko), se jeví redukované soubory A (!1 a! tis.cfu/ml), B a C jako logicky vhodnìjší k následnému pøíslušnému výbìru souborù pro finální derivace 15

16 transformaèních predikèních rovnic. Je zde, touto validací, rovnìž celkovì naznaèeno, že pøijetí redukovaných souborù pro odvození nové transformaèní predikèní rovnice povede ke snížení CPM stanovených na IBC CF prùmìrnì o 1 až 15 tis.cfu/ml. Tento jev mùže být výsledkem starší pøedchozí rovnice (1^(, ,964266*LOG1(IBC))), kdy za dobu její aplikace (cca 1 rokù) mohlo dojít k posunu ve skladbì CPM v terénu (chovech dojnic) s ohledem na technologické skupiny baktérií (ve vazbì na optimálnì vhodné jejich kultivaèní teploty) v dùsledku specifických hygienických režimù dojení nebo antibiotické léèby krav a tím k uplatnìní zmìnìných interferenèních efektù na vztah mezi výsledky obou metod (IBC CF a RE) stanovení CPM. To ukazuje, pomìrnì pøesvìdèivì, že renovace transformaèní rovnice z BEI na CFU u IBC CF je nezbytná, aèkoliv poslední nedávné vyhodnocení (ØÍHA, 215) na menším poètu vzorkù (n = 352) ukazovalo, že výsledky by mohly být ekvivalentní (IBC = RE (klasika)) a renovace nadbyteèná. Regresní vztahy výsledkù Celkové regresní vztahy v pøíloze II naznaèují významné korelace (P<,1) mezi hodnotami metod (RE a IBC FC) pro všechna ošetøení souborù. Pro celkový soubor A je to,872 pro hodnoty pùvodní a,911 pro hodnoty logaritmicky transformované (P<,1). Uøíznutím (A, (!1 a! tis.cfu/ml) dat souborù, tedy redukcí souborù, klesá logicky tìsnost tìchto závislostí pro hodnoty pùvodní i logaritmované, nicménì všechny vztahy jsou stále významné (P<,1). Je dùležité, že se, oproti celkovému hodnocení, uøíznutím dat výraznì redukuje hodnota smìrodatných odchylek prùmìrné diference z hodnot kolem 35 (36 a 352) tis.cfu/ml na 7 až 1 (98 až 14 a 73 až 77) tis.cfu/ml pro A!1 a! tis.cfu/ml. Naopak oèištìním souborù dat (B a C) daným zpùsobem o odlehlé hodnoty rozdílù logicky tìsnost této závislosti roste. To je však dáno nikoliv laboratornì-analytickou realitou, nýbrž spíše zpùsobem statistického ošetøení. Soubìžná relevantní redukce hodnot smìrodatných odchylek prùmìrné diference u ošetøení B a C na hodnoty 28 až 36 tis.cfu/ml je sice velmi zajímavá, ale principiálnì umožnìna právì také hlavnì zpùsobem statistického ošetøení. Je otázkou, mohla-li by to být cesta k vìtší vìrohodnosti predikèní transformaèní rovnice, vše ale naznaèuje, že spíše ne, pro pøíliš velký vliv statistického ošetøení na realitu. Více mùže naznaèit jen model pro validaèní rovnice. Posouzení variability metodických rozdílù Jak vyplývá z výsledkù prací REICHMUTH et al. (1988) a SUHREN et al. (1988), existuje i v mlékaøské mikrobiologické analytice vliv vis maior. Jedná se o obèasný výskyt specifických vzorkù mléka, kterému nelze zabránit a které jsou zdrojem výrazných metodických rozdílù mezi CPM derivovaným z BEI a CPM stanoveným klasicky. Na Obr. 4 je patrný soubor výsledkù BEI a CPM použitý k derivaci transformaèní predikèní rovnice u zaøízení Bactoscan III. Zaøazeny byly zøejmì všechny dosažené hodnoty, nebo jsou zøetelné i znaèné výsledkové disproporce mezi výsledky srovnávaných metod. Jak lze, napø., demonstrativnì pomìrnì snadno odeèíst jeden pøíklad za všechny, který ovšem není z kategorie tìch nejvýraznìjších, a je tedy pomìrnì èasto v rùzných obmìnách postøehnutelný: - ve vodorovné linii od hodnoty 5 tis.cfu/ml pro CPM (osa y, prùmìrné mléko) se vyskytuje celá øada instrumentálních položek s rùznou hodnotou BEI; - podle pøíslušné transformaèní rovnice bude této hodnotì pøíslušet hodnota cca 15 BEI; - tedy hodnotì cca 15 BEI bude transformací pøiøazeno 5 tis.cfu/ml; - ve svislé pøímce na úrovni 15 BEI ovšem leží škála výsledkù CPM kultivaènì od cca 2 tis.cfu/ml do 37 tis.cfu/ml; - všem tìmto hodnotám CPM kultivaènì (2 až 37 tis.cfu/ml) bude pøiøazena hodnota 5 tis.cfu/ml CPM instrumentálnì; - v maximech jsou patrny velké rozdíly, kde diference 5 tis.cfu/ml je relativnì pomìrnì malým èíslem; - 16

17 v celém souboru (Obr. 4) lze rozkrýt øadu takovýchto diferencí. Pøesto, z nìjakého dùvodu, zùstaly tyto zjevné rozdíly v datovém souboru pro transformaèní rovnici zachovány. Autoøi je tedy považovali za reálné z dùvodu ovìøení správnosti mìøení obou metod pro CPM v daných konkrétních pøípadech. Je rovnìž dobøe známo, že akreditované mléèné laboratoøe vykazují nejistoty výsledkù mìøení CPM podle metod instrumentálních a kultivaèních bìžnì od ±15 do ±3 až ±35 % nad prùmìrnými hodnotami vìtších souborù. Opakovatelnost klasické mikrobiologické analytické metody pro CPM je pak bìžnì ±2 %, proto výše uvedené zase tolik nepøekvapuje. Ve smyslu zmínìného je pak striktnì nezbytné provádìt srovnání výsledkù CPM laboratoøí a metod pøi jakýchkoliv komerèních sporech o kvalitu syrového mléka. Ve stejném smyslu bude ještì k uvedené záležitosti také referováno pozdìji v odstavci k variabilitì individuálních diferencí mìøení CPM. Zøejmì z uvedených dùvodù nìkteré zemì pøistoupily ke kontrole kvality syrového mléka pøímo podle kvantity elektronických impulsù (BEI) vzorku, tedy bez kalibrace instrumentální metody na pøímou kultivaèní (referenèní) metodu pomocí transformaèní rovnice CPM, aby se pøedcházelo nekoneèným diskusím na dané téma a neøídkým (a také ne vždy kompetentním) výsledkovì-srovnávacím vstupùm èetných jiných laboratoøí mimo systém rutinní kontroly kvality mléka. Pro kontrolu BEI zde pak byly vyvinuty pro pøístroje i specifické mléèné standardy. Tyto metodické excesy se samozøejmì vyskytnou i pøi pøijetí nové transformaèní rovnice pro IBC a tuto skuteènost je nutné brát jako fakt a vyhnout se její praktické, hospodáøské dramatizaci, nìjakým náhradním metodickým opatøením, jako tøeba opakováním vzorkù a konsensuálním nahrazením tìchto neèetných (výjimeèných) výsledkù hodnotami kultivaèní metody (RE). Tento problém reálnì a trvale existuje, právì i z dùvodù, proè je také tøeba rekalkulovat novou transformaèní IBC rovnici. Je tedy zøejmì rovnìž zapøíèinìn historickou, i lokálnì specifickou dynamikou ve vývoji složení CPM, co do zastoupení bakteriálních druhù s rùznými nároky na kultivaèní teploty, v dùsledku specifických hygienických režimù dojení, pøípadnì léèby krav, kteréžto efekty interferují negativnì do jinak vìtšinou pomìrnì tìsného a pozitivního vztahu použitých metod stanovení CPM, tedy pøesnì podle obecného moudra, výjimka potvrzuje pravidlo. V tomto smyslu lze proto oprávnìnì uvažovat, že zmínìnou èasovou zmìnou zastoupení bakteriálních druhù v CPM a celkové mikroflóøe mléka (Obr. 1), z naznaèených dùvodù druhù s rozdílnou afinitou ke kultivaèní teplotì, v jistém smyslu driftují èasem i bazální hodnoty referenèních metod, kdy kultivaèní metoda mùže poskytnout stejný výsledek CPM pøi rozdílném zastoupení celkové (bakteriální hmoty) mikroflóry mléka (Obr. 1) a naopak. Je tedy tímto i v mlékaøské mikrobiologii potvrzeno Archimédovské rèení, že neexistuje pevného bodu ve vesmíru. Další kapitolou je také optimálnost nastavení prahu FC s ohledem na velikost pøítomných baktérií atd. Samozøejmì ovšem, že od roku 1988 došlo i technickým vývojem ke zlepšení citlivosti a vìrohodnosti výsledkù instrumentálních mlékaøských mikrobiologických analýz, tzn. k omezení frekvence výskytu takovýchto metodických rozdílù v CPM, oproti jejich záznamu na Obr. 4. Mezi jinými byl napøíklad realizován analytickotechnologický pøechod od daného principu èítání baktérií v nekoneèném pásu filmu na povrchu rotujícího disku k jejich èítání v proudu pufrové kapaliny (flow cytometry), stejnì jako nìkteré kroky v biochemické (napø. urèité enzymatické ošetøení) a fyzikální (napø. aplikace ultrazvuku) pøedúpravì baktérií ve vzorku mléka k vlastnímu èítání optickoelektronických impulsù CPM. Nicménì, existence výskytu urèitých specifických vzorkù (s ohledem na vztah k principùm použitých analytických metod pro CPM) mléka zùstala s nejvyšší pravdìpodobností do jisté míry zachována. Proto je urèitý další výskyt takových neshodných mìøení CPM, i pøi korektním dodržení postupù obou metod, s jistotou pøedvídatelný. Reálné bude jen to, co je v technologických možnostech obou metod. 17

18 Obr. 4 Bactoscan III: Vztah mezi výsledky Bactoscanové hodnoty (nápoètu, BEI) a urèením poètu bakteriálních makrokolonií v syrovém mléce (podle SUHREN et al., 1988). Jak již bylo avizováno, zcela zvláštní a samostatnou kapitolou øešení kalibrace, resp. transformace BEI na CFU, u IBC nebo Bactoscanu versus referenèní kultivaèní metoda, je vyhodnocení variability individuální shody, resp. rozdílù, mìøení CPM rùznými metodami, která je u tìchto mikrobiologických metod relativnì zdaleka vyšší, než u mìøení chemických složek mléka referenèními a nepøímými metodami. Proto problém zasluhuje specifický pøístup. Pøi hodnocení (pøíloha II) celého souboru A (n = 1 651) èinila smìrodatná odchylka prùmìrného rozdílu ±36 tis.cfu/ml a byla tak velmi vysoká. Hodnoty variability diferencí prùmìrného rozdílu podobné hodnocení A (n = 1 651), pøípadnì i vyšší, lze odhadovat také z variability dat na Obr. 4 (SUHREN et al., 1988). U redukovaných souborù uøíznutím dat klasického CPM (A!1 a! tis.cfu/ml; n = a 1 543) klesla tato smìrodatná odchylka prùmìrné diference mezi metodami na ±14 a ±77 tis.cfu/ml. I tak je to hodnota relativnì vyšší. Až u redukovaných souborù dat testem odlehlosti na vlastní velikost diference (B a C; n = a 1 548) byl pokles smìrodatné odchylky prùmìrné diference logicky ještì vyšší na ±35 a ±36 tis.cfu/ml, a vykazoval relativnì žádoucí rozmìr. Pro pøedstavu uvedené znamená, že 67 % rozdílù výsledkù CPM mezi metodami se pohybuje v oborech ±35 a ±36 tis.cfu/ml. Relativnì, s ohledem na prùmìr CPM v systému cca 4 tis.cfu/ml (Tab. 3) je patrné, že se nejedná o hodnotu zcela zanedbatelnou (cca 9 %) v pøípadì øešení pøípadných 18

19 komerèních sporù o výsledky CPM. U analýz chemického složení mléka (tuk, bílkoviny, laktóza, sušina tukuprostá, sušina celková) je takové relevantní, korespondující, relativní vyjádøení variability metodických diferencí vùèi praktickému prùmìru analytu na úrovni cca 1 až 2, maximálnì 3 %. To je zcela diametrální rozdíl oproti mikrobiologickým metodám, jak zjevnì patrno. Nicménì, takové jsou specifické vlastnosti srovnávání výsledkù mikrobiologických analytických metod, které je však nezbytné respektovat. Ukazatele variability individuálních rozdílù výsledkù metod CPM podle pøístrojù jsou v pøíloze III a IV. Celkem tato variabilita uvnitø pøístrojù u celkového souboru (A), ale také u redukovaných souborù uøíznutím dat klasických CPM (A!1 a! tis.cfu/ml) a Grubbsovým testem odlehlosti diferencí (B a C) byla podobná celkovému souboru, ale u nìkterých pøístrojù i výraznì nižší, cca na polovièních hodnotách, oproti celkovému hodnocení (pøíloha II), což mùže být logické, nebo pøístroje vykazují do jisté míry specificky inherentní a vzájemnì mírnì odlišné vlastnosti. Modelový výbìr vhodných souborù Principiálnì, pøílohy III a IV ukazují totéž, strukturou vyhodnocení, pøibližnì i hodnotou výsledkù i ve zpùsobu praktické interpretace a hlavních trendù výsledkù, jako pøíloha II, ovšem, v rámci obou laboratoøí oddìlenì a pak rovnìž oddìlenì podle jednotlivých pøístrojù IBC FC. Jeden malý rozdíl oproti pøíloze II je, že v LRM Brno Tuøany (pøíloha III), zøejmì pro nižší maximální hodnoty CPM i pøi celkovém vyhodnocení aritmetický prùmìr CPM níže u klasické metody oproti IBC. Podle laboratoøí se pak jeví, že pøijetím nové transformaèní rovnice by prùmìrné hodnoty CPM III (A!1 a! tis.cfu/ml) klesly o cca 1 (19 a 6 podle pøístrojù) tis.cfu/ml a prùmìrné hodnoty CPM IV (LRM Buštìhrad, A!1 a! tis.cfu/ml) o cca 2 (17 a 24 podle pøístrojù) tis.cfu/ml. Uvedené trendy, aèkoliv jsou nìkdy protichùdné statisticky, dovolují jako optimum, z dùvodù statistických i praktických mikrobiologických analytických argumentù, vybrat pro model validaèní rovnice ze souborù A (! tis.cfu/ml), A (!1 tis.cfu/ml) a B, pùvodních i transformovaných, pro hodnocení celkem (pøíloha II, n = 1 543, a 1 551) a podle jednotlivých pøístrojù (pøílohy III a IV, n = 276 a 257, 536 a 542, 476 a 47 a 255 a 246) v porovnání k celému souboru A (n = 1651). Modelové hodnocení predikce je provedeno pro prakticky významné hodnoty CPM: 1 (technologická zpùsobilost souèasných dojíren); 4 (cca prùmìr CPM v Èeské republice); 1 (standardní limit CPM v ÈR a v Evropské unii); (horní limit uøíznutí dat CPM pro prakticky vyhovující hranici vyšší analytické vìrohodnosti výsledkù CPM) tis.cfu/ml (Tab. 4). Pro teoretické kultivaèní stanovení CPM (1, 4, 1 a tis.cfu/ml) by rovnice pro dané validaèní soubory s použitou pùvodní transformaèní rovnicí (z BEI na CPM) vykazovaly v tabulce uvedené instrumentální (transformované) CPM. 19

20 Tab. 4 Model aplikace selektovaných validaèních rovnic ze souborù hodnot pùvodních CPM i logaritmicky transformovaných pro hodnocení A celkem, A ( tis.cfu/ml), A (1 tis.cfu/ml) a B (pøíloha II) a podle jednotlivých pøístrojù (pøílohy III a IV) A ( tis.cfu/ml) a B. Pø S/P STAT n Data Validaèní rovnice CPM model tis.cfu/ml II A pùv y=,5913x+55, II A log y=,7363x+, II A pùv y=1,264x+13, II A log y=,6699x+, II A pùv y=,9968x+14, II A log y=,687x+, II B Grubbs pùv y=,981x+12, II B Grubbs log y=,6998x+, III A/ pùv y=,996x+22, III A/ log y=,6135x+, III B/63 Grubbs 257 pùv y=,935x+13, III B/ 63 Grubbs 257 log y=,6174x+, III A/ pùv y=1,186x+4, III A/ log y=,8144x+, III B/73 Grubbs 542 pùv y=,9977x+3, III B/73 Grubbs 542 log y=,8332x+, IV A/5 476 pùv y=,9797x+19, IV A/5 476 log y=,6448x+, IV B/5 Grubbs 47 pùv y=,9238x+18, IV B/5 Grubbs 47 log y=,6523x+, IV A/ pùv y=1,1979x+14, IV A/ log y=,6831x+, IV B/55 Grubbs 246 Pùv y=,9983x+15, IV B/55 Grubbs 246 log y=,6898x+, (Pø = pøíloha; S/P = soubor/pøístroj; STAT = statistické ošetøení souboru; n = poèet pøípadù; Data, pùv = pùvodní, log = logaritmovaný; pøístroje IBC 63, 73, 5 a 55.) 2

21 Z tohoto modelového vyhodnocení lze odvodit, že nejvhodnìjšími soubory pro odvození nové transformaèní rovnice celkové a pro jednotlivé pøístroje jsou soubory A ( tis.cfu/ml) a B (s Grubbsovým testem odlehlosti metodických rozdílù na hladinì intervalu pravdìpodobnosti 95 %). Další èástí je derivace nových transformaèních rovnic CPM pøímo z BEI na CFU u souborù A ( tis.cfu/ml) a B a pro srovnání také u A celkem (pro všechny 4 pøístroje) podle principù pøedchozí selekce (Tab. 4) z validaèních rovnic a model jejich finální validace. Zpìtné potvrzení pùvodní rovnice Pøed odvozením nových transformaèních rovnic byl kontrolnì proveden reverzní regresní výpoèet pùvodní transformaèní rovnice (1^(, ,964266*LOG1(IBC))), který je na Obr. 5, a to ze vztahu IBC BEI a IBC CPM v CFU (n = 1 651). Je zøejmý tvar rovnice korespondující s pùvodní transformaèní rovnicí, se kterou je témìø ekvivalentní v pøedpokládaném oboru mìøení, ovšem v lineárním tvaru (y =,3x + 2,1962), pøi korelaci,999 (P<,1). Další reverzní aproximace pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU (n = 1 651)) byla provedena v logaritmované verzi dat k získání nejbližšího ekvivalentu rovnice v lineární verzi (Obr. 6). Rovnice (1^(, ,964266*LOG1(IBC))! y =,9149x - 2,971) jsou ve své úèinnosti prakticky témìø ekvivalentní v pøedpokládaném oboru mìøení CPM pøi ještì nepatrnì vyšší tìsnosti závislosti (r = 1) výpoètu a jejich rozdílné matematické formì. Obr. 5 Reverzní lineární regresní výpoèet pøibližnì nejbližšího možného ekvivalentu pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU), 1^(, ,964266*LOG1(IBC))! y =,3x + 2,1962, pùvodní hodnoty y =,3x + 2,196 R 2 =, IBC impulsy n = 1 651; r =,999; (P<,1) 21

22 Obr. 6 Reverzní lineární regresní výpoèet pøibližnì nejbližšího možného ekvivalentu pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU), 1^(, ,964266*LOG1(IBC))! y =,9149x - 2,971 na bázi logaritmicky transformovaných dat. 4, 3, 3, 2, 2, 1, 1,,, y =,9149x - 2,971 R 2 =,9998, 2, 4, 6, 8, n = 1 651; r = 1; (P<,1) log IBC impulsy Kalkulace nových lineárních ekvivalentù predikèních transformaèních rovnic na selektovaných datových souborech Byly provedeny výpoèty lineárních regresí kombinací vztahù výsledkù BEI a CFU pro CPM mezi metodami uvnitø celkových a pøístrojových, celých a redukovaných, transformovaných a netransformovaných (IBC BEI a CPM CFU) a nìkdy specificky selektovaných souborù dat (pøílohy V a VI). To bylo provedeno pro soubory celkem (n = 1 651), A1 ( tis.cfu/ml, n = 1 543), B (n = 1 551) a byl vytvoøen nový soubor B1 (B a tis.cfu/ml, n = 1 517). Pro všechny provedené výpoèty platila statistická významnost (P,1; pøílohy V a VI) vztahù mezi BEI a CPM mezi metodami. Z cílenì vybraných vztahù byly, s ohledem na výsledky pùvodní transformaèní rovnice, provedeny modelové pøepoèty (Tab. 5) podle specifických IBC-BEI, odpovídajících pøibližnì významným, aktuálnì-praktickým (kvalita mléka), potravináøsky-legislativním a laboratornì-analyticky-praktickým limitùm (1, 5, 1, 2, a 1 BEI). Pro všechny regresní vztahy (Tab. 5) platil významný statistický vztah (P,1) výsledkù metod CPM. Toto porovnání ukázalo (Tab. 5), že, z øady analyticko-laboratornì praktických a teoretickostatistických dùvodù, nejvhodnìjším modelem a pøedlohou pro modifikaci pùvodní transformaèní rovnice IBC (z BEI na CPM, resp. CFU) na novou verzi (pro celkový i pøístrojový výpoèet), je nová varianta souboru B1 s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P,1; n = 1 517; Obr. 7). Také varianta B by v tomto pøípadì byla vhodná: y = 1,28x 3,6457 (r =,885; P,1; n = 1 551; Obr. 8). Varianta bez logaritmické transformace dat vykázala rovnìž dobrý vztah, ale s nižší horní srovnávací hodnotou 32 (pøíliš sníženou) oproti 381 tis.cfu/ml pùvodní transformaèní rovnice (B1; y =,3x + 1,9336; r =,881; n = Tab. 5; Obr. 9). I varianty A1 poskytovaly podobné výsledky v bìžné kvalitativnì standardní škále CPM do 1 tis.cfu/ml a nižší srovnávací hodnoty v nejvyšší poloze 229 a 3 tis.cfu/ml, ale logicky nižší korelace (pro uøíznutí dat) oproti ošetøení souborù Grubbsovým testem. 22

23 Tab. 5 Vybrané kombinace souborù a lineárních regresních vztahù výsledkù metod pro pøepoèet BEI (1 3 ) na CPM (tis.cfu/ml) a výbìr modelu pro modifikaci transformaèní rovnice. Soubor Kombinace Rovnice r n BEI BEI BEI BEI BEI BEI CPM PTR-IBC A1 BEI CPM y=,2x+29,678, A1 logbei logcpm y=,9885x-3,454, B1 BEI CPM y=,3x+1,9336, B1 logbei logcpm y=1,32x-3,6565, B logbei logcpm y=1,28x-3,6457, B1 logbei CPM y=118,417x-533,8312, B logbei CPM y=272,6255x-1281,9143, B1, 63 logbei logcpm y=,9629x-3,3331, B1, 73 logbei logcpm y=,9487x-3,1352, B1, 5 logbei logcpm y=1,963x-4,73, B1, 55 logbei logcpm y=1,16x-3,65, (Všechny vybrané vztahy, P!,1; n = poèet pøípadù; r = korelaèní koeficient; PTR-IBC = pùvodní transformaèní rovnice IBC.) Obr. 7 Varianta v souboru B1 s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì). 3, 2, 2, 1, 1,, y = 1,32x - 3,6565 R 2 =,7383,, 2, 4, 6, 8, log IBC impulsy B1; n = 1 517; r =,859***; P!,1; log CPM kultivaènì = 1,32 logbei(ibc) 3,

24 Obr. 8 Varianta v souboru B s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì). 4, 3, 3, 2, 2, 1, 1,, y = 1,28x - 3,6457 R 2 =,7839,, 2, 4, 6, 8, log IBC impulsy B; n = 1 551; r =,885***; P!,1 Obr. 9 Varianta v souboru B1 s lineární kombinací vztahu BEI (IBC) CPM referenènì (kultivaènì) y =,3x + 1,9336 R 2 =, IBC impulsy B1; n = 1 517; r =,881***; P!,1 Kalkulace nové predikèní transformaèní rovnice Vztah log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P!,1; n = 1 517) se stal pøedlohou (modelem, log CPM kultivaènì = 1,32 logbei(ibc) 3,6565) pro modifikaci pùvodní transformaèní rovnice (1^(, ,964266*LOG1(IBC))/1 ). Pøepis nové lineární transformaèní rovnice do instrumentální verze (IBC) je: 1^(-3,6565+1,32*LOG1(IBC)). Pro shodu s novým modelovým lineárním vztahem byly také empiricky upravovány parametry v exponentu pùvodní transformaèní rovnice do tvaru (1^(-,67+1,21LOG1(IBC))/1 ) nové transformaèní rovnice pro pøepoèet IBC BEI na CPM. Podobným zpùsobem je, podle lineárních modelù (B1) v Tab. 5, možné, v pøípadì zvláštní analytické potøeby, modifikovat specifické pøístrojové transformaèní rovnice (63, 73, 5 a 55; pøíloha VI), také z pùvodní transformaèní rovnice. Podle analytických okolností a potøeby mléèných laboratoøí je tedy možné použít celkovou transformaèní rovnici v pùvodní lineární podobì (log CPM kultivaènì = 1,32 logbei(ibc) 3,6565), nebo stejnou, pøepsanou v pøístrojové verzi (1^(- 3,6565+1,32*LOG1(IBC))), nebo modifikovanou v pøístrojové verzi (1^(-,67+1,21LOG1(IBC))/1 ), s prakticky stejnými výsledky CPM v potøebném oboru mìøení, popøípadì stejnì odvozené rovnice jednotlivých pøístrojù IBC. 24

25 Pøevody nové, odvpozené a modifikované transformaèní rovnice (z BEI na CPM) a validace novì navrženého postupu V Tab. 6 je znázornìna efektivita nové transformaèní smìrnice a jejího pøepisu do instrumentální verze a pøiblížení nové transformaèní rovnice IBC, po modifikaci exponentových parametrù pùvodní transformaèní rovnice, ke vztahu log BEI (IBC) log CPM referenènì z Tab. 5 (B1, n = 1 517). Je patrné, že modifikovaná nová pøístrojová verze rovnice kopíruje modelové hodnoty BEI a následnì CPM metodicky odvozené lineární transformaèní rovnice. V celkovém referenèním souboru zachycené minimální a maximální hodnoty BEI (4 815 a ) poskytují po pøepoètu hodnoty CPM 1,443 a 5 95,672 tis.cfu/ml, tedy i okraje rovnice vyhovují praktickým podmínkám mléèných mikrobiologických laboratoøí pøi kontrole kvality syrového mléka. Tab. 6 Pøiblížení nové transformaèní rovnice IBC ke vztahu log BEI (IBC) log CPM referenènì z Tab. 5 (B1, n = 1 517), pøepoèet BEI (1 3 ) na CPM (tis.cfu/ml). Kombinace Rovnice BEI BEI BEI BEI BEI BEI CPM PTR-IBC logbei logcpm y=1,32x-3, NTR-IBC BEI CPM NTR-IBC 3 15,7 31,9 64,8 335,2 PTR-IBC = (1^(, ,964266*LOG1(IBC)))/1 ; NTR-IBC (nová transformaèní rovnice IBC) = novì odvozená a instrumentálnì pøepsaná transformaèní rovnice log CPM kultivaènì = 1,32 logbei(ibc) 3,6565 = 1^(- 3,6565+1,32*LOG1(IBC)); NTR-IBC (novì modifikovaná transformaèní rovnice IBC) = (1^(-,67+1,21LOG1(IBC)))/1. S novì modifikovanou transformaèní rovnicí byl proveden pøepoèet pùvodních BEI (nápoètová hodnota prùtoèné cytometrie, IBC, Bentley) vybraných datových souborù a provedena statistická validace novì navrženého postupu (pøíloha VII). Byla provedena základní a diferenèní statistika u souborù celkem (n = 1 651), A1 (n = 1 543), B (n = 1 551) a zejména B1 (1 517) mezi IBC CPM (nová transformaèní rovnice), IBC CPM (pùvodní transformaèní rovnice) a CPM referenènì (kultivaènì, klasicky) a obdobnì lineární regrese pùvodních a logaritmicky transformovaných dat CPM (pøíloha VII) mezi IBC CPM (nová transformaèní rovnice) a CPM klasicky. Validace hodnot CPM novì modifikované transformaèní rovnice s ohledem na referenèní výsledky (pøíloha VII) ukázala dobrou shodu výsledkù se statistickými parametry referenèního souboru CPM. Byl tedy potvrzen posun dolù na prùmìru CPM cca o 15 tis.cfu/ml. 25

26 4) Závìr certifikované metodiky Je možné pomìrnì objektivnì odhadovat, že pùvodní pøepoètová rovnice (1^(, ,964266*LOG1(IBC))/1 ) pro BEI by stále ještì procházela pøípadnými výkonnostními testy analytické zpùsobilosti a vìrohodnosti výsledkù, i když poskytovala, pravdìpodobnì z diskutovaných dùvodù, mírnì vyšší výsledky CPM o cca 15 tis.cfu/ml na hladinì prùmìrných hodnot kolem 4 tis.cfu/ml, než klasická metoda, což není na mikrobiologické metodické pomìry nìjaký velký rozdíl. Pøesto validace výsledkù IBC FC CPM výsledky klasickými kultivaèními poukázala na potøebu derivace (rekonstrukce, rekalkulace) rovnice nové. Vliv sezóny na transformaèní rovnici z BEI IBC na CPM v CFU byl oznaèen za metodicky nevýznamný. Redukce pùvodního souboru dat CPM o odlehlé hodnoty vlastních mìøení, nebo rozdílù mezi výsledky metod, pøinesla mírný pokles tìsnosti vztahu výsledkù metod (IBC a klasicky), ale také redukci variability metodických rozdílù ve stanovení CPM. Z øady porovnání a diskuse dalších dùvodù vyplynulo, že nejvhodnìjšími soubory, po statistickém ošetøení, pro odvození nové transformaèní rovnice z BEI IBC na CPM v CFU jsou: - soubor po redukci hodnot CPM (! tis.cfu/ml; - soubor po redukci metodických diferencí testem odlehlosti. Validací pùvodní transformaèní rovnice IBC byla doložena potøeba výpoètu nové transformaèní rovnice, kdy uvedené povede ke snížení CPM stanovených na IBC CF prùmìrnì o 1 až 15 tis.cfu/ml. Tento jev mùže být výsledkem starší pøedchozí rovnice, kdy za dobu její aplikace (cca 1 rokù) mohlo dojít k posunu ve skladbì CPM a celkové mikroflóry mléka v terénu (chovech dojnic) s ohledem na technologické skupiny baktérií (ve vazbì na optimálnì vhodné jejich kultivaèní teploty) v dùsledku specifických hygienických režimù dojení nebo antibiotické léèby krav a tím k uplatnìní zmìnìných interferenèních efektù na vztah mezi výsledky obou metod (IBC CF a RE) stanovení CPM. Vztah log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P!,1; n = 1 517) lze ekvivalentnì pøepsat do instrumentální (IBC) podoby 1^(- 3,6565+1,32*LOG1(IBC)) a stal se také pøedlohou pro modifikaci pùvodní transformaèní rovnice 1^(, ,964266*LOG1(IBC))/1. Pro shodu s lineárním vztahem byly upraveny parametry do tvaru 1^(-,67+1,21LOG1(IBC))/1 novì modifikované transformaèní rovnice. Podobnì je možné, v pøípadì potøeby, modifikovat specifické individuální pøístrojové transformaèní rovnice. Podle analytických okolností a potøeby mléèných laboratoøí je tedy možné použít celkovou transformaèní rovnici v lineární podobì, nebo modifikovanou v pøístrojové verzi, popøípadì stejnì odvozené rovnice jednotlivých pøístrojù IBC. Z výsledkù a diskuse také vyplývá, metodou kvalifikovaného odhadu, že následné rekalkulace transformaèní rovnice CPM (z BEI na CFU/ml) by mìly být provádìny cca po 5 až 8 rocích. Nelze však, pøijetím nové transformaèní rovnice IBC z BEI na CPM (v CFU), vylouèit budoucí výskyt výraznì odlehlých výsledkù mezi metodou prùtoèné cytometrie a kultivaèní, kdy je jednak tøeba prakticky uplatnit srovnávání na principu zahrnutí vykazovaných relevantních nejistot výsledkù mìøení akreditovaných laboratoøí a dále pøípadnì opakované rozhodèí stanovení CPM referenèní kultivaèní metodou ve sporných pøípadech. 26

27 III) Srovnání novosti postupù a pøedání certifikované metodiky: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka: - vyvinutá certifikovaná metodika byla pøedána do užívání systému kontroly kvality mléka ÈR v elektronické i písemné formì ; - jedná se o validaci a inovovaný postup podpory vìrohodnosti výsledkù CPM po transformaci z bakteriálních elektronických impulsù prùtoèné cytometrie v situaci potøeby rekalkulace transformaèní rovnice z dùvodù pravdìpodobného èasového (vývojového) posunu v referenèních hladinách CPM pro zajištìní objektivity zpenìžování mléka (tedy i z komerènì-ekonomických dùvodù) a bezpeènosti mléèného potravinového øetìzce; - vývoj postupu je doložen vlastními konkrétními výsledky. Vyhodnocením zmínìných výsledkù vznikl postup jako doklad pro pøípadná jednání dodavatelù syrového mléka a mlékáren pøi kontrole a proplácení kvality mléka; - uvedené postupy validace a predikce inovovaly pøedchozí stav z dùvodù pravdìpodobné pøedchozí dynamiky v druhové skladbì CPM. IV) Popis uplatnìní certifikované metodiky - Závìr - Kontrola uplatnìní certifikované metodiky: - kontrola existence certifikované metodiky jako pracovního postupu a jeho validace pro transformaci instrumentálních FC BEI na CPM v rámci kontroly kvality mléka pro zajištìní vìrohodnosti výsledkù CPM a zajištìní vyšší efektivity kontroly bezpeènosti mléèného potravinového øetìzce; - kontrola aplikace certifikované metodiky je proveditelná prostøednictvím revize dokladù o provádìní mikrobiologických analýz syrového mléka v systému kontroly kvality mléka v ÈR; - certifikovaná metodika validace a derivace transformaèních predikèních rovnic pro pøepoèet BEI na CPM byla zpracována ve tøech exempláøích a pøedána v kroužkové vazbì na pøíslušné pracovištì Svazu výrobcù mléka a.s. Šumperk a do knihoven na pracovištích Výzkumný ústav mlékárenský Praha a Mendelova univerzita v Brnì a informace o certifikované metodice do RIV. V) Ekonomické aspekty Ekonomický dopad je souèástí kontroly kvality mléka (CPM) pro využití v zajištìní objektivity zpenìžování potravináøské suroviny a bezpeènosti mléèného potravinového øetìzce. To lze úèinnì realizovat pouze na základì spolehlivých výsledkù o vlastnostech mléka. Postup podporuje tuto spolehlivost výsledkù (CPM) kontroly kvality syrového mléka pro úèely potravinové zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Na bázi zajištìní potravinové bezpeènosti mùže tvoøit podíl do,5 % z efektu ve smyslu podílu 27

28 kontroly kvality a objektivity zpenìžování, stejnì jako pøíspìvku k eliminaci mastitid zvýšenou hygienou procesu získávání mléka v prvovýrobì na stabilizaci a pøípadné zvýšení kvality potravinové suroviny. Objem možných ekonomických ztrát, v pøípadì absence takového postupu, je ovšem obtížné vyèíslit konkrétnìji. Na úrovni státu mùže pøínos z redukce ztráty efektivity chybami a posílení kvality, èinit èástky v øádu statisícù až milionù. Náklady na konkrétní zavedení postupu uvedeného v metodice mohou pro uživatele èinit podle kvalifikovaného odhadu celkem 25 tis. Kè (náklady na doplnìní software a metodických postupù pro pracovníky). Pøínos pro uživatele v podobì udržení rozsahu produkce mléka a kontroly jeho kvality mùže být odhadnut na 4 tis. Kè tržeb roènì s možností opakování efektu po rocích. VI) Seznam použité související literatury 5) Použité jiné literární prameny pøi tvorbì certifikované metodiky ALI, A. K. A.- SHOOK, G. E.: An optimum transformation for somatic cells concentration in milk. Journal of Dairy Science, 63, 198, ARNDT, G.- WEISS, F.- UBBEN, E. H.: Der Gehalt somatischer Zellen in der Rohmilch: Beiträge zur Messung, Interpretation und praktischer Bedeutung für Milchqualität und Mastitisbekämpfung. I Statistische Verfahren zur Beurteilung der Datenkualität von Ringversuchsergebnissen, dargestellt am Beispiel der Zählung somatischer Zellen in Milch. Kieler milchwirtsch. Forsch. Ber., 43, 1991, BAUMGARTNER, CH. und Expertengruppe für Qualitätssicherung und Qualitätsmanagement (2): Qualitäts 2. Leitfaden für den Betrieb von Routine Untersuchungsgeräten in Rohmilch Prüfungslaboratorien, 1. Ausgabe, Oktober, 32. BOLZONI, G.- MARCOLINI, A.- VARISCO, G.: Evaluation of the Bactoscan FC. 1. Accuracy, comparison with Bactoscan 8 and somatic cells effect. Milchwissenschaft, 55, 2, BOLZONI, G.- MARCOLINI, A.- VARISCO, G.: Evaluation of the Bactoscan FC. 2. Stability, repeatability, carry-over and linearity. Milchwissenschaft, 56, 21, CEMPÍRKOVÁ, R.: Contamination of cow s raw milk by psychrotrophic and mesophilic microflora in relation to selected factor. Czech J. Anim. Sci., 52, 11, 27, COVENEY, L.: Milk testing proficiency scheme, Round 26 November 21. Example laboratory, Savant Technologies, 21, 12. ÈSN EN ISO Mikrobiologie potravinového øetìzce - Horizontální metoda pro stanovení poètu mikroorganismù - Èást 1: Technika pøelivem a poèítání kolonií vykultivovaných pøi 3 C. European Committee for Standardization, General requirements for the competence of testing and calibration laboratories, EN ISO/IEC 1725, Brussels, Belgium, EUROPEAN COMMITTEE FOR STANDARDIZATION (ECS): Microbiology of food and animal feeding stuffs Horizontal method for the enumeration of microorganisms Colony-count technique at 3 degrees C, EN ISO 4833, Brussels, Belgium, 23 a. EUROPEAN COMMITTEE FOR STANDARDIZATION (ECS): Microbiology of food and animal feeding stuffs Protocol for the validation of alternative methods, EN ISO 1614, Brussels, Belgium, 23 b. FOSS ELECTRIC: Test of Bactoscan FC on sheep's milk at LIAL Aurillac, France Autumn 28

29 1998, Hillerd, February, GRAPPIN, R.: Definition and evaluation of the overall accuracy of indirect methods of milk analysis - aplication to calibration procedure and quality control in dairy laboratory. Bulletin of the International Dairy Federation, Doc. 28, IDF Provisional Standard 128, 1987, GRAPPIN, R.: European network of dairy laboratories. V: Proceedings of an International Analytical Quality Assurance and Good Laboratory Practice in Dairy Laboratories. Sonthofen / Germany, /2, Brussels 1993, INTERNATIONAL STANDARD ORGANIZATION (ISO): Milk - Definition and evaluation of the overall accuracy of indirect methods of milk analysis - Part 2: Calibration and quality control in the dairy laboratory, ISO , Geneva, Switzerland, 2. INTERNATIONAL STANDARD ORGANIZATION (ISO): Milk - Quantitative determination of bacteriological quality - Guidance for establishing and verifying a conversion relationship between routine method results and anchor method results, ISO 21187, Geneva, Switzerland, 24. LERAY, O.: CECALAIT: an organization to support analytical quality assurance in dairy laboratories. V: Proceedings of an International Analytical Quality Assurance and Good Laboratory Practice in Dairy Laboratories. Sonthofen / Germany, /2, Brussels, 1993, LERAY, O.: Reference and calibration system for routine milk testing advantages / disadvantages, choice criteria. 3rd ICAR reference laboratory network meeting Kuopio, Finland 6th June, Breeding, production recording, health and the evaluation of farm animals. EAAP publication No. 121, 27, Proceedings of the 35th biennial session of ICAR, ISBN: , 26, LERAY, O.: Update on ICAR reference laboratory network. Identification, breeding, production, health and recording of farm animals. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN , ISBN X, 29 a, LERAY, O.: ICAR AQA strategy International anchorage and harmonisation. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN , ISBN X, 29 b, LERAY, O.: Interlaboratory reference system and centralised calibration Prerequisites and standard procedures. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN , ISBN X, 29 c, LERAY, O.: Analytical precision performance in ICAR proficiency testing programmes. ICAR 37th Annual Meeting, Riga, Latvia, 31 May 4 June, 21. MICROVAL : Certificate of compliance Microval. Llooyd s register quality assurance. BactoCount IBC, Raw cow milk NINANE, V.- DE REU, K.- OGER, R.- REYBROECK, W.- GUYOT, A.: Evaluation du Bactoscan FC pour la numeration des bacteries du lait cru. Lait, 8, 2, RAPP, M.- MÜNCH, S.: Neuentwicklung von flüssigen Konservierungsmitteln für Milchproben. Deutsche Molkerei-Zeitung, 15, 1984, RAUBERTAS, J. K.- SHOOK, G. E.: Relationship between lactation measures of SCC and milk yield. Journal of Dairy Science, 65, 1982, REGULATION (EC) No 853/24 of the European Parliament and of the Council of 29 April 24 laying down specific hygiene rules for on the hygiene of foodstuffs. Official Journal of the European Union L 139/55, REICHMUTH, J.- SUHREN, G.- UBBEN, E. H.- HEESCHEN, H.: Die Anwendung der Linearitätshypothese beim Bactoscan-Verfahren. Deutsche Molkerei-Zeitung, 19, 42, 1988,

30 RENEAU, J. K.- APPLEMAN, R. D.- STEUERNAGEL, G. R.- MUDGE, J. W.: Somatic cell count. An effective tool in controlling mastitis. Agricultural Extension Service, University of Minnesota, AG-FO-447, 1983, RENEAU, J. K.: Effective use of dairy herd improvement somatic cell counts in mastitis control. Journal of Dairy Science, 69, 1986, ROSICKÝ, B.- MIKULÁŠKOVÁ, R.- MIKULÁŠEK, S.- MATYÁŠ, Z.- SIXL, W.: Hygienické aspekty v prvovýrobì mléka. Arbeits- und Betriebshygiene, Hygiene Institut der Universität Graz, Österreich, 199, 3 (Sixl, W., Mikulaskova, M., Mikulasek, S., Watzek, A., Sixl-Voigt, B.: Hygiene-Aspekte in der Rohmilchproduktion: Qualitätsmilchgewinnung Normen und praktische Auswertungen. Hygiene Institut der Universität Graz, Österreich, 199, 21). ØÍHA, J.: Kalibraèní rovnice pro jednotlivé pøístroje IBC CFU ref. Kalibraèní rovnice podle laboratoøí IBC CFU ref. Spoleèná kalibraèní rovnice IBC CFU ref. Srovnání IBC CFU a klasiky. Vyhodnocení homogenity mìøení dvojic vzorkù. Nepublikované výsledky, Bentley Czech, 215, 1-8. SHOOK, G. E.: Approaches to summarizing somatic cell count which improve interpretability. Nat. Mast. Council, Louisville, Kentucky 1982, SLOVAK INSTITUTE FOR STANDARDIZATION (SIS): Automatic determination of microorganisms in raw milk by direct enumeration of bacterial cells. STN , Bratislava, Slovakia, 23. SUHREN, G.- REICHMUTH, J.: Interpretation of quantitative microbiological results. Milchwissenschaft, 55, 2, SUHREN, G.- REICHMUTH, J.- HEESCHEN, H.: Zur Messung der bakteriologischen Beschaffenheit der Rohmilch mit dem Bactoscan-Gerät. Deutsche Molkerei-Zeitung, 19, 44, 1988, SUHREN, G.- REICHMUTH, J.- WALTE, H. G.: Bacteriological quality of raw milk: Conversion of Bactoscan-FC counts onto the scale of the official method. Milchwissenschaft, 56, 21, SUHREN, G.- WALTE, H. G.: First experiences with automatic flow cytometric determination of total bacterial count in raw milk. Kiel. Milchwirtsch. Forschungsber., 5, 1998, SUHREN, G.- WALTE, H. G.: Determination of precision data of the Bactoscan FC-method by an interlaboratory study. Kiel. Milchwirtsch. Forschungsber., 53, SUHREN, G.- WALTE, H. G.- REICHMUTH, J.: Zum Einsatz der automatisierten Durchflusszytometrie als Routinemethode für die Erfassung der bakteriologischen Qualität von Anlieferngsmilch. Kiel. Milchwirtsch. Forschungsber., 52, 2, TOMÁŠKA, M.- SUHREN, G.: Experiences with introduction of the Bactoscan FC in Slovakia, Bull. Int. Dairy Fed., 383, 23, TOMÁŠKA, M.- SUHREN, G.: Verification Study on Bactoscan FC counts conversion onto the scale of the reference method. Milchwissenschaft, 59, 24, TOMÁŠKA, M.- HOFERICOVÁ, M.- SLOTTOVÁ, A.: Bactoscan FC TM alternatívna metóda merania mikrobiologickej kvality surového mlieka. In: Burdová O., Baranová M. (Eds.), Proceedings from Hygiena Alimentorum XXV, 27 th 28 th May 24, Štrbské Pleso Vysoké Tatry, University of Veterinarian Medicine, Košice, Slovakia, 24, WIGGANS, G. R.- SHOOK, G. E.: A lactation measure of somatic cell count. Journal of Dairy Science, 7, 1987, WOOD, R.: Proficiency testing and accreditation of food analysis Laboratories. 1. Conference on practical application of European legislation on foodstuffs. Bled, Slovenia , Ljubljana, 1994, WOOD, R.- NILSSON, A.- WALLIN, H.: Role of proficiency testing in the assessment of laboratory quality. In Quality in the food analysis laboratory. The Royal Society of 3

31 Chemistry, Cambridge, UK, 1998, VII) Seznam publikací, které pøedcházely metodice 6) Použité vlastní výsledky a publikace pøi návrhu a validaci certifikované metodiky HANUŠ, O.- BJELKA, M.- TICHÁÈEK, A.- JEDELSKÁ, R.- KOPECKÝ, J.: Analýza nezbytnosti a úèelnosti transformací dat u souborù výsledkù nìkterých mléèných parametrù. Substantiation and usefulness of transformations in data sets of analyzed milk parameters. In Chov a šlechtìní skotu pro konkurenceschopnou výrobu: sborník referátù VÚCHS Rapotín, In Rearing and breeding of cattle for competitionable production: proceedings of the seminar VÚCHS Rapotín, 21, HANUŠ, O.- GENÈUROVÁ, V.- YONG, T.- KUÈERA, J.-, ŠTOLC, L.- JEDELSKÁ, R.- KOPECKÝ, J.: Reference and indirect instrumental determination of basic milk composition and somatic cell count in various species of mammals. Scientia Agriculturae Bohemica, 4, 4, ISSN , 29 a, HANUŠ, O.- JANÙ, L.- SCHUSTER, J.- KUÈERA, J.- VYLETÌLOVÁ, M.- GENÈUROVÁ, V.: Exploratory analysis of dynamics of frequency distribution of raw cow milk quality indicators in the Czech Republic. Prùzkumná analýza dynamiky rozložení èetností hodnot ukazatelù kvality syrového kravského mléka v Èeské republice. Acta univ. agric. et silvic. Mendel. Brun., ISSN , LIX, 1, 211, HANUŠ, O.- JANÙ, L.- VYLETÌLOVÁ, M.- KUÈERA, J.: Research and development of a synthetic quality indicator for raw milk assessment. Folia Veterinaria, 53, 2, ISSN , 29 b, 9-1. HANUŠ, O.- JANÙ, L.- VYLETÌLOVÁ, M.- MACEK, A.: Validace použitelnosti algoritmu relativního syntetického ukazatele kvality syrového mléka (SQSM) pro konzistentní modifikaci farmáøské ceny. A validation of algorithm practicability of the relative synthetic raw milk quality indicator (SQSM) for consistent modification of farmer price. (In Czech) Acta univ. agric. et silvic. Mendel. Brun., ISSN , LV, 5, 27, HANUŠ, O.- SOJKOVÁ, K.- KLIMEŠOVÁ, M.- ROUBAL, P.- KOPECKÝ, J.- JEDELSKÁ, R.- NEJESCHLEBOVÁ, L.: Upøesnìní mikrobiálních limitù pracovních materiálù fázové analýzy hygieny získávání mléka. Specification of microbial limits of working materials of milking hygiene phase analyse. Mlékaøské listy - zpravodaj, 151, ISSN X, 215, IV-IX. JANÙ, L.- HANUŠ, O.- BAUMGARTNER, C.- MACEK, A.- JEDELSKÁ, R.: The analysis of state, dynamics and properties of raw cow milk quality indicators in the Czech Republic. Analýza stavu, dynamiky a vlastností ukazatelù kvality syrového kravského mléka v Èeské republice. Acta fytotechnica et zootechnica, 1, 3, ISSN X, 27, ØÍHA, J.- HANUŠ, O.: Softwarová podpora pro øízení kvality mìøení pomocí IBC a grafické vyhodnocení kruhových mezilaboratorních testù. PP prezentace projektù: MSM ; MZe NAZV 1B4436. Nepublikované výsledky. SAMKOVÁ, E. et al. (CEMPÍRKOVÁ, R., HANUŠ, O., HASOÒOVÁ, L., HLAVÁÈEK, J., JELEN, P., JEØÁBKOVÁ, J., KOPÁÈEK, J., LUŽOVÁ, T., NAVRÁTILOVÁ, P., SEYDLOVÁ, R., ŠUSTOVÁ, K., ŠPIÈKA, J., VORLOVÁ, L., VYLETÌLOVÁ, M.): Mléko: produkce a kvalita. Milk: production and quality. Vìdecká monografie, Zemìdìlská fakulta, Jihoèeská univerzita v Èeských Budìjovicích. SAMKOVÁ, E.- ŠPIÈKA, J.- HANUŠ, O.: 5. Jakostní ukazatele mléka Mléèný tuk. 5. Milk quality indicators Milk fat.; HANUŠ, O.- VYLETÌLOVÁ, M.: 5. Jakostní ukazatele mléka Technologické vlastnosti mléka. 5. Milk quality indicators Milk technological properties.; CEMPÍRKOVÁ, R.- SAMKOVÁ, E.- VYLETÌLOVÁ, M.: 5.6. Celkový poèet mikroorganismù Total count of microorganisms.; HANUŠ, O.- VYLETÌLOVÁ, M.- JEØÁBKOVÁ, J.: 6. Kontrola jakosti mléka. 6. Milk quality control. 31

32 ISBN: , Jihoèeská univerzita v Èeských Budìjovicích, Zemìdìlská fakulta, 212 a, 24. SAMKOVÁ, E. et al. (CEMPÍRKOVÁ, R., HANUŠ, O., HASOÒOVÁ, L., JÙZL, M., KOPÁÈEK, J., KOPECKÝ, J., LUŽOVÁ, T., ROUBAL, P., SMETANA, P., ŠUSTOVÁ, K. VYLETÌLOVÁ, M.): Mlékaøství, edukativní DVD. Dairy, educational DVD. Zemìdìlská fakulta, Jihoèeská univerzita v Èeských Budìjovicích. Dva díly DVD: SAMKOVÁ, E.- CEMPÍRKOVÁ, R.- HASOÒOVÁ, L.- SMETANA, P.- HANUŠ, O.- VYLETÌLOVÁ, M.- KOPECKÝ, J.: 1. Získávání mléka. 1. Milk harvesting. 14:3 minut:vteøin; SAMKOVÁ, E.- HANUŠ, O.- VYLETÌLOVÁ, M.- CEMPÍRKOVÁ, R.- HASOÒOVÁ, L.- SMETANA, P.- KOPECKÝ, J.: 3. Kontrola jakosti mléka. 3. Milk quality control. 18:42 minut:vteøin; ISBN: , 212 b, MOONFILM creating ideas, 59:51 minut:vteøin celkem, 4 dílné DVD. TOMÁŠKA, M.- HANUŠ, O.- HOFERICOVÁ, M.- SLOTTOVÁ, A.- DRONÈOVSKÝ, M.- KOLOŠTA, M.: Verifikácia merania mikrobiologickej kvality surového mlieka metódou BactoScan FC. Verification of measurement of microbiological quality of raw milk by BactoScan FC method. In: Zborník prác z medzinárodnej vedeckej konferencie Bezpeènos a kontrola potravín (Angelovièová, M. et al.; ed.) , marec 214, Smolenice, KHBP, FBT, SPU, Nitra. TOMÁŠKA, M.- SUHREN, G.- HANUŠ, O.- WALTE, H. G.- SLOTTOVÁ, A.- HOFERICOVÁ, M.: The application of flow cytometry in determining the bacteriological quality in raw sheep s milk in Slovakia. Lait, 86, ISSN , 26, VYLETÌLOVÁ, M.- BENDA, P.- HANUŠ, O.- KOPUNECZ, P.: Stanovení celkového poètu psychrotrofních bakterií v bazénových vzorcích mléka a jejich vztah k celkovému poètu mikroorganismù. Determination of total psychrotrophic microorganisms in bulk milk samples and their relationship to total count of mikroorganisms. Czech Journal of Food Sciences, Potravináøské vìdy, 1999 a, 17, 6, VYLETÌLOVÁ, M.- FICNAR, J.- HANUŠ, O.: Vliv lipolytických enzymù Pseudomonas fluorescens na uvolòování mastných kyselin z mléèného tuku. Effects of lipolytic enzymes Pseudomonas fluorescens on liberation of fatty acids from milk fat. (In Czech) Czech J. Food Sci., 2 a, 18, 5, VYLETÌLOVÁ, M.- HANUŠ, O.: Mikrobiologická kontaminace syrového mléka. Náš chov, 2 a, 6, 37. VYLETÌLOVÁ, M.- HANUŠ, O.: Vliv kontaminace Pseudomonas fluorescens na hlavní složky a technologické vlastnosti pasterizovaného mléka bìhem skladování. Effects of contamination by Pseudomonas fluorescens on principal components and technological parameters of pasteurized milk during storage. (In Czech) Czech J. Food Sci., 18, 2 b, VYLETÌLOVÁ, M.- HANUŠ, O.- BENDA, P.- KOPUNECZ, P.: Psychrotrofní a celková mikrobiální kontaminace syrového kravského mléka. Psychrotrophic and total bacteria counts in raw cowœ milk. Veterináøství, 1998, 9, VYLETÌLOVÁ, M.- HANUŠ, O.- URBANOVÁ, E.: Výskyt proteolytických a lipolytických psychrotrofních bakterií v bazénových vzorcích kravského mléka. Veterináøství, 1999 b, 49, 11, VYLETÌLOVÁ, M.- HANUŠ, O.- URBANOVÁ, E.- KOPUNECZ, P.: Výskyt a identifikace psychrotrofních bakterií s proteolytickou a lipolytickou aktivitou v bazénových vzorcích mléka v podmínkách technologií prvovýrobního uskladnìní. The occurrence and identification of psychrotrophic bacteria with proteolytic and lipolytic activity in bulk milk samples at storage in primary production conditions. (In Czech) Czech J. Anim. Sci., 2 b, 45, Ne všechny práce ze seznamu literatury (5, 6), jejichž studium a poznatky byly využity pøi 32

33 vývoji metodiky, jsou citovány explicitnì v textu vlastní metodiky pro praxi. Jsou však pro úplnost uvedeny v seznamu výše. Afilace RO1416 CM 29 Projekty a podpory rozvoje instituce (podíly): MZe RO1416 (3 %), NAZV KUS QJ12131 (5 %) a IGA AF MENDELU TP 5/214 (2 %). Oponenti CM: Ing, Václava Genèurová, Ph.D. (v oboru laktologie), Vápenka Vitošov, analytik specialista; MVDr. Jiøí Hlaváèek, Ústøední veterinární správa Státní veterinární správy, odbor veterinární hygieny. Autorský kolektiv (podíly): Oto Hanuš (2 %), Marcela Klimešová (15 %), Radoslava Jedelská (15 %), Gustav Chládek (1 %), Daniel Falta (1 %), Jaroslav Kopecký (1 %), Ludmila Nejeschlebová (1 %), Eva Vondrušková (1 %). Pøílohy, dokumenty a doklady: technická øešení a postupy této certifikované metodiky byly zejména podpoøeny výsledky vlastního výzkumu, vývoje a empirických poznatkù, které byly publikovány. Datum: Za zhotovitele: prof. Ing. Oto Hanuš, Ph.D

34 Certifikovaná metodika pro praxi byla podporována øešením projektù MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214. 7) Pøílohové materiály s podklady pro vývoj certifikované metodiky Pøílohy této certifikované uplatnìné metodiky (Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka) tvoøí vlastní výsledky vývoje a metodického testování, tzn. tabulkové a grafické zpracování statistických dat. Pøílohy I Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika (I CMP statistika) II Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 (II grubbs_cmp statistika_celk) III Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 1 LRM Brno Celkem za LRM Brno (III grubbs_cmp statistika_br) IV Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 2 LRM Buštìhrad (IV grubbs_cmp statistika_bu) V Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 lineární regrese vztahù mezi výsledky CPM metod ve vybraných souborech (V Rovnice_CPM_celk) VI Rovnice vybraných souborù pro jednotlivé pøístroje IBC 63, 73, 5 a 55 (VI Rovnice_CPM_pristroje) VII Validace hodnot novì modifikované transformaèní rovnice s ohledem na referenèní výsledky ve vybraných souborech CPM, Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 (VII nove_rovnice_cpm_celk) 34

35 VIII) Podklady pro registraci do RIV CERTIFIKOVANÁ METODIKA RO1416 CM 29 název: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka. Tato je doložená statutárnì podepsanou smlouvou o aplikaci certifikované metodiky mezi Výzkumným ústavem mlékárenským s.r.o. Praha a Svazem výrobcù mléka a.s. Šumperk, z Datum certifikace HANUŠ, O. 1 - KLIMEŠOVÁ, M. 1 - JEDELSKÁ, R. 1 - CHLÁDEK, G. 2 - FALTA, D. 2 - KOPECKÝ, J. 1 - NEJESCHLEBOVÁ, L. 1 - VONDRUŠKOVÁ, E. 1. CERTIFIED METHOD RO1416 CM 29 - title: Transformation of bacterial electronic impulses of flow cytometry on clasical values of total mesophilic microorganisms in dairy laboratories. It is confirmed by signed treaty about application of this certified method between Dairy Research Institute Ltd. Prague and Association of milk producers Šumperk, from October 5 th 216. Date of certification December 8 th 216. HANUŠ, O. 1 - KLIMEŠOVÁ, M. 1 - JEDELSKÁ, R. 1 - CHLÁDEK, G. 2 - FALTA, D. 2 - KOPECKÝ, J. 1 - NEJESCHLEBOVÁ, L. 1 - VONDRUŠKOVÁ, E Výzkumný ústav mlékárenský s.r.o., Praha; 2 Mendelova univerzita v Brnì, Agronomická fakulta, Ústav chovu a šlechtìní zvíøat Zaøazení GM, EE syrové kravské mléko, celkový poèet mezofilních mikroorganismù, prùtoèná cytometrie, bakteriální elektronický impuls, kalibrace, pøímá referenèní metoda, nepøímá rutinní metoda raw cow milk, total count of mesophilic microorganisms, flow cytometry, bacterial electronic impuls, calibration, direct reference method, indirect routine method Certifikovaná aplikovaná metodika je zamìøena na instrumentální stanovení CPM v syrovém mléce. Cílem bylo provést aktualizaci pøepoètových rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie na výsledky referenèní metody stanovení celkového poètu mesofilních mikroorganismù (CPM) v mléce v alternativním øešení pro výbìr nejvhodnìjší možnosti pro nepøímé metody v laboratoøích rozborù kvality mléka podle aktuálního souboru výsledkù referenèní plotnové kultivaèní metody. Databáze byla tvoøena páry referenèních a rutinních mìøení CPM. Metodou statistického oèistìní dat, lineární regrese a èetnými transformacemi dat byla analyzována a vypoètena sada relevantních konverzních rovnic pro pùvodní a oèistìné soubory dat. Tyto alternativní rovnice korespondovaly s rùznými praktickými laboratorními a prostøeïovými faktory. Pùvodní celková transformaèní rovnice 1^(, ,964266*LOG1(BEI))/1 zmìnila tvar na 1^(-3,6565+1,32*LOG1(IBC)), podle její lineární pøedlohy, log BEI log CPM referenènì y = 1,32x 3,6565 (r =,859, P!,1). Nové transformaèní rovnice jsou možným øešením pro softwarové portfolio systému kontroly kvality mléka v Èeské republice. Certified applied method is focused on the instrumental TCM determination in raw milk. The aim was to update the recalculation equations of flow cytometry bacterial electronic impulses (BEI) to the results of the reference method of determination of total mesophilic microorganisms (TCM) in milk in the alternative solution to select the most appropriate options for the indirect methods in the laboratories for analysis of milk quality by the current data file of the reference plate cultivation method. The database was created by 1,651 pairs of 35

36 reference and routine measurements of TCM. The set of relevant conversion equations was analyzed and calculated for the original and refined data files by statistic data purification, linear regression method and multiple transformations. These alternative equations corresponded with various practical laboratory and environment factors. Original total transformation equation 1^( *LOG1(BEI))/1 has changed its shape to 1^(-,6565+1,32*LOG1(IBC)) according to its linear model, log BEI log CPM reference y = 1.32x (r =.859, P!.1). The new transformation equations are a possible solution for the software portfolio of milk quality control in the Czech Republic. Specifické údaje výsledku Interní kód produktu Certifikovaná metodika RO1416 CM 29 Lokalizace výsledku Pracovištì Svazu výrobcù mléka a.s., Šumperk. Technické parametry výsledku Pravidelná systematická podpora vìrohodnosti výsledkù CPM v kontrole kvality mléka vede k vyšší objektivitì zpenìžování mléèné suroviny, podpoøe kvality v sytému a bezpeènosti mléèného potravinového øetìzce. Výsledky podporují kontrolu kvality i produkce mléka a také dokumentují toto zajištìní pro dozorové orgány. Ekonomické parametry výsledku Ekonomický dopad je souèástí kontroly kvality mléka (CPM) pro využití v zajištìní objektivity zpenìžování potravináøské suroviny a bezpeènosti mléèného potravinového øetìzce. To lze úèinnì realizovat pouze na základì spolehlivých výsledkù o vlastnostech mléka. Postup podporuje tuto spolehlivost výsledkù (CPM) kontroly kvality syrového mléka pro úèely potravinové zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Na bázi zajištìní potravinové bezpeènosti mùže tvoøit podíl do,5 % z efektu ve smyslu podílu kontroly kvality a objektivity zpenìžování, stejnì jako pøíspìvku k eliminaci mastitid zvýšenou hygienou procesu získávání mléka v prvovýrobì na stabilizaci a pøípadné zvýšení kvality potravinové suroviny. Objem možných ekonomických ztrát, v pøípadì absence takového postupu, je ovšem obtížné vyèíslit konkrétnìji. Na úrovni státu mùže pøínos z redukce ztráty efektivity chybami a posílení kvality, èinit èástky v øádu statisícù až milionù. Náklady na konkrétní zavedení postupu uvedeného v metodice mohou pro uživatele èinit podle kvalifikovaného odhadu celkem 25 tis. Kè (náklady na doplnìní software a metodických postupù pro pracovníky). Pøínos pro uživatele v podobì udržení rozsahu produkce mléka a kontroly jeho kvality mùže být odhadnut na 4 tis. Kè tržeb roènì s možností opakování efektu po rocích. Kategorie výsledku podle nákladù na jeho dosažení A náklady < 5 mil. Kè (do 5 MKè) Vlastník výsledku IÈ organizace , Název organizace Výzkumný ústav mlékárenský s.r.o., Praha; Mendelova univerzita v Brnì, Agronomická fakulta 36

37 Stát organizace CZ Možnost využívání výsledku Povinnost získání licence N nevyžaduje se (ne) Povinnost odvést licenèní poplatek N nevyžaduje se (ne) 37

38 Abstrakty: RIV Cílem bylo provést aktualizaci pøepoètových rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie na výsledky referenèní metody stanovení celkového poètu mesofilních mikroorganismù (CPM) v mléce v alternativním øešení pro výbìr nejvhodnìjší možnosti pro nepøímé metody v laboratoøích rozborù kvality mléka podle aktuálního souboru výsledkù referenèní plotnové kultivaèní metody. Databáze byla tvoøena páry referenèních a rutinních mìøení CPM. Pùvodní celková transformaèní rovnice 1^(, ,964266*LOG1(BEI))/1 zmìnila tvar na 1^(- 3,6565+1,32*LOG1(IBC)), podle její lineární pøedlohy, log BEI log CPM referenènì y = 1,32x 3,6565 (r =,859, P!,1). Nové transformaèní rovnice jsou možným øešením pro softwarové portfolio systému kontroly kvality mléka v Èeské republice. syrové kravské mléko, celkový poèet mezofilních mikroorganismù, prùtoèná cytometrie, bakteriální elektronický impuls, kalibrace, pøímá referenèní metoda, nepøímá rutinní metoda RIV The aim was to update the recalculation equations of flow cytometry bacterial electronic impulses (BEI) to the results of the reference method of determination of total mesophilic microorganisms (TCM) in milk in the alternative solution to select the most appropriate options for the indirect methods in the laboratories for analysis of milk quality by the current data file of the reference plate cultivation method. The database was created by 1,651 pairs of reference and routine measurements of TCM. Original total transformation equation 1^( *LOG1(BEI))/1 has changed its shape to 1^(- 3,6565+1,32*LOG1(IBC)) according to its linear model, log BEI log CPM reference y = 1.32x (r =.859, P!.1). The new transformation equations are a possible solution for the software portfolio of milk quality control in the Czech Republic. raw cow milk, total count of mesophilic microorganisms, flow cytometry, bacterial electronic impuls, calibration, direct reference method, indirect routine method 38

39 Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laborato 1 - LRM Brno n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem ,32 291, , , 28, 84, ,32 37, , ,5 2, 74, 848 1,724 52,97,454,621 3,4586 2,8565 3,4586 1,4472 1, ,628 41,76,515,31 3,48 3,179 3,48 1,31 1,8692 Klasika - IBC 848-7, 61, , , -17, 4, 846 3,32 *** abs (Klasika - IBC) ,56 56, , , 5, 23, ,24 *** Leden 6 31,6 11,49 36, , 24, 36, ,1 14,612 6, ,5 14, 32, 6 1, ,77,1 1,1461 1,7924,6463 1,7924 1,382 1, ,3171 2,75,235,8451 1,8865 1,414 1,8865 1,1461 1,551 Klasika - IBC 6-7,5 11, , , -14, -, ,15 *** abs (Klasika - IBC) 6 9,93 9,55 91, ,5 3, 15, 58 8,42 *** Únor ,5 321, , , 27,75 93, ,26 363,25 34, , 21,75 78, 144 1, ,82,458,931 3,4161 2,513 3,4161 1,4433 1, , ,98,53,621 3,4771 2,875 3,4771 1,3374 1,8921 Klasika - IBC ,78 6, , , -17,25 4,25 142,94 ns abs (Klasika - IBC) ,47 55, , , 5, 23, ,26 *** Bezen 7 41,44 2,458 49, , 3, 52, 7 35,11 23,74 67, , 19,25 43,75 7 1, ,25,282,621 1,9777 1,3756 1,9777 1,4771 1, , ,1,355,4771 2,86 1,5315 2,86 1,2844 1,641 Klasika - IBC 7-6,33 14, , , -13,75-3, 68 3,63 *** abs (Klasika - IBC) 7 11,21 11,96 99, , 4, 16, 68 8,39 *** Duben Klasika - IBC abs (Klasika - IBC) Kvten 12 84,6 282, , ,5 26,25 6, ,55 27, , , 2, 5,5 12 1, ,41,382,931 3,3239 2,428 3,3239 1,4191 1, , ,25,431,621 3,2945 2,6924 3,2945 1,31 1,7325 Klasika - IBC 12-9,5 21, , , -11,75-1,25 1 4,16 *** abs (Klasika - IBC) 12 14,25 18,84 132, , 5, 17, 1 7,6 *** erven 38 36,92 36,74 99, , 23, 33,75

40 38 32,84 23,722 72, , 18,5 37, , ,7,248 1,1139 2,2742 1,163 2,2742 1,3617 1, , ,74,242 1,792 2,828 1,36 2,828 1, ,57875 Klasika - IBC 38-4,8 18, , ,5-15,5 7, 36 1,33 ns abs (Klasika - IBC) 38 13,24 13,583 12, ,5 6, 16, ,93 *** ervenec 2 77,1 44,364 57, , 38, 124,5 2 59,7 38,284 64, ,5 3, 12, 2 1, ,25,243 1,5315 2,214,6699 2,214 1,5798 2, , ,37,273 1,2788 2,1173,8385 2,1173 1,4771 2,86 Klasika - IBC 2-17,4 15,873-91, , -24,5-8, ,78 *** abs (Klasika - IBC) 2 18,9 13,951 73, , 8,75 24,5 18 5,91 *** Srpen 54 23,63 419, , , 61,75 12, ,81 431, , , 57, 123,5 54 2, ,2,426 1,4771 3,276 1,7989 3,276 1, , ,116 12,71,445 1,4914 3,2279 1,7365 3,2279 1, ,91125 Klasika - IBC ,81 95, , , -21,75 6,75 52,14 ns abs (Klasika - IBC) 54 41,78 86,149 26, , 6, 29, ,53 *** Záí 18 13,29 163,36 158, , 33, 87, ,89 131, , , 28, 12, 18 1, ,39,48,7782 2,96 2,1818 2,96 1,5185 1, , ,18,416,7782 2,8357 2,575 2,8357 1,4472 2,86 Klasika - IBC ,4 87,16 135, , -11,5 12, , ns abs (Klasika - IBC) 18 3,77 81, , ,5 5,75 3, ,89 *** íjen ,62 432,24 118, , 89,75 41, ,58 466, , , 88, 43, 76 2,378 23,14,477 1,1139 3,268 2,929 3,268 1,953 2, , ,71,54 1,414 3,233 2,1916 3,233 1,9445 2,6335 Klasika - IBC 76 16,96 97, , , -23, 28,5 74 1,51 ns abs (Klasika - IBC) 76 51,36 83, , , 13,5 57, ,3 *** Listopad ,72 368,59 32, ,5 25,25 73, , , , 12, 4, 118 1, ,76,434 1,414 3,4586 2,4172 3,4586 1, , , ,5,519,31 3,48 3,179 3,48 1,792 1,621 Klasika - IBC ,75 62, , ,5-26,75-5, 116 4,8 *** abs (Klasika - IBC) ,72 56, , , 7,25 34, 116 7,43 *** Prosinec 58 36,9 32,57 9, , 16, 4, 58 37,19 37,369 1, , 18, 39, 58 1, ,3,321,8451 2,295 1,3644 2,295 1,241 1, , ,5,347,7782 2,261 1,4819 2,261 1,2553 1,5911 Klasika - IBC 58 1,1 9,24 82, , -4, 6, 56,92 ns abs (Klasika - IBC) 58 6,62 6,17 93, , 2,25 8, 56 8,1 ***

41 Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laborato 2 - LRM Bušthrad n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem ,2 589,118 26, , 2, 114, ,44 92, , , 9, 91,5 83 1, ,44,621,4771 3,632 3,1531 3,632 1,31 2, ,538 33,95,799, 3,8779 3,8779 3,8779,9542 1,9614 Klasika - IBC 83 58,25 51,85 876, , -28,5 1, 81 3,23 ** abs (Klasika - IBC) ,17 494,331 35, , 8, 51, 81 8,9 *** Leden 78 31,82 15,125 47, ,5 23, 39, ,26 17,177 65, , 14, 32, 78 1, ,79,196,9542 1,9685 1,143 1,9685 1,3617 1, , ,1,251,8451 1,9294 1,843 1,9294 1,1461 1,551 Klasika - IBC 78-5,56 1, , , -1,75, 76 4,55 *** abs (Klasika - IBC) 78 8,51 8,55 1, , 2, 11, ,73 *** Únor ,23 336, , , 28, 1, ,69 381, , , 21, 83, ,762 57,81,471,8451 3,4161 2,571 3,4161 1,4472 2, , ,51,535,621 3,4771 2,875 3,4771 1,3222 1,921 Klasika - IBC ,54 63, , , -19, 4,75 128,99 ns abs (Klasika - IBC) 13 26,69 58,18 217, ,5 5, 24, 128 5,22 *** Bezen ,17 26,47 56, , 3,25 56, ,27 24,94 63, , 21,5 5, , ,15,27,621 2,1987 1,5966 2,1987 1,487 1, , ,34,321,4771 2,334 1,5563 2,334 1,3321 1,733 Klasika - IBC 118-6,9 15, , , -13, -2, 116 4,74 *** abs (Klasika - IBC) ,5 12,226 11, , 4, 16, ,66 *** Duben ,16 233, , , 28, 81, ,47 222, , ,5 26,75 66, , ,41,37,931 3,3239 2,428 3,3239 1,4472 1, ,651 4,28,42,621 3,2945 2,6924 3,2945 1,4273 1,8212 Klasika - IBC 152-9,68 21, , , -18, 5, 15 5,42 *** abs (Klasika - IBC) ,97 17,89 112, ,5 6, 2, 15 1,97 *** Kvten 6 198,28 413,532 28, ,5 33,75 8, ,83 423, , ,5 28, 16, 6 1, ,56,549,7782 3,276 2,4978 3,276 1, , , ,68,595,7782 3,2279 2,4497 3,2279 1,4472 2,253 Klasika - IBC 6 16,55 92, , ,5-8,25 24,5 58 1,38 ns abs (Klasika - IBC) 6 44,25 82,69 186, , 6,75 4,5 58 4,11 *** erven 6 128,43 196,49 152, ,5 37,75 11, ,4 138,64 134, , 32, 97,

42 6 1, ,8, ,96 1,96 2,96 1,5769 2, ,825 63,46,382 1,2553 2,8357 1,584 2,8357 1,551 1,9868 Klasika - IBC 6-26,3 11, , ,5-16,5 4, ,81 ns abs (Klasika - IBC) 6 36,37 17,54 295, , 5, 28, 58 2,6 * ervenec ,24 45,977 11, , 98,5 45, ,66 434, , , 9, 435, 59 2, ,85,474 1,1139 3,219 2,88 3,219 1,9918 2, , ,64,511 1,414 3,233 2,1916 3,233 1,9542 2,6385 Klasika - IBC 59 12,42 11, , -22,5 21, 57,93 ns abs (Klasika - IBC) 59 47,58 9, , , 8, 42, 57 4,2 *** Srpen 1 496, 657,59 132, , 82,5 847, ,4 727, , ,5 38,75 14,5 1 2, ,45,578 1,8325 3,268 1,3743 3,268 1, , , ,76,751 1,3979 3,2253 1,8274 3,2253 1, ,8931 Klasika - IBC 1 25,4 94, , ,5-43, 59,5 8,81 ns abs (Klasika - IBC) 1 68, 66,963 98, ,5 38,5 64, 8 3,5 * Záí 2 455,1 825, , , 117,75 286, ,6 896,598 29, , 26, 31, 2 2, ,92,451 1,779 3,4586 1,6877 3,4586 2,71 2, , ,,68 1,382 3,48 2,998 3,48 1,415 2,4786 Klasika - IBC 2-27,5 13,14-472, , -89, 57,25 18,92 ns abs (Klasika - IBC) 2 14,2 79, ,5 4,5 13, 18 5,74 *** íjen 4 87,33 74,121 84, , 42,5 12, ,98 37,79 89, , 22,5 55, 4 1, ,49,287 1,3222 2,5775 1,2553 2,5775 1, , ,528 33,73,265 1,241 2,3711 1,167 2,3711 1, ,744 Klasika - IBC 4-45,35 58, , ,5-91,25-7, 38 4,82 *** abs (Klasika - IBC) 4 46,95 57, , ,5 7, 91, ,1 *** Listopad 36 36,78 18,73 5, , 21,5 46, ,53 36,1 147, , 8, 22, ,51 32,36,226 1,792 1,8692,79 1,8692 1,3325 1, , ,45,457,31 2,214 1,94 2,214,931 1,34135 Klasika - IBC 36-12,25 27, , ,5-25, -9, 34 2,66 * abs (Klasika - IBC) 36 22,31 19,618 87, ,5 9,75 26, ,73 *** Prosinec 4 23,35 13,364 57, , 16, 28, , 16,572 87, ,5 1, 21,25 4 1,3177 2,78,21,9542 1,8513,8971 1,8513 1,241 1, , ,54,324,4771 1,985 1,4314 1, , Klasika - IBC 4-4,35 7, , , -9,25, ,61 *** abs (Klasika - IBC) 4 7, 5,89 72, , 3, 1, 38 8,59 ***

43 Porovnání hodnot CPM IBC x CPM Klasika - LRM Brno - Laborato 1 / / Rovnice n R 2 r Rovnice R 2 r Celkem y = 1,348x - 11, ,9614,981 *** y =,929x + 14,976,9614,9851 *** log Celkem y = 1,35x -, ,8248,98 *** y =,84x +,4268,8248,982 *** Leden y =,8395x - 2,427 6,4296,655 *** y =,5118x + 19,2655,4296,65544 *** log Leden y =,994x -,232 6,3359,58 *** y =,3693x +,9874,3359,5796 *** Únor y = 1,127x - 19, ,9835,992 *** y =,8776x + 19,3836,9835,99172 *** log Únor y = 1,32x -, ,8818,939 *** y =,8559x +,3159,8818,939 *** Bezen y =,923x - 3,266 7,639,794 *** y =,6855x + 17,373,639,79429 *** log Bezen y = 1,489x -,1913 7,6915,832 *** y =,6593x +,633,6915,8316 *** Duben log Duben Kvten y =,9543x - 5, ,9958,998 *** y = 1,435x + 5,7655,9958,9979 *** log Kvten y = 1,65x -, ,8819,939 *** y =,8316x +,3524,8819,9391 *** erven y =,5798x + 11, ,863,898 *** y = 1,397x - 8,7535,863,89794 *** log erven y =,623x +, ,465,638 *** y =,6526x +,539,465,6376 *** ervenec y =,883x - 2,6232 2,8774,937 *** y = 1,855x + 12,297,8774,9367 *** log ervenec y =,9781x -,878 2,7529,868 *** y =,7698x +,5176,7529,8677 *** Srpen y = 1,29x - 2, ,955,975 *** y =,9478x + 13,7567,955,97494 *** log Srpen y = 1,1x -,347 54,9165,957 *** y =,9164x +,227,9165,9573 *** Záí y =,6831x + 24, ,7177,847 *** y = 1,57x + 3,5918,7177,84717 *** log Záí y =,9196x +, ,818,9 *** y =,8818x +,231,818,94 *** íjen y = 1,567x - 3, ,9594,979 *** y =,979x + 18,1931,9594,97949 *** log íjen y = 1,944x -,248 76,9376,968 *** y =,8567x +,353,9376,9683 *** Listopad y = 1,469x - 33, ,9762,988 *** y =,9325x + 33,6284,9762,9883 *** log Listopad y =,967x -, ,6447,83 *** y =,6711x +,7737,6447,829 *** Prosinec y = 1,1222x - 3,369 58,953,976 *** y =,8492x + 4,546,953,97622 *** log Prosinec y = 1,317x -,54 58,9136,956 *** y =,8855x +,1716,9136,9558 ***

44 Porovnání hodnot CPM IBC x CPM Klasika - LRM Bušthrad - Laborato 2 / / Rovnice n R 2 r Rovnice R 2 r Celkem y = 1,3446x - 19,748 83,747,861 *** y =,558x + 69,5146,747,8664 *** log Celkem y = 1,185x -, ,8472,92 *** y =,7149x +,6572,8472,924 *** Leden y =,458x + 19,714 78,954,952 *** y = 1,9769x - 24,3851,954,95153 *** log Leden y = 1,256x -, ,7836,885 *** y =,764x +,587,7836,8852 *** Únor y = 1,3268x - 17,795 13,3729,611 *** y =,281x + 39,443,3729,6166 *** log Únor y = 1,395x -, ,639,799 *** y =,6147x +,7315,639,7994 *** Bezen y =,8379x + 13, ,9297,964 *** y = 1,196x + 3,1598,9297,96421 *** log Bezen y = 1,2133x -, ,8481,921 *** y =,699x +,733,8481,929 *** Duben y = 1,3619x - 23, ,8621,928 *** y =,6331x + 6,664,8621,92849 *** log Duben y = 1,2654x -, ,933,965 *** y =,7352x +,6651,933,9645 *** Kvten y = 3,4921x - 158,2521 6,982,991 *** y =,2812x + 46,8695,982,9996 *** log Kvten y = 1,342x -,5845 6,889,943 *** y =,6817x +,5829,889,9429 *** erven y = 1,45x - 75,5856 6,8411,917 *** y =,5986x + 157,658,8411,91712 *** log erven y = 1,2177x -,6991 6,9269,963 *** y =,7612x +,6839,9269,9628 *** ervenec y =,7954x + 3, ,7941,891 *** y =,9983x + 2,8241,7941,89112 *** log ervenec y = 1,2537x -,668 59,857,926 *** y =,6836x +,7166,857,9257 *** Srpen y =,2196x + 3,8597 1,7889,888 *** y = 3,593x - 8,4612,7889,8882 *** log Srpen y =,5619x +,6556 1,825,96 *** y = 1,463x -,6356,825,958 *** Záí y = 1,1223x - 2,3651 2,8969,947 *** y =,7992x + 22,8216,8969,9475 *** log Záí y = 1,459x -,9799 2,8217,96 *** y =,5844x +,86,8217,965 *** íjen y =,248x + 37,276 4,797,282 ns y =,3892x + 44,7155,797,28231 ns log íjen y = 1,695x -,3447 4,6925,832 *** y =,6475x +,6931,6925,8322 *** Listopad y = 1,3682x + 46,675 36,5764,759 *** y =,4213x + 55,8889,5764,75921 *** log Listopad y = 1,1559x -,369 36,7435,862 *** y =,6432x +,6964,7435,8623 *** Prosinec y = 2,4141x + 1,2496 4,8756,936 *** y =,3627x + 29,159,8756,93574 *** log Prosinec y = 1,2813x -,726 4,885,941 *** y =,697x +,756,885,947 ***

45 Regresní hodnocení CPM IBC x CPM Klasika - LRM Brno Celkem y = 1,348x - 11,156 R 2 =, y =,929x + 14,971 R 2 =, Lineární y = 1,348x - 11,1556 n =848 Lineární y =,929x + 14,976 R 2 =,9614 r =,981*** R 2 =,9614 r =,981*** log Celkem 4, 3, y = 1,35x -,1558 R 2 =,8248 4, 3, y =,84x +,4268 R 2 =,8248 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,35x -,1558 n = 848 Lineární y =,84x +,4268 R 2 =,8248 r =,98*** R 2 =,8248 r =,98*** Leden y =,8395x - 2,427 R 2 =, y =,5118x + 19,266 R 2 =, Lineární y =,8395x - 2,427 n =6 Lineární y =,5118x + 19,2655 R 2 =,4296 r =,655*** R 2 =,4296 r =,655*** log Leden 2, 1,8 1,6 1,4 1,2 1,,8,6,4,2, y =,994x -,232 R 2 =,3359,, 1, 1, 2, 2, 1,8 1,6 1,4 1,2 1,,8,6,4,2, y =,3693x +,9874 R 2 =,3359,, 1, 1, 2, Lineární y =,994x -,232 n = 6 Lineární y =,3693x +,9874 R 2 =,3359 r =,58*** R 2 =,3359 r =,58***

46 Únor y = 1,127x - 19,76 R 2 =, y =,8776x + 19,384 R 2 =, Lineární y = 1,127x - 19,7598 n = 144 Lineární y =,8776x + 19,3836 R 2 =,9835 r =,992*** R 2 =,9835 r =,992*** log Únor 4, 3, y = 1,32x -,129 R 2 =,8818 4, 3, y =,8559x +,3159 R 2 =,8818 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,32x -,129 n = 144 Lineární y =,8559x +,3159 R 2 =,8818 r =,939*** R 2 =,8818 r =,939*** Bezen y =,923x - 3,266 R 2 =, y =,6855x + 17,373 R 2 =, Lineární y =,923x - 3,266 n = 7 Lineární y =,6855x + 17,373 log Bezen R 2 =,639 r =,794*** R 2 =,639 r =,794*** 2, 2, 1, 1,, y = 1,489x -,1913 R 2 =,6915 2, 2, 1, 1,, y =,6593x +,633 R 2 =,6915,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y = 1,489x -,1913 n = 7 Lineární y =,6593x +,633 R 2 =,6915 r =,832*** R 2 =,6915 r =,832***

47 Kvten y =,9543x - 5,1815 R 2 =, y = 1,435x + 5,7655 R 2 =, Lineární y =,9543x - 5,1815 n = 12 Lineární y = 1,435x + 5,7655 log Kvten R 2 =,9958 r =,998*** R 2 =,9958 r =,998*** 3, 3, y = 1,65x -,1972 R 2 =,8819 3, 3, y =,8316x +,3524 R 2 =,8819 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,65x -,1972 n = 12 Lineární y =,8316x +,3524 R 2 =,8819 r =,939*** R 2 =,8819 r =,939*** erven y =,5798x + 11,436 R 2 =, y = 1,397x - 8,7535 R 2 =, Lineární y =,5798x + 11,4363 n = 38 Lineární y = 1,397x - 8,7535 R 2 =,863 r =,898*** R 2 =,863 r =,898*** log erven 2, 2, 1, 1,, y =,623x +,5257 R 2 =,465 2, 2, 1, 1,, y =,6526x +,539 R 2 =,465,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y =,623x +,5257 n = 38 Lineární y =,6526x +,539 R 2 =,465 r =,638*** R 2 =,465 r =,638***

48 ervenec y =,883x - 2,6232 R 2 =, y = 1,855x + 12,297 R 2 =, Lineární y =,883x - 2,6232 n = 2 Lineární y = 1,855x + 12,297 log ervenec R 2 =,8774 r =,937*** R 2 =,8774 r =,937*** 2, 2, 1, 1,, y =,9781x -,878 R 2 =,7529 2, 2, 1, 1,, y =,7698x +,5176 R 2 =,7529,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y =,9781x -,878 n = 2 Lineární y =,7698x +,5176 R 2 =,7529 r =,868*** R 2 =,7529 r =,868*** Srpen y = 1,29x - 2,4775 R 2 =, y =,9478x + 13,757 R 2 =, Lineární y = 1,29x - 2,4775 n = 54 Lineární y =,9478x + 13,7567 R 2 =,955 r =,975*** R 2 =,955 r =,975*** log Srpen 3, 3, y = 1,1x -,347 R 2 =,9165 3, 3, y =,9164x +,227 R 2 =,9165 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,1x -,347 n = 54 Lineární y =,9164x +,227 R 2 =,9165 r =,957*** R 2 =,9165 r =,957***

49 Záí y =,6831x + 24,329 R 2 =, y = 1,57x + 3,5918 R 2 =, Lineární y =,6831x + 24,3288 n = 18 Lineární y = 1,57x + 3,5918 log Záí R 2 =,7177 r =,847*** R 2 =,7177 r =,847*** 3, 2, 2, 1, 1,, y =,9196x +,1185 R 2 =,818 3, 3, 2, 2, 1, 1,, y =,8818x +,231 R 2 =,818,, 1, 2, 3, 4,,, 1, 2, 3, Lineární y =,9196x +,1185 n = 18 Lineární y =,8818x +,231 R 2 =,818 r =,9*** R 2 =,818 r =,9*** íjen y = 1,567x - 3,7177 R 2 =, y =,979x + 18,193 R 2 =, Lineární y = 1,567x - 3,7177 n = 76 Lineární y =,979x + 18,1931 R 2 =,9594 r =,979*** R 2 =,9594 r =,979*** log íjen 3, 3, y = 1,944x -,248 R 2 =,9376 3, 3, y =,8567x +,353 R 2 =,9376 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,944x -,248 n = 76 Lineární y =,8567x +,353 R 2 =,9376 r =,968*** R 2 =,9376 r =,968***

50 Listopad y = 1,469x - 33,14 R 2 =, y =,9325x + 33,628 R 2 =, Lineární y = 1,469x - 33,1396 n = 118 Lineární y =,9325x + 33,6284 R 2 =,9762 r =,988*** R 2 =,9762 r =,988*** log Listopad 4, 3, y =,967x -,259 R 2 =,6447 4, 3, y =,6711x +,7737 R 2 =,6447 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y =,967x -,259 n = 118 Lineární y =,6711x +,7737 R 2 =,6447 r =,83*** R 2 =,6447 r =,83*** Prosinec y = 1,1222x - 3,369 R 2 =, y =,8492x + 4,546 R 2 =, Lineární y = 1,1222x - 3,369 n = 58 Lineární y =,8492x + 4,546 R 2 =,953 r =,976*** R 2 =,953 r =,976*** log Prosinec 2, y = 1,317x -,54 R 2 =,9136 2, y =,8855x +,1716 R 2 =,9136 2, 1, 1,, 2, 1, 1,,,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y = 1,317x -,54 n = 58 Lineární y =,8855x +,1716 R 2 =,9136 r =,956*** R 2 =,9136 r =,956***

51 Regresní hodnocení CPM IBC x CPM Klasika - LRM Buthrad Celkem y = 1,3446x - 19,75 R 2 =, y =,558x + 69,515 R 2 =, Lineární y = 1,3446x - 19,748 n =83 Lineární y =,558x + 69,5146 R 2 =,747 r =,861*** R 2 =,747 r =,861*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1, y = 1,185x -,5448 R 2 =,8472 4, 3, 3, 2, 2, 1, 1, y =,7149x +,6572 R 2 =,8472,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,185x -,5448 n = 83 Lineární y =,7149x +,6572 R 2 =,8472 r =,92*** R 2 =,8472 r =,92*** Leden y =,458x + 19,714 R 2 =, y = 1,9769x - 24,385 R 2 =, Lineární y =,458x + 19,714 n = 78 Lineární y = 1,9769x - 24,3851 R 2 =,954 r =,952*** R 2 =,954 r =,952*** log Leden 3, 3, y = 1,256x -,2829 R 2 =,7836 4, 3, y =,764x +,587 R 2 =,7836 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,256x -,2829 n = 78 Lineární y =,764x +,587 R 2 =,7836 r =,885*** R 2 =,7836 r =,885***

52 Únor y = 1,3268x - 17,795 R 2 =, y =,281x + 39,44 R 2 =, Lineární y = 1,3268x - 17,795 n = 13 Lineární y =,281x + 39,443 R 2 =,3729 r =,611*** R 2 =,3729 r =,611*** log Únor 3, 3, y = 1,395x -,2925 R 2 =,639 3, 2, y =,6147x +,7315 R 2 =,639 2, 2, 1, 1, 2, 1, 1,,,,, 1, 2, 3,,, 1, 2, 3, 4, Lineární y = 1,395x -,2925 n = 13 Lineární y =,6147x +,7315 R 2 =,639 r =,799*** R 2 =,639 r =,799*** Bezen y =,8379x + 13,354 R 2 =, y = 1,196x + 3,1598 R 2 =, Lineární y =,8379x + 13,3538 n = 118 Lineární y = 1,196x + 3,1598 R 2 =,9297 r =,964*** R 2 =,9297 r =,964*** log Bezen 4, 3, y = 1,2133x -,6611 R 2 =,8481 4, 3, y =,699x +,733 R 2 =,8481 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,2133x -,6611 n = 118 Lineární y =,699x +,733 R 2 =,8481 r =,921*** R 2 =,8481 r =,921***

53 Duben y = 1,3619x - 23,49 R 2 =, y =,6331x + 6,66 R 2 =, Lineární y = 1,3619x - 23,493 n = 152 Lineární y =,6331x + 6,664 R 2 =,8621 r =,928*** R 2 =,8621 r =,928*** log Duben 4, 3, y = 1,2654x -,7252 R 2 =,933 4, 3, y =,7352x +,6651 R 2 =,933 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,2654x -,7252 n = 152 Lineární y =,7352x +,6651 R 2 =,933 r =,965*** R 2 =,933 r =,965*** Kvten y = 3,4921x - 158,25 R 2 =, y =,2812x + 46,869 R 2 =, Lineární y = 3,4921x - 158,2521 n = 6 Lineární y =,2812x + 46,8695 log Kvten R 2 =,982 r =,991*** R 2 =,982 r =,991*** 4, 4, 3, 3, 2, 2, 1, 1, y = 1,342x -,5845 R 2 =,889 3, 3, 2, 2, 1, 1, y =,6817x +,5829 R 2 =,889,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,342x -,5845 n = 6 Lineární y =,6817x +,5829 R 2 =,889 r =,943*** R 2 =,889 r =,943***

54 erven y = 1,45x - 75,586 R 2 =, y =,5986x + 157,7 R 2 =, Lineární y = 1,45x - 75,5856 n = 6 Lineární y =,5986x + 157,658 log erven R 2 =,8411 r =,917*** R 2 =,8411 r =,917*** 4, 3, y = 1,2177x -,6991 R 2 =,9269 4, 3, y =,7612x +,6839 R 2 =,9269 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,2177x -,6991 n = 6 Lineární y =,7612x +,6839 ervenec R 2 =,9269 r =,963*** R 2 =,9269 r =,963*** y =,7954x + 3,38 R 2 =, y =,9983x + 2,8241 R 2 =, Lineární y =,7954x + 3,3798 n = 59 Lineární y =,9983x + 2,8241 R 2 =,7941 r =,891*** R 2 =,7941 r =,891*** log ervenec 4, 3, y = 1,2537x -,668 R 2 =,857 4, 3, y =,839x +,5553 R 2 =,9345 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,2537x -,668 n = 59 Lineární y =,6836x +,7166 R 2 =,857 r =,926*** R 2 =,857 r =,926***

55 Srpen y =,2196x + 3,86 R 2 =, y = 3,593x - 8,461 R 2 =, Lineární y =,2196x + 3,8597 n = 1 Lineární y = 3,593x - 8,4612 R 2 =,7889 r =,888*** R 2 =,7889 r =,888*** log Srpen 2, 2, 1, 1,, y =,5619x +,6556 R 2 =,825 3, 2, 2, 1, 1,, y = 1,463x -,6356 R 2 =,825,, 1, 2, 3,,,, 1, 1, 2, 2, Lineární y =,5619x +,6556 n = 1 Lineární y = 1,463x -,6356 R 2 =,825 r =,96*** R 2 =,825 r =,96*** erven y = 1,45x - 75,586 R 2 =, y =,5986x + 157,7 R 2 =, Lineární y = 1,45x - 75,5856 n = 6 Lineární y =,5986x + 157,658 log erven R 2 =,8411 r =,917*** R 2 =,8411 r =,917*** 4, 3, y = 1,2177x -,6991 R 2 =,9269 4, 3, y =,7612x +,6839 R 2 =,9269 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,2177x -,6991 n = 6 Lineární y =,7612x +,6839 R 2 =,9269 r =,963*** R 2 =,9269 r =,963***

56 ervenec y =,7954x + 3,38 R 2 =, y =,9983x + 2,8241 R 2 =, Lineární y =,7954x + 3,3798 n = 59 Lineární y =,9983x + 2,8241 R 2 =,7941 r =,891*** R 2 =,7941 r =,891*** log ervenec 4, 3, y = 1,2537x -,668 R 2 =,857 4, 3, y =,839x +,5553 R 2 =,9345 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,2537x -,668 n = 59 Lineární y =,6836x +,7166 R 2 =,857 r =,926*** R 2 =,857 r =,926*** Srpen y =,2196x + 3,86 R 2 =, y = 3,593x - 8,461 R 2 =, Lineární y =,2196x + 3,8597 n = 1 Lineární y = 3,593x - 8,4612 R 2 =,7889 r =,888*** R 2 =,7889 r =,888*** log Srpen 2, 2, 1, 1,, y =,5619x +,6556 R 2 =,825 3, 2, 2, 1, 1,, y = 1,463x -,6356 R 2 =,825,, 1, 2, 3,,,, 1, 1, 2, 2, Lineární y =,5619x +,6556 n = 1 Lineární y = 1,463x -,6356 R 2 =,825 r =,96*** R 2 =,825 r =,96***

57 Záí y = 1,1223x - 2,365 R 2 =, y =,7992x + 22,822 R 2 =, Lineární y = 1,1223x - 2,3651 n = 2 Lineární y =,7992x + 22,8216 R 2 =,8969 r =,947*** R 2 =,8969 r =,947*** log Záí 3, 2, 2, 1, 1, y = 1,459x -,9799 R 2 =,8217 2, 2, 1, 1, y =,5844x +,86 R 2 =,8217,,,,, 1, 1, 2, 2,,, 1, 2, 3, Lineární y = 1,459x -,9799 n = 2 Lineární y =,5844x +,86 R 2 =,8217 r =,96*** R 2 =,8217 r =,96*** íjen y =,248x + 37,271 R 2 =, y =,3892x + 44,715 R 2 =, Lineární y =,248x + 37,276 n = 4 Lineární y =,3892x + 44,7155 R 2 =,797 r =,282ns R 2 =,797 r =,282ns log íjen 3, 2, y = 1,695x -,3447 R 2 =,6925 3, 3, y =,6475x +,6931 R 2 =,6925 2, 1, 1,, 2, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, 4, 5, Lineární y = 1,695x -,3447 n = 4 Lineární y =,6475x +,6931 R 2 =,6925 r =,832*** R 2 =,6925 r =,832***

58 Listopad y = 1,3682x + 46,671 R 2 =, y =,4213x + 55,889 R 2 =, Lineární y = 1,3682x + 46,675 n = 36 Lineární y =,4213x + 55,8889 R 2 =,5764 r =,759*** R 2 =,5764 r =,759*** log Listopad 3, 3, y = 1,1559x -,369 R 2 =,7435 3, 3, y =,6432x +,6964 R 2 =,7435 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,1559x -,369 n = 36 Lineární y =,6432x +,6964 R 2 =,7435 r =,862*** R 2 =,7435 r =,862*** Prosinec y = 2,4141x + 1,25 R 2 =, y =,3627x + 29,159 R 2 =, Lineární y = 2,4141x + 1,2496 n = 4 Lineární y =,3627x + 29,159 Prosinec R 2 =,8756 r =,936*** R 2 =,8756 r =,936*** 4, 4, 3, 3, 2, 2, 1, 1, y = 1,2813x -,726 R 2 =,885 4, 3, 3, 2, 2, 1, 1, y =,697x +,756 R 2 =,885,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,2813x -,726 n = 4 Lineární y =,697x +,756 R 2 =,885 r =,941*** R 2 =,885 r =,941***

59 Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,3 463,892 27, , 25, 96, ,4 683, , , 14, 77, , ,63,5414,48 3,63 3,1 1,6628 1,3979 1, ,577 37,76,6696, 3,88 3,88 1,5185 1,1461 1,8893 Klasika - IBC ,73 36, , , -22, 3, ,79 ** abs (Klasika - IBC) ,79 351,762 43, , 6, 34, ,44 *** Do tis (A) ,26 18, , , 24, 81, ,92 74, , , 13, 68, , ,92,491,4771 3,33 2,8259 3,33 3,33 3, , ,95,5185, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC ,34 77,71-52, , -22, 1, ,82 *** abs (Klasika - IBC) ,94 73,55 252, , 6, 27, ,56 *** Do 1 tis (A) ,83 165,27 192, , 24, 85, ,55 128,92 18, , 14, 71, , ,53,4389,4771 3,3591 2,882 3,3591 3,3591 3, , ,15,5536, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC ,27 13, , , -22, 1, ,48 *** abs (Klasika - IBC) ,61 98, , , 6, 29, ,4 *** grubs rozdíl (B) ,14 24, , , 24, 83, ,42 25, , , 13,5 69, , ,52,4399,4771 3,4586 2,9815 3,4586 3,4586 3, ,4839 3,47,5566, 3,48 3,48 3,48 3,48 3,48 Klasika - IBC ,72 35, , , -21, 1, ,78 *** abs (Klasika - IBC) ,44 29, , , 6, 28, ,66 *** grubs ABS(rozdíl) (C) ,87 25,63 23, , 24, 82, ,46 26,13 262, , 13, 69, , ,37,4392,4771 3,4586 2,9815 3,4586 3,4586 3, ,4835 3,44,557, 3,48 3,48 3,48 3,48 3,48 Klasika - IBC ,41 35, , , -21, 1, ,65 *** abs (Klasika - IBC) ,15 28, , , 6, 27, ,6 ***

60 Regresní hodnocení Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,2853x - 24, ,7599 r =,872*** y =,5913x + 55,3948,7599 r =,872*** log Celkem y = 1,1264x -, ,8293 r =,911*** y =,7363x +,5763,8293 r =,911*** Do y =,483x + 21, ,4957 r =,74*** y = 1,264x + 13,8671,4957 r =,74*** log Do y = 1,763x -, ,721 r =,849*** y =,6699x +,6635,721 r =,849*** Do 1 y =,683x + 19, ,664 r =,779*** y =,9968x + 14,511,664 r =,779*** log Do 1 y = 1,932x -, ,751 r =,867*** y =,687x +,6416,751 r =,867*** grubs rozdíl (B) y =,9895x - 9, ,9698 r =,985*** y =,981x + 12,281,9698 r =,985*** log grubs rozdíl (B) y = 1,123x -, ,784 r =,885*** y =,6998x +,6198,784 r =,885*** grubs ABS(rozdíl) (C) y =,995x - 9, ,971 r =,985*** y =,983x + 11,9495,971 r =,985*** log grubs ABS(rozdíl) (C) y = 1,1243x -, ,7861 r =,887*** y =,6992x +,6197,7861 r =,887***

61 Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 Celkem y = 1,2853x - 24,14 R 2 =, y =,5913x + 55,395 R 2 =, Lineární y = 1,2853x - 24,1398 n = 1651 Lineární y =,5913x + 55,3948 R 2 =,7599 r =,872*** R 2 =,7599 r =,872*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1, y = 1,1264x -,38 R 2 =,8293 4, 3, 3, 2, 2, 1, 1, y =,7363x +,5763 R 2 =,8293,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, 5, Lineární y = 1,1264x -,38 n = 1651 Lineární y =,7363x +,5763 R 2 =,8293 r =,911*** R 2 =,8293 r =,911*** Do y =,483x + 21,499 R 2 =, y = 1,264x + 13,867 R 2 =, Lineární y =,483x + 21,4991 n = 1543 Lineární y = 1,264x + 13,8671 R 2 =,4957 r =,74*** R 2 =,4957 r =,74***

62 log Do 3, 3, y = 1,763x -,363 R 2 =,721 3, 3, y =,6699x +,6635 R 2 =,721 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, Lineární y = 1,763x -,363 n = 1543 Lineární y =,6699x +,6635 Do 1 R 2 =,721 r =,849*** R 2 =,721 r =,849*** y =,683x + 19,342 R 2 =, y =,9968x + 14,51 R 2 =, Lineární y =,683x + 19,3419 n = 1579 Lineární y =,9968x + 14,511 R 2 =,664 r =,779*** R 2 =,664 r =,779*** log Do 1 4, 3, y = 1,932x -,3296 R 2 =,751 4, 3, y =,687x +,6416 R 2 =,751 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,932x -,3296 n = 1579 Lineární y =,687x +,6416 R 2 =,751 r =,867*** R 2 =,751 r =,867***

63 grubs rozdíl (B) y =,9895x - 9,7852 R 2 =, y =,981x + 12,28 R 2 =, Lineární y =,9895x - 9,7852 n = 1551 Lineární y =,981x + 12,281 log grubs rozdíl (B) R 2 =,9698 r =,985*** R 2 =,9698 r =,985*** 4 3,5 3 2,5 2 1,5 1,5 y = 1,123x -,3739 R 2 =, ,5 3 2,5 2 1,5 1,5 y =,6998x +,6198 R 2 =, Lineární y = 1,123x -,3739 n = 1551 Lineární y =,6998x +,6198 R 2 =,784 r =,885*** R 2 =,784 r =,885*** grubs ABS(rozdíl) (C) y =,995x - 9,5642 R 2 =, y =,983x + 11,949 R 2 =, Lineární y =,995x - 9,5642 n = 1548 Lineární y =,983x + 11,9495 R 2 =,971 r =,985*** R 2 =,971 r =,985*** log grubs ABS(rozdíl) (C) 4 3,5 3 2,5 2 1,5 1,5 y = 1,1243x -,3794 R 2 =, ,5 3 2,5 2 1,5 1,5 y =,6992x +,6197 R 2 =, Lineární y = 1,1243x -,3794 n = 1548 Lineární y =,6992x +,6197 R 2 =,7861 r =,887*** R 2 =,7861 r =,887***

64 Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 1 LRM Brno Celkem za LRM Brno n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,32 291, , , 28, 84, ,32 37, , ,5 2, 74, 848 1,724 52,97,4538,6 3,46 2,86 1,6532 1,4472 1, ,628 41,76,5149,3 3,48 3,18 1,574 1,31 1,8692 Klasika - IBC 848-7, 61, , , -17, 4, 846 3,32 *** abs (Klasika - IBC) ,56 56, , , 5, 23, ,24 *** Do tis (A) ,59 82,912 12, , 27, 74, ,47 71, , , 2, 69, 812 1, ,32,3642,621 2,96 2,3579 2,96 2,96 2, , ,7,423,31 2,6435 2,3425 2,6435 2,6435 2,6435 Klasika - IBC 812-1,12 43,86-432, , -16, 3, 81 6,58 *** abs (Klasika - IBC) ,76 4,382 24, , 5, 22, 81 13,94 *** Do 1 tis (A) 828 8,27 12, , ,5 27, 79, ,8 11, , , 2, 71, 828 1, ,74,394,621 3,382 2,4361 3,382 3,382 3, , ,14,4533,31 2,9823 2,6813 2,9823 2,9823 2,9823 Klasika - IBC 828-1,19 45,59-442, , -16, 3, 826 6,5 *** abs (Klasika - IBC) 828 2,92 41, , , 5, 23, ,61 *** grubs rozdíl (B) ,37 164,33 196, , 27, 75, ,28 165, , ,5 2, 71, 816 1,683 47,9,3951,621 3,349 2,728 3,349 3,349 3, , ,2,4637,31 3,2945 2,9935 3,2945 3,2945 3,2945 Klasika - IBC 816-6,9 25,18-41, , -16, 3, ,95 *** abs (Klasika - IBC) ,81 19,51 116, , 5, 22, ,61 *** grubs ABS(rozdíl) (C) ,25 15, , , 27, 72, ,39 15,72 211, , 2, 69, 798 1,665 46,24,3814,621 3,349 2,728 3,349 3,349 3, , ,9,4511,31 3,2945 2,9935 3,2945 3,2945 3,2945 Klasika - IBC 798-5,86 2, , , -15, 3, 796 8,14 *** abs (Klasika - IBC) ,91 14,983 1, , 5, 2, ,9 ***

65 Laborato 1 LRM Brno Pístroj 63 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,4 326,9 31, , 29,25 69, ,55 358,96 383, , 17, 55, ,712 51,52,398 1,4 3,46 2,42 1,6335 1,4661 1, , ,97,4735,3 3,48 3,18 1,4771 1,234 1,7463 Klasika - IBC ,49 57, , , -23, -2, 28 4,22 *** abs (Klasika - IBC) ,11 52,27 185, ,5 7, 24, 28 9,1 *** Do tis (A) ,61 68,518 14, , 29, 66, ,4 6, , , 17, 52, , ,71,3193 1,414 2,6675 1,6261 2,6675 2,6675 2, ,484 3,23,3998,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC ,21 4,66-223, , -23, -3, 274 7,43 *** abs (Klasika - IBC) ,58 37,786 16, , 7, 24, 274 1,35 *** Do 1 tis (A) 278 7,53 89, , , 29, 68, ,59 78, , , 17, 54, 278 1, ,66,3339 1,414 2,8825 1,8411 2,8825 2,8825 2, ,4899 3,9,4137,31 2,7993 2,4983 2,7993 2,7993 2,7993 Klasika - IBC ,94 41, , , -23, -3, 276 7,61 *** abs (Klasika - IBC) ,27 38, , , 7, 24, 276 1,48 *** grubs rozdíl (B) ,1 58,861 13, , 28, 59, ,58 61,8 131, , 16, 52, 257 1, ,58,2897 1,414 2,6675 1,6261 2,6675 2,6675 2, ,477 29,56,422,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC 257-1,51 16, , , -2, -2, 255 1,42 *** abs (Klasika - IBC) ,88 12,29 82, , 6, 22, ,5 *** grubs ABS(rozdíl) (C) ,89 59,46 13, , 28, 59, ,79 61,23 13, , 16, 53, 255 1, ,36,2898 1,414 2,6675 1,6261 2,6675 2,6675 2, ,472 29,65,435,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC 255-1,11 15, , , -19,5-2, 253 1,38 *** abs (Klasika - IBC) ,51 11,499 79, , 6, 21, 253 2,11 ***

66 Laborato 1 LRM Brno Pístroj 73 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,94 272, , ,5 27, 88, ,67 278, , , 21,25 85, 566 1,73 53,7,4823,6 3,32 2,72 1,6767 1,4314 1, , ,98,5273,48 3,29 2,81 1,6128 1,3273 1,9294 Klasika - IBC 566-3,27 62, , , -11,75 6, 564 1,24 ns abs (Klasika - IBC) ,29 58,17 238, , 4, 22, 564 9,95 *** Do tis (A) 536 7,13 89, , , 26, 8, ,17 76,11 118, , 21, 74, 536 1, ,62,3854,621 2,96 2,3579 2,96 2,96 2, , ,51,4295,4771 2,6435 2,1664 2,6435 2,6435 2,6435 Klasika - IBC 536-5,95 44, , , -11, 6, 534 3,7 ** abs (Klasika - IBC) ,79 41, , , 4, 2, 534 9,9 *** Do 1 tis (A) 55 85,2 132, , ,5 27, 85, 55 79,43 122,78 154, , 21, 79, 55 1, ,79,4214,621 3,382 2,4361 3,382 3,382 3, , ,43,4656,4771 2,9823 2,552 2,9823 2,9823 2,9823 Klasika - IBC 55-5,77 46,197-8, , -11, 6, 548 2,93 ** abs (Klasika - IBC) 55 19,22 42,396 22, , 4, 21, 548 1,62 *** grubs rozdíl (B) ,14 18,16 24, , 26,25 81, ,65 179, , ,5 21, 76, 542 1, ,77,425,621 3,349 2,728 3,349 3,349 3, ,62 41,69,4689,4771 3,2945 2,8174 3,2945 3,2945 3,2945 Klasika - IBC 542-3,49 22,92-633, , -11, 6, 54 3,67 *** abs (Klasika - IBC) ,8 16,54 19, , 4, 2, 54 21,25 *** grubs ABS(rozdíl) (C) 54 86,78 177,47 24, , 26, 81, 54 83,28 177,13 212, , 21, 74,5 54 1, ,49,4178,621 3,349 2,728 3,349 3,349 3, , ,36,4659,4771 3,2945 2,8174 3,2945 3,2945 3,2945 Klasika - IBC 54-3,5 21, , , -11, 6, 538 3,79 *** abs (Klasika - IBC) 54 14,81 15,97 17, , 4, 2, ,62 ***

67 Regresní hodnocení Laborato 1 - LRM Brno - pístroj 63 a 73 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,348x - 11, ,9614 r =,981*** y =,929x + 14,976,9614 r =,981*** log Celkem y = 1,35x -, ,8248 r =,98*** y =,84x +,4268,8248 r =,98*** Do y =,7338x + 8, ,7211 r =,849*** y =,9827x + 11,1323,7211 r =,849*** log Do y =,9943x -, ,7327 r =,856*** y =,7369x +,5183,7327 r =,856*** Do 1 y =,8528x + 1, ,8594 r =,927*** y = 1,78x + 9,6462,8594 r =,927*** log Do 1 y = 1,98x -, ,773 r =,878*** y =,7628x +,4816,773 r =,878*** grubs rozdíl (B) y = 1,1x - 6, ,9773 r =,989*** y =,9772x + 7,8523,9773 r =,989*** log grubs rozdíl (B) y = 1,561x -, ,897 r =,9*** y =,7667x +,4673,897 r =,9*** grubs ABS(rozdíl) (C) y =,9932x - 5, ,9819 r =,991*** y =,9886x + 6,6716,9819 r =,991*** log grubs ABS(rozdíl) (C) y = 1,684x -, ,8162 r =,93*** y =,764x +,4661,8162 r =,93*** Laborato 1 - LRM Brno - pístroj 63 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,93x - 24, ,981 r =,99*** y =,8998x + 23,8634,981 r =,99*** log Celkem y = 1,25x -, ,794 r =,842*** y =,6951x +,6568,794 r =,842*** Do y =,7193x +, ,6543 r =,89*** y =,996x + 22,4893,6543 r =,89*** log Do y =,9615x -, ,5899 r =,768*** y =,6135x +,773,5899 r =,768*** Do 1 y =,7746x - 3, ,786 r =,887*** y = 1,147x + 18,1763,786 r =,887*** log Do 1 y =,9745x -, ,6187 r =,787*** y =,6349x +,7413,6187 r =,787*** grubs rozdíl (B) y =,9996x - 1, ,931 r =,964*** y =,935x + 13,7533,931 r =,964*** log grubs rozdíl (B) y = 1,1899x -, ,7346 r =,857*** y =,6174x +,7313,7346 r =,857*** grubs ABS(rozdíl) (C) y = 1,26x - 1, ,9357 r =,967*** y =,9332x + 13,233,9357 r =,967*** log grubs ABS(rozdíl) (C) y = 1,23x -, ,7465 r =,864*** y =,625x +,7237,7465 r =,864*** Laborato 1 - LRM Brno - pístroj 73 / / Rovnice n R 2 Rovnice R 2 Celkem y =,9947x - 2, ,9492 r =,974*** y =,9543x + 8,8296,9492 r =,974*** log Celkem y = 1,33x -, ,888 r =,942*** y =,8619x +,2889,888 r =,942*** Do y =,7356x + 12, ,7493 r =,866*** y = 1,186x + 4,7598,7493 r =,866*** log Do y = 1,119x -, ,8241 r =,98*** y =,8144x +,3589,8241 r =,98*** Do 1 y =,8665x + 5,689 55,8791 r =,938*** y = 1,147x + 4,654,8791 r =,938*** log Do 1 y = 1,27x -,955 55,8533 r =,924*** y =,836x +,3275,8533 r =,924*** grubs rozdíl (B) y =,9873x - 2, ,985 r =,992*** y =,9977x + 3,6882,985 r =,992*** log grubs rozdíl (B) y = 1,356x -, ,8629 r =,929*** y =,8332x +,3293,8629 r =,929*** grubs ABS(rozdíl) (C) y =,998x - 2,733 54,9854 r =,993*** y =,9946x + 3,9547,9854 r =,993*** log grubs ABS(rozdíl) (C) y = 1,355x -, ,8623 r =,929*** y =,8328x +,334,8623 r =,929***

68 Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 1 - LRM Brno - pístroj 63 a 73 Celkem y = 1,348x - 11,156 R 2 =, y =,929x + 14,971 R 2 =, Lineární y = 1,348x - 11,1556 n = 848 Lineární y =,929x + 14,976 log Celkem R 2 =,9614 r =,981*** R 2 =,9614 r =,981*** 4, 3, 3, 2, 2, 1, 1,, y = 1,35x -,1558 R 2 =,8248,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,84x +,4268 R 2 =,8248,, 1, 2, 3, 4, Lineární y = 1,35x -,1558 n = 848 Lineární y =,84x +,4268 Do R 2 =,8248 r =,98*** R 2 =,8248 r =,98*** y =,7338x + 8,147 R 2 =, y =,9827x + 11,132 R 2 =, Lineární y =,7338x + 8,147 n = 812 Lineární y =,9827x + 11,1323 R 2 =,7211 r =,849*** R 2 =,7211 r =,849***

69 log Do 3, 2, 2, 1, 1,, y =,9943x -,991 R 2 =,7327,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,7369x +,5183 R 2 =,7327,, 1, 2, 3, Lineární y =,9943x -,991 n = 812 Lineární y =,7369x +,5183 Do 1 R 2 =,7327 r =,856*** R 2 =,7327 r =,856*** y =,8528x + 1,6252 R 2 =, y = 1,78x + 9,6462 R 2 =, Lineární y =,8528x + 1,6252 n = 828 Lineární y = 1,78x + 9,6462 log Do 1 R 2 =,8594 r =,927*** R 2 =,8594 r =,927*** 3, 3, y = 1,98x -,123 R 2 =,773 3, 3, y =,7628x +,4816 R 2 =,773 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,98x -,123 n = 828 Lineární y =,7628x +,4816 R 2 =,773 r =,878*** R 2 =,773 r =,878***

70 grubs rozdíl (B) y = 1,1x - 6,964 R 2 =, y =,9772x + 7,8523 R 2 =, Lineární y = 1,1x - 6,964 n = 816 Lineární y =,9772x + 7,8523 R 2 =,9773 r =,989*** R 2 =,9773 r =,989*** log grubs rozdíl (B) 3, 3, y = 1,561x -,1923 R 2 =,897 3, 3, y =,7667x +,4673 R 2 =,897 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,561x -,1923 n = 816 Lineární y =,7667x +,4673 R 2 =,897 r =,9*** R 2 =,897 r =,9*** grubs ABS(rozdíl) (C) y =,9932x - 5,3319 R 2 =, y =,9886x + 6,6716 R 2 =, Lineární y =,9932x - 5,3319 n = 798 Lineární y =,9886x + 6,6716 R 2 =,9819 r =,991*** R 2 =,9819 r =,991*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,684x -,296 R 2 =,8162 3, 3, y =,764x +,4661 R 2 =,8162 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,684x -,296 n = 798 Lineární y =,764x +,4661 R 2 =,8162 r =,93*** R 2 =,8162 r =,93***

71 Laborato 1 - LRM Brno - pístroj 63 Celkem y = 1,93x - 24,241 R 2 =, y =,8998x + 23,863 R 2 =, Lineární y = 1,93x - 24,249 n = 282 Lineární y =,8998x + 23,8634 log Celkem R 2 =,981 r =,99*** R 2 =,981 r =,99*** 4, 3, 3, 2, 2, 1, 1,, y = 1,25x -,2291 R 2 =,794,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6951x +,6568 R 2 =,794,, 1, 2, 3, 4, Lineární y = 1,25x -,2291 n = 282 Lineární y =,6951x +,6568 R 2 =,794 r =,842*** R 2 =,794 r =,842*** Do y =,7193x +,294 R 2 =, y =,996x + 22,489 R 2 =, Lineární y =,7193x +,294 n = 276 Lineární y =,996x + 22,4893 R 2 =,6543 r =,89*** R 2 =,6543 r =,89***

72 log Do 3, 2, y =,9615x -,1336 R 2 =,5899 3, 2, y =,6135x +,773 R 2 =,5899 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y =,9615x -,1336 n = 276 Lineární y =,6135x +,773 R 2 =,5899 r =,768*** R 2 =,5899 r =,768*** Do y =,7746x - 3,417 R 2 =, y = 1,147x + 18,176 R 2 =, Lineární y =,7746x - 3,417 n = 278 Lineární y = 1,147x + 18,1763 R 2 =,786 r =,887*** R 2 =,786 r =,887*** log Do 1 3, 2, y =,9745x -,1543 R 2 =,6187 3, 3, y =,6349x +,7413 R 2 =,6187 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y =,9745x -,1543 n = 278 Lineární y =,6349x +,7413 R 2 =,6187 r =,787*** R 2 =,6187 r =,787***

73 grubs rozdíl (B) y =,9996x - 1,489 R 2 =, y =,935x + 13,753 R 2 =, Lineární y =,9996x - 1,489 n = 257 Lineární y =,935x + 13,7533 log grubs rozdíl (B) R 2 =,931 r =,964*** R 2 =,931 r =,964*** 3, 2, y = 1,1899x -,4799 R 2 =,7346 3, 2, y =,6174x +,7313 R 2 =,7346 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y = 1,1899x -,4799 n = 257 Lineární y =,6174x +,7313 R 2 =,7346 r =,857*** R 2 =,7346 r =,857*** grubs ABS(rozdíl) (C) y = 1,26x - 1,256 R 2 =, y =,9332x + 13,23 R 2 =, Lineární y = 1,26x - 1,2559 n = 255 Lineární y =,9332x + 13,233 R 2 =,9357 r =,967*** R 2 =,9357 r =,967*** log grubs ABS(rozdíl) (C) 3, 2, y = 1,23x -,4974 R 2 =,7465 3, 2, y =,625x +,7237 R 2 =,7465 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y = 1,23x -,4974 n = 255 Lineární y =,625x +,7237 R 2 =,7465 r =,864*** R 2 =,7465 r =,864***

74 Laborato 1 - LRM Brno - pístroj 73 Celkem y =,9947x - 2,616 R 2 =, y =,9543x + 8,8296 R 2 =, Lineární y =,9947x - 2,616 n = 566 Lineární y =,9543x + 8,8296 R 2 =,9492 r =,974*** R 2 =,9492 r =,974*** log Celkem 3, 3, y = 1,33x -,115 R 2 =,888 3, 3, y =,8619x +,2889 R 2 =,888 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,33x -,115 n = 566 Lineární y =,8619x +,2889 Do R 2 =,888 r =,942*** R 2 =,888 r =,942*** y =,7356x + 12,589 R 2 =, y = 1,186x + 4,7598 R 2 =, Lineární y =,7356x + 12,5895 n = 536 Lineární y = 1,186x + 4,7598 R 2 =,7493 r =,866*** R 2 =,7493 r =,866***

75 log Do 3, 3, y = 1,119x -,822 R 2 =,8241 3, 3, y =,8144x +,3589 R 2 =,8241 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,119x -,822 n = 536 Lineární y =,8144x +,3589 R 2 =,8241 r =,98*** R 2 =,8241 r =,98*** Do y =,8665x + 5,689 R 2 =, y = 1,147x + 4,654 R 2 =, Lineární y =,8665x + 5,689 n = 55 Lineární y = 1,147x + 4,654 R 2 =,8791 r =,938*** R 2 =,8791 r =,938*** log Do 1 3, 3, 2, 2, 1, 1,, y = 1,27x -,955 R 2 =,8533,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,836x +,3275 R 2 =,8533,, 1, 2, 3, 4, Lineární y = 1,27x -,955 n = 55 Lineární y =,836x +,3275 R 2 =,8533 r =,924*** R 2 =,8533 r =,924***

76 grubs rozdíl (B) y =,9873x - 2,3682 R 2 =, y =,9977x + 3,6882 R 2 =, Lineární y =,9873x - 2,3682 n = 542 Lineární y =,9977x + 3,6882 log grubs rozdíl (B) R 2 =,985 r =,992*** R 2 =,985 r =,992*** 3, 3, y = 1,356x -,119 R 2 =,8629 3, 3, y =,8332x +,3293 R 2 =,8629 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,356x -,119 n = 542 Lineární y =,8332x +,3293 R 2 =,8629 r =,929*** R 2 =,8629 r =,929*** grubs ABS(rozdíl) (C) y =,998x - 2,733 R 2 =, y =,9946x + 3,9547 R 2 =, Lineární y =,998x - 2,733 n = 54 Lineární y =,9946x + 3,9547 R 2 =,9854 r =,993*** R 2 =,9854 r =,993*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,355x -,1195 R 2 =,8623 3, 3, y =,8328x +,334 R 2 =,8623 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,355x -,1195 n = 54 Lineární y =,8328x +,334 R 2 =,8623 r =,929*** R 2 =,8623 r =,929***

77 Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 2 LRM Bušthrad n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,2 589,118 26, , 2, 114, ,44 92, , , 9, 91,5 83 1, ,44,626,48 3,63 3,1 1,6812 1,31 2, ,538 33,95,7989, 3,88 3,88 1,4314,9542 1,9614 Klasika - IBC 83 58,25 51,85 876, , -28,5 1, 81 3,23 ** abs (Klasika - IBC) ,17 494,331 35, , 8, 51, 81 8,9 *** Do tis (A) ,22 131, , , 19, 88, ,8 77, , , 8, 59, 731 1, ,39,4527,4771 3,33 2,8259 3,33 3,33 3, , ,67,5897, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC ,14 11,74-481, , -28, -3, 729 5,61 *** abs (Klasika - IBC) ,15 96, , , 8, 39, 729 1,99 *** Do 1 tis (A) ,95 23, , , 19, 92, ,18 146,61 2, , 9, 69, 751 1, ,19,4828,4771 3,3591 2,882 3,3591 3,3591 3, , ,92,6326, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC ,78 142, , , -28,5-2, 749 3,61 *** abs (Klasika - IBC) ,81 133, , , 8, 42, 749 1,59 *** grubs rozdíl (B) ,78 181, , ,5 18,25 87, ,81 185,56 286, , 8, 58, 722 1, ,5,4588,4771 3,3885 2,9114 3,3885 3,3885 3, , ,45,618, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC ,97 42,5-28, , -28, -3, 72 9,57 *** abs (Klasika - IBC) ,11 33, , , 8, 37, 72 23,15 *** grubs ABS(rozdíl) (C) ,64 177, , , 18, 85, ,65 182, , , 8, 58, 718 1,682 4,57,4544,4771 3,3885 2,9114 3,3885 3,3885 3, , ,3,63, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC , 4,52-286, , -28, -3, 716 9,36 *** abs (Klasika - IBC) ,22 31, , , 7,25 36, ,87 ***

78 Laborato 2 LRM Bušthrad Pístroj 5 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,26 518, , ,5 21, 11, ,62 833, , , 9, 78, 518 1, ,9,5913,7 3,58 2,88 1,6675 1,3222 2, ,518 31,75,787, 3,88 3,88 1,4314,9542 1,8921 Klasika - IBC ,36 478, , , -28, -, ,54 * abs (Klasika - IBC) ,74 463, , , 8, 46, ,26 *** Do tis (A) ,34 18, , , 19,75 87, ,66 72, , , 8, 57, 476 1, ,12,4382,699 3,262 2,563 3,262 3,262 3, , ,6,5882, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC ,68 82,251-44, , -28,25-3, 474 4,95 *** abs (Klasika - IBC) ,24 77,73 225, , 7, 38, 474 9,68 *** Do 1 tis (A) ,14 194, , , 2, 92, ,24 145,8 26, , 8, 63, , ,77,4694,699 3,3591 2,661 3,3591 3,3591 3, , ,12,633, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC ,9 134, , , -28,25-2, ,77 ** abs (Klasika - IBC) ,52 127, , , 8, 41, 486 8,25 *** grubs rozdíl (B) 47 72,43 153,84 212, , 19, 86, 47 58,39 161, , ,5 8, 57, 47 1,687 4,62,449,699 3,3885 2,6895 3,3885 3,3885 3, ,341 21,88,5967, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 47-14,4 38, , , -28, -3, 468 7,97 *** abs (Klasika - IBC) 47 27,31 3,77 11, ,5 7, 36, ,66 *** grubs ABS(rozdíl) (C) 47 75,76 172, , , 19, 86, 47 62,39 183, , ,5 8, 57, 47 1,617 4,8,4462,699 3,3885 2,6895 3,3885 3,3885 3, , ,6,633, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 47-13,38 38, , , -27,75-3, 468 7,57 *** abs (Klasika - IBC) 47 27,28 29,958 19, ,5 7, 36, ,72 ***

79 Laborato 2 LRM Bušthrad Pístroj 55 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) ,42 697, , , 19, 124, ,55 159,186 33, , 11, 11, 285 1,7852 6,98,673,48 3,63 3,1 1,6812 1,2788 2, , ,34,8299,3 3,88 3,58 1,3979 1,414 2,414 Klasika - IBC ,13 565, , , -29, 3, 283 2, * abs (Klasika - IBC) ,58 545, , , 9, 6, 283 5,12 *** Do tis (A) ,31 164, , , 17,5 88, ,58 85,19 147, , 9, 72, 255 1, ,9,4793,4771 3,33 2,8259 3,33 3,33 3, , ,86,5929,31 2,692 2,3892 2,692 2,692 2,692 Klasika - IBC ,73 13,634-57, , -28, -, ,14 ** abs (Klasika - IBC) ,32 124,4 256, , 8, 42, ,21 *** Do 1 tis (A) 263 1,88 218,37 216, , 18, 92, ,62 149,58 19, , 9, 73, ,653 44,98,577,4771 3,33 2,8259 3,33 3,33 3, , ,47,6373,31 2,9987 2,6977 2,9987 2,9987 2,9987 Klasika - IBC ,26 155,914-7, , -28,5, 261 2,31 * abs (Klasika - IBC) ,76 145, , , 8, 45, 261 6,64 *** grubs rozdíl (B) 246 8,58 186, , , 17, 82, ,3 182, , ,5 9, 62, 246 1, ,68,4692,4771 3,284 2,869 3,284 3,284 3, , ,48,5937,31 3,2648 2,9638 3,2648 3,2648 3,2648 Klasika - IBC ,28 4, , , -27,75-1, 244 5,84 *** abs (Klasika - IBC) ,94 32, , , 8, 36, ,86 *** grubs ABS(rozdíl) (C) ,2 171, , , 16, 77, ,78 172,721 34, , 8, 56, 236 1,564 36,64,4412,4771 3,284 2,869 3,284 3,284 3, ,3159 2,7,5711,31 3,2648 2,9638 3,2648 3,2648 3,2648 Klasika - IBC ,25 32, , , -26, -1, 234 5,83 *** abs (Klasika - IBC) ,38 24,342 99, ,5 7, 32, ,35 ***

80 Regresní hodnocení Laborato 2 - LRM Bušthrad - pístroj 5 a 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3446x - 19,748 83,747 r =,861*** y =,558x + 69,5146,747 r =,861*** log Celkem y = 1,185x -, ,8472 r =,92*** y =,7149x +,6572,8472 r =,92*** Do y =,3731x + 25, ,45 r =,633*** y = 1,733x + 17,256,45 r =,633*** log Do y = 1,1165x -, ,7346 r =,857*** y =,658x +,7251,7346 r =,857*** Do 1 y =,5147x + 25, ,592 r =,714*** y =,9893x + 19,558,592 r =,714*** log Do 1 y = 1,1411x -, ,7584 r =,871*** y =,6646x +,7172,7584 r =,871*** grubs rozdíl (B) y =,9942x - 14, ,9488 r =,974*** y =,9543x + 17,9263,9488 r =,974*** log grubs rozdíl (B) y = 1,1527x -, ,7722 r =,879*** y =,6699x +,78,7722 r =,879*** grubs ABS(rozdíl) (C) y = 1,62x - 14, ,952 r =,976*** y =,9461x + 17,4242,952 r =,976*** log grubs ABS(rozdíl) (C) y = 1,1631x -, ,7752 r =,88*** y =,6664x +,796,7752 r =,88*** Laborato 2 - LRM Bušthrad - pístroj 5 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3671x - 18, ,7227 r =,85*** y =,5286x + 63,8361,7227 r =,85*** log Celkem y = 1,2151x -, ,847 r =,92*** y =,697x +,6863,847 r =,92*** Do y =,4388x + 2, ,4299 r =,656*** y =,9797x + 19,798,4299 r =,656*** log Do y = 1,1616x -, ,749 r =,865*** y =,6448x +,7478,749 r =,865*** Do 1 y =,5383x + 23, ,5228 r =,723*** y =,9712x + 18,927,5228 r =,723*** log Do 1 y = 1,1793x -, ,7712 r =,878*** y =,654x +,7372,7712 r =,878*** grubs rozdíl (B) y = 1,229x - 15,73 47,945 r =,972*** y =,9238x + 18,495,945 r =,972*** log grubs rozdíl (B) y = 1,1948x -, ,7794 r =,883*** y =,6523x +,7346,7794 r =,883*** grubs ABS(rozdíl) (C) y = 1,394x - 16, ,9577 r =,979*** y =,9214x + 18,283,9577 r =,979*** log grubs ABS(rozdíl) (C) y = 1,199x -, ,7863 r =,887*** y =,6558x +,7295,7863 r =,887*** Laborato 2 - LRM Bušthrad - pístroj 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3239x - 24, ,76 r =,872*** y =,574x + 81,7678,76 r =,872*** log Celkem y = 1,148x -, ,8491 r =,921*** y =,7443x +,666,8491 r =,921*** Do y =,3189x + 31, ,382 r =,618*** y = 1,1979x + 14,3395,382 r =,618*** log Do y = 1,453x -, ,714 r =,845*** y =,6831x +,6811,714 r =,845*** Do 1 y =,4794x + 3, ,4888 r =,699*** y = 1,196x + 2,7137,4888 r =,699*** log Do 1 y = 1,795x -, ,7395 r =,86*** y =,685x +,6784,7395 r =,86*** grubs rozdíl (B) y =,9537x - 11, ,9521 r =,976*** y =,9983x + 15,3912,9521 r =,976*** log grubs rozdíl (B) y = 1,146x -, ,762 r =,873*** y =,6898x +,6661,762 r =,873*** grubs ABS(rozdíl) (C) y =,9897x - 11, ,9653 r =,982*** y =,9753x + 13,6454,9653 r =,982*** log grubs ABS(rozdíl) (C) y = 1,1222x -, ,7518 r =,867*** y =,6699x +,6825,7518 r =,867***

81 Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 2 - LRM Bušthrad - pístroj 5 a 55 Celkem y = 1,3446x - 19,75 R 2 =, y =,558x + 69,515 R 2 =, Lineární y = 1,3446x - 19,748 n = 83 Lineární y =,558x + 69,5146 R 2 =,747 r =,861*** R 2 =,747 r =,861*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,185x -,5448 R 2 =,8472,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7149x +,6572 R 2 =,8472,, 1, 2, 3, 4, 5, Lineární y = 1,185x -,5448 n = 83 Lineární y =,7149x +,6572 R 2 =,8472 r =,92*** R 2 =,8472 r =,92*** Do y =,3731x + 25,385 R 2 =, y = 1,733x + 17,251 R 2 =, Lineární y =,3731x + 25,3848 n = 731 Lineární y = 1,733x + 17,256 R 2 =,45 r =,633*** R 2 =,45 r =,633***

82 log Do 3, 3, y = 1,1165x -,4498 R 2 =,7346 3, 3, y =,658x +,7251 R 2 =,7346 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,1165x -,4498 n = 731 Lineární y =,658x +,7251 Do 1 R 2 =,7346 r =,857*** R 2 =,7346 r =,857*** y =,5147x + 25,847 R 2 =, y =,9893x + 19,558 R 2 =, Lineární y =,5147x + 25,8472 n = 751 Lineární y =,9893x + 19,558 R 2 =,592 r =,714*** R 2 =,592 r =,714*** log Do 1 4, 3, 3, 2, 2, 1, 1,, y = 1,1411x -,481 R 2 =,7584,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6646x +,7172 R 2 =,7584,, 1, 2, 3, 4, Lineární y = 1,1411x -,481 n = 751 Lineární y =,6646x +,7172 R 2 =,7584 r =,871*** R 2 =,7584 r =,871*** grubs rozdíl (B) y =,9942x - 14,53 R 2 =, y =,9543x + 17,926 R 2 =, Lineární y =,9942x - 14,534 n = 722 Lineární y =,9543x + 17,9263 R 2 =,9488 r =,974*** R 2 =,9488 r =,974***

83 log grubs rozdíl (B) 4, 3, 3, 2, 2, 1, 1,, y = 1,1527x -,583 R 2 =,7722,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6699x +,78 R 2 =,7722,, 1, 2, 3, 4, Lineární y = 1,1527x -,583 n = 722 Lineární y =,6699x +,78 R 2 =,7722 r =,879*** R 2 =,7722 r =,879*** grubs ABS(rozdíl) (C) y = 1,62x - 14,479 R 2 =, y =,9461x + 17,424 R 2 =, Lineární y = 1,62x - 14,4786 n = 718 Lineární y =,9461x + 17,4242 R 2 =,952 r =,976*** R 2 =,952 r =,976*** log grubs ABS(rozdíl) (C) 4, 3, 3, 2, 2, 1, 1,, y = 1,1631x -,5222 R 2 =,7752,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6664x +,796 R 2 =,7752,, 1, 2, 3, 4, Lineární y = 1,1631x -,5222 n = 718 Lineární y =,6664x +,796 R 2 =,7752 r =,88*** R 2 =,7752 r =,88***

84 Laborato 2 - LRM Bušthrad - pístroj 5 Celkem y = 1,3671x - 18,324 R 2 =, y =,5286x + 63,836 R 2 =, Lineární y = 1,3671x - 18,3244 n = 518 Lineární y =,5286x + 63,8361 log Celkem R 2 =,7227 r =,85*** R 2 =,7227 r =,85*** 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,2151x -,641 R 2 =,847,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,697x +,6863 R 2 =,847,, 1, 2, 3, 4, 5, Lineární y = 1,2151x -,641 n = 518 Lineární y =,697x +,6863 R 2 =,847 r =,92*** R 2 =,847 r =,92*** Do y =,4388x + 2,235 R 2 =, y =,9797x + 19,71 R 2 =, Lineární y =,4388x + 2,2348 n = 476 Lineární y =,9797x + 19,798 R 2 =,4299 r =,656*** R 2 =,4299 r =,656***

85 log Do 3, 3, 2, 2, 1, 1,, y = 1,1616x -,5314 R 2 =,749,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,6448x +,7478 R 2 =,749,, 1, 2, 3, Lineární y = 1,1616x -,5314 n = 476 Lineární y =,6448x +,7478 Do 1 R 2 =,749 r =,865*** R 2 =,749 r =,865*** y =,5383x + 23,333 R 2 =, y =,9712x + 18,921 R 2 =, Lineární y =,5383x + 23,3327 n = 488 Lineární y =,9712x + 18,927 R 2 =,5228 r =,723*** R 2 =,5228 r =,723*** log Do 1 4, 3, 3, 2, 2, 1, 1,, y = 1,1793x -,5532 R 2 =,7712,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,654x +,7372 R 2 =,7712,, 1, 2, 3, 4, Lineární y = 1,1793x -,5532 n = 488 Lineární y =,654x +,7372 R 2 =,7712 r =,878*** R 2 =,7712 r =,878*** grubs rozdíl (B) y = 1,229x - 15,7 R 2 =, y =,9238x + 18,491 R 2 =, Lineární y = 1,229x - 15,73 n = 47 Lineární y =,9238x + 18,495 R 2 =,945 r =,972*** R 2 =,945 r =,972***

86 log grubs rozdíl (B) 4, 3, 3, 2, 2, 1, 1,, y = 1,1948x -,5821 R 2 =,7794,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6523x +,7346 R 2 =,7794,, 1, 2, 3, 4, Lineární y = 1,1948x -,5821 n = 47 Lineární y =,6523x +,7346 R 2 =,7794 r =,883*** R 2 =,7794 r =,883*** grubs ABS(rozdíl) (C) y = 1,394x - 16,363 R 2 =, y =,9214x + 18,28 R 2 =, Lineární y = 1,394x - 16,3633 n = 47 Lineární y =,9214x + 18,283 R 2 =,9577 r =,979*** R 2 =,9577 r =,979*** log grubs ABS(rozdíl) (C) 4, 3, 3, 2, 2, 1, 1,, y = 1,199x -,5875 R 2 =,7863,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6558x +,7295 R 2 =,7863,, 1, 2, 3, 4, Lineární y = 1,199x -,5875 n = 47 Lineární y =,6558x +,7295 R 2 =,7863 r =,887*** R 2 =,7863 r =,887***

87 Laborato 2 - LRM Bušthrad - pístroj 55 Celkem y = 1,3239x - 24,346 R 2 =, y =,574x + 81,768 R 2 =, Lineární y = 1,3239x - 24,3461 n = 285 Lineární y =,574x + 81,7678 log Celkem R 2 =,76 r =,872*** R 2 =,76 r =,872*** 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,148x -,4529 R 2 =,8491,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7443x +,666 R 2 =,8491,, 1, 2, 3, 4, 5, Lineární y = 1,148x -,4529 n = 285 Lineární y =,7443x +,666 R 2 =,8491 r =,921*** R 2 =,8491 r =,921*** Do y =,3189x + 31,14 R 2 =, y = 1,1979x + 14,339 R 2 =, Lineární y =,3189x + 31,144 n = 255 Lineární y = 1,1979x + 14,3395 R 2 =,382 r =,618*** R 2 =,382 r =,618***

88 log Do 3, 3, y = 1,453x -,318 R 2 =,714 3, 3, y =,6831x +,6811 R 2 =,714 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,453x -,318 n = 255 Lineární y =,6831x +,6811 R 2 =,714 r =,845*** R 2 =,714 r =,845*** Do y =,4794x + 3,256 R 2 =, y = 1,196x + 2,714 R 2 =, Lineární y =,4794x + 3,2565 n = 263 Lineární y = 1,196x + 2,7137 log Do 1 R 2 =,4888 r =,699*** R 2 =,4888 r =,699*** 3, 3, y = 1,795x -,3617 R 2 =,7395 3, 3, y =,685x +,6784 R 2 =,7395 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,795x -,3617 n = 263 Lineární y =,685x +,6784 R 2 =,7395 r =,86*** R 2 =,7395 r =,86***

89 grubs rozdíl (B) y =,9537x - 11,547 R 2 =, y =,9983x + 15,391 R 2 =, Lineární y =,9537x - 11,547 n = 246 Lineární y =,9983x + 15,3912 log grubs rozdíl (B) R 2 =,9521 r =,976*** R 2 =,9521 r =,976*** 3, 3, y = 1,146x -,4141 R 2 =,762 3, 3, y =,6898x +,6661 R 2 =,762 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,146x -,4141 n = 246 Lineární y =,6898x +,6661 R 2 =,762 r =,873*** R 2 =,762 r =,873*** grubs ABS(rozdíl) (C) y =,9897x - 11,533 R 2 =, y =,9753x + 13,645 R 2 =, Lineární y =,9897x - 11,5333 n = 236 Lineární y =,9753x + 13,6454 R 2 =,9653 r =,982*** R 2 =,9653 r =,982*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,1222x -,4393 R 2 =,7518 3, 3, y =,6699x +,6825 R 2 =,7518 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,1222x -,4393 n = 236 Lineární y =,6699x +,6825 R 2 =,7518 r =,867*** R 2 =,7518 r =,867***

90 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,3x + 2, ,9978 r =,999*** y = 319,5779x , ,9978 r =,999*** do (A1) y =,3x + 12, ,9919 r =,996*** y = 2857,636x , ,9919 r =,996*** grubs rozdíl (B) y =,3x + 15, ,9959 r =,998*** y = 347,421x , ,9959 r =,998*** grubs rozdíl (B1) y =,4x + 7, ,9971 r =,999*** y = 2582,9717x , ,9971 r =,999*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,4x + 1, ,7597 r =,872*** y = 1888,164x , ,7597 r =,872*** do (A1) y =,2x + 29, ,4444 r =,667*** y = 2788,1224x , ,4444 r =,667*** grubs rozdíl (B) y =,3x + 5, ,972 r =,985*** y = 2993,6717x , ,972 r =,985*** grubs rozdíl (B1) y =,3x + 1, ,7763 r =,881*** y = 2227,129x , ,7763 r =,881*** IBC impulsy / log IBC impulsy log IBC impulsy / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,29x + 4, ,5145 r =,717*** y = ,3319x , ,5145 r =,717*** do (A1) y =,94x + 4, ,4319 r =,657*** y = ,7422x , ,4319 r =,657*** grubs rozdíl (B) y =,48x + 4, ,3898 r =,624*** y = ,4551x , ,3898 r =,624*** grubs rozdíl (B1) y =,23x + 4, ,6793 r =,824*** y = ,2953x , ,6793 r =,824*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,26x + 1, ,598 r =,714*** y = ,9535x , ,598 r =,714*** do (A1) y =,86x + 1, ,4278 r =,654*** y = ,524x , ,4278 r =,654*** grubs rozdíl (B) y =,44x + 1, ,3854 r =,621*** y = 88335,5542x , ,3854 r =,621*** grubs rozdíl (B1) y =,186x + 1, ,6743 r =,821*** y = 36296,8616x , ,6743 r =,821*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,29x + 1, ,4232 r =,651*** y = ,724x , ,4232 r =,651*** do (A1) y =,83x + 1, ,2469 r =,497*** y = ,1839x , ,2469 r =,497*** grubs rozdíl (B) y =,48x + 1, ,2974 r =,545*** y = 61329,235x , ,2974 r =,545*** grubs rozdíl (B1) y =,26x + 1, ,4891 r =,699*** y = 23772,3447x , ,4891 r =,699*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,2853x - 24, ,7599 r =,872*** y =,5913x + 55, ,7599 r =,872*** do (A1) y =,483x + 21, ,4957 r =,74*** y = 1,264x + 13, ,4957 r =,74*** grubs rozdíl (B) y =,9895x - 9, ,9698 r =,985*** y =,981x + 12, ,9698 r =,985*** grubs rozdíl (B1) y =,913x - 4, ,7758 r =,881*** y =,867x + 18, ,7758 r =,881***

91 / log IBC impulsy log IBC impulsy / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9x + 4, ,5519 r =,743*** y = 582,4526x , ,5519 r =,743*** do (A1) y =,29x + 4, ,598 r =,714*** y = 173,999x - 793, ,598 r =,714*** grubs rozdíl (B) y =,16x + 4, ,4442 r =,666*** y = 284,9753x , ,4442 r =,666*** grubs rozdíl (B1) y =,54x + 4, ,7243 r =,851*** y = 133,7147x - 598, ,7243 r =,851*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9x + 1, ,5471 r =,74*** y = 633,8334x - 929, ,5471 r =,74*** do (A1) y =,27x + 1, ,554 r =,711*** y = 188,54x - 238, ,554 r =,711*** grubs rozdíl (B) y =,14x + 1, ,4395 r =,663*** y = 38,8969x - 423, ,4395 r =,663*** grubs rozdíl (B1) y =,5x + 1, ,7193 r =,848*** y = 144,975x - 172, ,7193 r =,848*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,1x + 1, ,4537 r =,674*** y = 466,645x - 564, ,4537 r =,674*** do (A1) y =,26x + 1, ,33 r =,548*** y = 114,6683x - 96, ,33 r =,548*** grubs rozdíl (B) y =,16x + 1, ,3394 r =,583*** y = 214,5288x - 229, ,3394 r =,583*** grubs rozdíl (B1) y =,55x + 1, ,522 r =,722*** y = 94,6846x - 73, ,522 r =,722*** / log IBC impulsy log IBC impulsy / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,5x + 4, ,412 r =,633*** y = 732,1785x , ,412 r =,633*** do (A1) y =,43x + 4, ,524 r =,721*** y = 12,5944x - 543, ,524 r =,721*** grubs rozdíl (B) y =,15x + 4, ,427 r =,635*** y = 272,6255x , ,427 r =,635*** grubs rozdíl (B1) y =,46x + 4, ,5424 r =,736*** y = 118,417x - 533, ,5424 r =,736*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,5x + 1, ,3976 r =,631*** y = 796,617x , ,3976 r =,631*** do (A1) y =,4x + 1, ,517 r =,719*** y = 13,8138x - 158, ,517 r =,719*** grubs rozdíl (B) y =,13x + 1, ,3982 r =,631*** y = 295,4394x - 411, ,3982 r =,631*** grubs rozdíl (B1) y =,42x + 1, ,5384 r =,734*** y = 128,2952x - 155, ,5384 r =,734*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,6x + 1, ,469 r =,638*** y = 651,5455x - 831, ,469 r =,638*** do (A1) y =,55x + 1, ,621 r =,787*** y = 113,342x - 19, ,621 r =,787*** grubs rozdíl (B) y =,16x + 1, ,3655 r =,65*** y = 223,73x - 253, ,3655 r =,65*** grubs rozdíl (B1) y =,59x + 1, ,6236 r =,79*** y = 15,933x - 1, ,6236 r =,79***

92 log IBC impulsy / / log IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9149x - 2, ,9998 r = 1*** y = 1,929x + 3, ,9998 r = 1*** do (A1) y =,9188x - 2, ,9997 r = 1*** y = 1,881x + 3, ,9997 r = 1*** grubs rozdíl (B) y =,9175x - 2, ,9998 r = 1*** y = 1,896x + 3, ,9998 r = 1*** grubs rozdíl (B1) y =,9195x - 2, ,9997 r = 1*** y = 1,873x + 3, ,9997 r = 1*** log IBC impulsy / / log IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,35x - 3, ,8292 r =,911*** y =,847x + 3, ,8292 r =,911*** do (A1) y =,9885x - 3, ,724 r =,849*** y =,7288x + 3, ,724 r =,849*** grubs rozdíl (B) y = 1,28x - 3, ,7839 r =,885*** y =,7626x + 3, ,7839 r =,885*** grubs rozdíl (B1) y = 1,32x - 3, ,7383 r =,859*** y =,7167x + 3, ,7383 r =,859*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,1264x -, ,8293 r =,911*** y =,7363x +, ,8293 r =,911*** do (A1) y = 1,763x -, ,721 r =,849*** y =,6699x +, ,721 r =,849*** grubs rozdíl (B) y = 1,123x -, ,784 r =,885*** y =,6998x +, ,784 r =,885*** grubs rozdíl (B1) y = 1,123x -, ,7384 r =,859*** y =,6591x +, ,7384 r =,859***

93 Grafické hodnocení stanovení CMP Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a y =,3x + 2,196 R 2 =, IBC impulsy IBC impulsy y = 319,6x R 2 =, Lineární y =,3x + 2,1962 n = 1651 y = 319,5779x ,5182 n = 1651 R 2 =,9978 r =,999*** R 2 =,9978 r =,999*** y =,4x + 1,641 R 2 =, IBC impulsy IBC impulsy y = 1888,2x R 2 =, Lineární y =,4x + 1,641 n = 1651 y = 1888,164x ,7352 n = 1651 R 2 =,7597 r =,872*** R 2 =,7597 r =,872*** log IBC impulsy 1, 8, 6, 4, 2, y = 3E-7x + 4,9383 R 2 =,5145, IBC impulsy IBC impulsy y = 2E+6x - 9E+6 R 2 =,5145, 2, 4, 6, 8, -5 log IBC impulsy Lineární y =,29x + 4,9383 n = 1651 y = ,3319x ,2964 n = 1651 R 2 =,5145 r =,717*** R 2 =,5145 r =,717*** 6, 5, 4, 3, 2, 1, y = 3E-7x + 1,6114 R 2 =,598, IBC impulsy IBC impulsy y = 2E+6x - 3E+6 R 2 =, , 1, 2, 3, 4, -4 Lineární y =,26x + 1,6114 n = 1651 y = ,9535x ,855 n = 1651 R 2 =,598 r =,714*** R 2 =,598 r =,714***

94 6, 5, 4, 3, 2, 1, y = 3E-7x + 1,435 R 2 =,4232, IBC impulsy IBC impulsy y = 1E+6x - 2E+6 R 2 =, , 1, 2, 3, 4, 5, -4 Lineární y =,29x + 1,435 n = 1651 y = ,724x ,2473 n = 1651 R 2 =,4232 r =,651*** R 2 =,4232 r =,651*** y = 1,2853x - 24,14 R 2 =, y =,5913x + 55,395 R 2 =, Lineární y = 1,2853x - 24,1398 n = 1651 y =,5913x + 55,3948 n = 1651 R 2 =,7599 r =,872*** R 2 =,7599 r =,872*** log IBC impulsy 1, 8, 6, 4, 2, y =,9x + 4,9144 R 2 =,5519, y = 582,45x ,6 R 2 =,5519, -1 2, 4, 6, 8, log IBC impulsy Lineární y =,9x + 4,9144 n = 1651 y = 582,4526x ,6379 n = 1651 R 2 =,5519 r =,743*** R 2 =,5519 r =,743*** 6, 5, 4, 3, 2, 1, y =,9x + 1,5896 R 2 =,5471, y = 633,83x - 929,94 R 2 =,5471, -1 1, 2, 3, 4, Lineární y =,9x + 1,5896 n = 1651 y = 633,8334x - 929,9394 n = 1651 R 2 =,5471 r =,74*** R 2 =,5471 r =,74***

95 6, 5, 4, 3, 2, 1, y =,1x + 1,415 R 2 =,4537, y = 466,65x - 564,61 R 2 =,4537, -1 1, 2, 3, 4, 5, Lineární y =,1x + 1,415 n = 1651 y = 466,645x - 564,683 n = 1651 R 2 =,4537 r =,674*** R 2 =,4537 r =,674*** log IBC impulsy 1, 8, 6, 4, 2, y =,5x + 4,9693 R 2 =,412, y = 732,18x R 2 =,412, 2, 4, 6, 8, -2 log IBC impulsy Lineární y =,5x + 4,9693 n = 1651 y = 732,1785x ,174 n = 1651 R 2 =,412 r =,633*** R 2 =,412 r =,633*** 6, 5, 4, 3, 2, 1, y =,5x + 1,6396 R 2 =,3976, y = 796,62x R 2 =,3976, 1, 2, 3, 4, -2 Lineární y =,5x + 1,6396 n = 1651 y = 796,617x ,299 n = 1651 R 2 =,3976 r =,631*** R 2 =,3976 r =,631*** 7, 6, 5, 4, 3, 2, 1, y =,6x + 1,4546 R 2 =,469, y = 651,55x - 831,47 R 2 =,469, 1, 2, 3, 4, 5, -2 Lineární y =,6x + 1,4546 n = 1651 y = 651,5455x - 831,4662 n = 1651 R 2 =,469 r =,638*** R 2 =,469 r =,638***

96 4, 3, y =,9149x - 2,971 R 2 =,9998 8, 7, y = 1,929x + 3,1779 R 2 =,9998 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9149x - 2,971 n = 1651 y = 1,929x + 3,1779 n = 1651 R 2 =,9998 r = 1*** R 2 =,9998 r = 1*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 1,35x - 3,6547 R 2 =,8292, 2, 4, 6, 8, log IBC impulsy log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,847x + 3,877 R 2 =,8292,, 1, 2, 3, 4, 5, Lineární y = 1,35x - 3,6547 n = 1651 Lineární y =,847x + 3,877 n = 1651 R 2 =,8292 r =,911*** R 2 =,8292 r =,911*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 1,1264x -,38 R 2 =,8293, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7363x +,5763 R 2 =,8293,, 1, 2, 3, 4, 5, Lineární y = 1,1264x -,38 n = 1651 y =,7363x +,5763 n = 1651 R 2 =,8293 r =,911*** R 2 =,8293 r =,911***

97 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a y =,3x + 12,783 R 2 =,9919 IBC impulsy y = 2857,6x R 2 =, IBC impulsy Lineární y =,3x + 12,7829 n = 1543 y = 2857,636x ,2562 n = 1543 R 2 =,9919 r =,996*** R 2 =,9919 r =,996*** y =,2x + 29,68 R 2 =,4444 IBC impulsy y = 2788,1x R 2 =, IBC impulsy Lineární y =,2x + 29,678 n = 1543 y = 2788,1224x ,2977 n = 1543 R 2 =,4444 r =,667*** R 2 =,4444 r =,667*** log IBC impulsy 12, 1, 8, 6, 4, 2, y = 9E-7x + 4,8143 R 2 =,4319 IBC impulsy y = x - 2E+6 R 2 =,4319, IBC impulsy -1, 2, 4, 6, 8, log IBC impulsy Lineární y =,94x + 4,8143 n = 1543 y = ,7422x ,7196 n = 1543 R 2 =,4319 r =,657*** R 2 =,4319 r =,657*** 8, 7, 6, 5, 4, 3, 2, 1, y = 9E-7x + 1,4979 R 2 =,4278, IBC impulsy y = x R 2 =,4278-1, 1, 2, 3, 4, IBC impulsy Lineární y =,86x + 1,4979 n = 1543 y = ,524x ,4596 n = 1543 R 2 =,4278 r =,654*** R 2 =,4278 r =,654***

98 7, 6, 5, 4, 3, 2, 1, y = 8E-7x + 1,3222 R 2 =,2469, IBC impulsy IBC impulsy y = x R 2 =,2469-1,, 1, 1, 2, 2, 3, Lineární y =,83x + 1,3222 n = 1543 y = ,1839x ,4259 n = 1543 R 2 =,2469 r =,497*** R 2 =,2469 r =,497*** y =,483x + 21,499 R 2 =, y = 1,264x + 13,867 R 2 =, Lineární y =,483x + 21,4991 n = 1543 y = 1,264x + 13,8671 n = 1543 R 2 =,4957 r =,74*** R 2 =,4957 r =,74*** log IBC impulsy 12, 1, 8, 6, 4, 2, y =,29x + 4,7639 R 2 =,598, y = 174x - 793,98 R 2 =,598, - 2, 4, 6, 8, log IBC impulsy Lineární y =,29x + 4,7639 n = 1543 Lineární y = 173,999x - 793,9794 n = 1543 R 2 =,598 r =,714*** R 2 =,598 r =,714*** 8, 7, 6, 5, 4, 3, 2, 1, y =,27x + 1,4517 R 2 =,554, y = 188,54x - 238,45 R 2 =,554, - 1, 2, 3, 4, Lineární y =,27x + 1,4517 n = 1543 y = 188,54x - 238,4512 n = 1543 R 2 =,554 r =,711*** R 2 =,554 r =,711***

99 7, 6, 5, 4, 3, 2, 1, y =,26x + 1,275 R 2 =,33, y = 114,67x - 96,347 R 2 =,33, -, 1, 1, 2, 2, 3, Lineární y =,26x + 1,275 n = 1543 y = 114,6683x - 96,3467 n = 1543 R 2 =,33 r =,548*** R 2 =,33 r =,548*** log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,43x + 4,7314 R 2 =,524, y = 12,59x - 543,76 R 2 =,524-1, 2, 4, 6, 8, log IBC impulsy Lineární y =,43x + 4,7314 n = 1543 y = 12,5944x - 543,7581 n = 1543 R 2 =,524 r =,721*** R 2 =,524 r =,721*** 4, 3, 3, 2, 2, 1, 1,, y =,4x + 1,4217 R 2 =,517, y = 13,81x - 158,97 R 2 =,517-1, 1, 2, 3, 4, Lineární y =,4x + 1,4217 n = 1543 y = 13,8138x - 158,9676 n = 1543 R 2 =,517 r =,719*** R 2 =,517 r =,719*** 4, 4, 3, 3, 2, 2, 1, 1,,, y =,55x + 1,1549 R 2 =, y = 113,3x - 19,3 R 2 =,621-1,, 1, 1, 2, 2, 3, Lineární y =,55x + 1,1549 n = 1543 y = 113,342x - 19,2991 n = 1543 R 2 =,621 r =,787*** R 2 =,621 r =,787***

100 3, 3, 2, 2, 1, 1,, y =,9188x - 2,926 R 2 =,9997 log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y = 1,881x + 3,1852 R 2 =,9997,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9188x - 2,926 n = 1543 y = 1,881x + 3,1852 n = 1543 R 2 =,9997 r = 1*** R 2 =,9997 r = 1*** 3, 3, 2, 2, 1, 1,, y =,9885x - 3,454 R 2 =,724 log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,7288x + 3,975 R 2 =,724,,, 2, 4, 6, 8,,, 1, 1, 2, 2, 3, log IBC impulsy Lineární y =,9885x - 3,454 n = 1543 y =,7288x + 3,975 n = 1543 R 2 =,724 r =,849*** R 2 =,724 r =,849*** 3, 3, y = 1,763x -,363 R 2 =,721 3, 3, y =,6699x +,6635 R 2 =,721 2, 2, 1, 1,, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 1, 2, 2, 3, Lineární y = 1,763x -,363 n = 1543 y =,6699x +,6635 n = 1543 R 2 =,721 r =,849*** R 2 =,721 r =,849***

101 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a y =,3x + 15,941 R 2 =, IBC impulsy IBC impulsy y = 347,4x R 2 =, Lineární y =,3x + 15,9414 n = 1551 y = 347,421x ,7255 n = 1551 R 2 =,9959 r =,998*** R 2 =,9959 r =,998*** y =,3x + 5,8243 R 2 =, IBC impulsy IBC impulsy y = 2993,7x R 2 =, Lineární y =,3x + 5,8243 n = 1551 y = 2993,6717x ,1686 n = 1551 R 2 =,972 r =,985*** R 2 =,972 r =,985*** log IBC impulsy 1, 8, 6, 4, 2,, y = 5E-7x + 4,8826 R 2 =, IBC impulsy IBC impulsy y = x - 4E+6 R 2 =,3898, -2 2, 4, 6, 8, log IBC impulsy Lineární y =,48x + 4,8826 n = 1551 y = ,4551x ,3141 n = 1551 R 2 =,3898 r =,624*** R 2 =,3898 r =,624*** 6, 5, 4, 3, 2, 1,, y = 4E-7x + 1,565 R 2 =, IBC impulsy IBC impulsy y = 88336x - 1E+6 R 2 =,3854, -2 1, 2, 3, 4, Lineární y =,44x + 1,565 n = 1551 y = 88335,5542x ,519 n = 1551 R 2 =,3854 r =,621*** R 2 =,3854 r =,621***

102 7, 6, 5, 4, 3, 2, 1,, y = 5E-7x + 1,3752 R 2 =, IBC impulsy IBC impulsy y = 61329x R 2 =,2974, -2 1, 2, 3, 4, Lineární y =,48x + 1,3752 n = 1551 y = 61329,235x ,752 n = 1551 R 2 =,2974 r =,545*** R 2 =,2974 r =,545*** y =,9895x - 9,7852 R 2 =, y =,981x + 12,28 R 2 =, Lineární y =,9895x - 9,7852 n = 1551 y =,981x + 12,281 n = 1551 R 2 =,9698 r =,985*** R 2 =,9698 r =,985*** log IBC impulsy 1, 8, 6, 4, 2, y =,16x + 4,858 R 2 =,4442, y = 284,98x ,8 R 2 =,4442 -, 2, 4, 6, 8, log IBC impulsy Lineární y =,16x + 4,858 n = 1551 y = 284,9753x ,8136 n = 1551 R 2 =,4442 r =,666*** R 2 =,4442 r =,666*** 6, 5, 4, 3, 2, 1, y =,14x + 1,5314 R 2 =,4395, y = 38,9x - 423,7 R 2 =,4395 -, 1, 2, 3, 4, Lineární y =,14x + 1,5314 n = 1551 y = 38,8969x - 423,747 n = 1551 R 2 =,4395 r =,663*** R 2 =,4395 r =,663***

103 7, 6, 5, 4, 3, 2, 1, y =,16x + 1,3428 R 2 =,3394, y = 214,53x - 229,19 R 2 =,3394 -, 1, 2, 3, 4, Lineární y =,16x + 1,3428 n = 1551 y = 214,5288x - 229,1915 n = 1551 R 2 =,3394 r =,583*** R 2 =,3394 r =,583*** log IBC impulsy 1, 8, 6, 4, 2, y =,15x + 4,8739 R 2 =,427, y = 272,63x ,9 R 2 =,427 -, 2, 4, 6, 8, log IBC impulsy Lineární y =,15x + 4,8739 n = 1551 y = 272,6255x ,9143 n = 1551 R 2 =,427 r =,635*** R 2 =,427 r =,635*** 6, 5, 4, 3, 2, 1, y =,13x + 1,5525 R 2 =,3982, y = 295,44x - 411,48 R 2 =,3982 -, 1, 2, 3, 4, Lineární y =,13x + 1,5525 n = 1551 y = 295,4394x - 411,4823 n = 1551 R 2 =,3982 r =,631*** R 2 =,3982 r =,631*** 7, 6, 5, 4, 3, 2, 1, y =,16x + 1,3557 R 2 =,3655, y = 223,7x - 253,53 R 2 =,3655 -, 1, 2, 3, 4, Lineární y =,16x + 1,3557 n = 1551 y = 223,73x - 253,5274 n = 1551 R 2 =,3655 r =,65*** R 2 =,3655 r =,65***

104 4, 3, y =,9175x - 2,921 R 2 =,9998 8, 7, y = 1,896x + 3,1829 R 2 =,9998 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9175x - 2,921 n = 1551 y = 1,896x + 3,1829 n = 1551 R 2 =,9998 r = 1*** R 2 =,9998 r = 1*** 4, 3, y = 1,28x - 3,6457 R 2 =,7839 8, 7, y =,7626x + 3,8582 R 2 =,7839 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y = 1,28x - 3,6457 n = 1551 y =,7626x + 3,8582 n = 1551 R 2 =,7839 r =,885*** R 2 =,7839 r =,885*** 4, 3, y = 1,123x -,3739 R 2 =,784 4, 3, y =,6998x +,6198 R 2 =,784 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,,, 1, 2, 3, 4,, 1, 2, 3, 4, Lineární y = 1,123x -,3739 n = 1551 y =,6998x +,6198 n = 1551 R 2 =,784 r =,885*** R 2 =,784 r =,885***

105 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a y =,4x + 7,128 R 2 =, IBC impulsy IBC impulsy y = 2583x R 2 =, Lineární y =,4x + 7,128 n = 1517 y = 2582,9717x ,3237 n = 1517 R 2 =,9971 r =,999*** R 2 =,9971 r =,999*** y =,3x + 1,9336 R 2 =, IBC impulsy IBC impulsy y = 2227,1x R 2 =, Lineární y =,3x + 1,9336 n = 1517 y = 2227,129x ,4234 n = 1517 R 2 =,7763 r =,881*** R 2 =,7763 r =,881*** log IBC impulsy 9, 8, 7, 6, 5, 4, 3, 2, 1,, y = 2E-6x + 4,6588 R 2 =, IBC impulsy IBC impulsy y = x - 2E+6 R 2 =,6793, 2, 4, 6, 8, - log IBC impulsy Lineární y =,23x + 4,6588 n = 1517 y = ,2953x ,477 n = 1517 R 2 =,6793 r =,824*** R 2 =,6793 r =,824*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 2E-6x + 1,3552 R 2 =, IBC impulsy IBC impulsy y = 36297x R 2 =,6743,, 1, 1, 2, 2, 3, - Lineární y =,186x + 1,3552 n = 1517 y = 36296,8616x ,5382 n = 1517 R 2 =,6743 r =,821*** R 2 =,6743 r =,821***

106 5, 4, 3, 2, 1, y = 2E-6x + 1,147 R 2 =,4891, IBC impulsy IBC impulsy y = 23772x R 2 =,4891,, 1, 1, 2, 2, 3, - Lineární y = 23772,3447x ,164 n = 1517 y =,26x + 1,147 n = 1517 R 2 =,4891 r =,699*** R 2 =,4891 r =,699*** y =,913x - 4,3999 R 2 =, y =,867x + 18,73 R 2 =, Lineární y =,913x - 4,3999 n = 1517 y =,867x + 18,73 n = 1517 R 2 =,7758 r =,881*** R 2 =,7758 r =,881*** log IBC impulsy 9, 8, 7, 6, 5, 4, 3, 2, 1,, y =,54x + 4,611 R 2 =, y = 133,71x - 598,99 R 2 =,7243-1, 2, 4, 6, 8, log IBC impulsy Lineární y =,54x + 4,611 n = 1517 y = 133,7147x - 598,9919 n = 1517 R 2 =,7243 r =,851*** R 2 =,7243 r =,851*** 4, 4, 3, 3, 2, 2, 1, 1,,, y =,5x + 1,3113 R 2 =, y = 144,91x - 172,13 R 2 =,7193-1,, 1, 1, 2, 2, 3, Lineární y =,5x + 1,3113 n = 1517 y = 144,975x - 172,1338 n = 1517 R 2 =,7193 r =,848*** R 2 =,7193 r =,848***

107 4, 4, 3, 3, 2, 2, 1, 1,,, y =,55x + 1,981 R 2 =, y = 94,685x - 73,521 R 2 =,522-1,, 1, 1, 2, 2, 3, Lineární y =,55x + 1,981 n = 1517 y = 94,6846x - 73,5214 n = 1517 R 2 =,522 r =,722*** R 2 =,522 r =,722*** log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,46x + 4,7132 R 2 =,5424, y = 118,41x - 533,83 R 2 =,5424, -1 2, 4, 6, 8, log IBC impulsy Lineární y =,46x + 4,7132 n = 1517 y = 118,417x - 533,8312 n = 1517 R 2 =,5424 r =,736*** R 2 =,5424 r =,736*** 3, 3, 2, 2, 1, 1,, y =,42x + 1,45 R 2 =,5384, y = 128,3x - 155,78 R 2 =,5384, -1, 1, 1, 2, 2, 3, Lineární y =,42x + 1,45 n = 1517 y = 128,2952x - 155,7836 n = 1517 R 2 =,5384 r =,734*** R 2 =,5384 r =,734*** 4, 3, 3, 2, 2, 1, 1,, y =,59x + 1,1371 R 2 =,6236, y = 15,9x - 1,47 R 2 =,6236, -1, 1, 1, 2, 2, 3, Lineární y =,59x + 1,1371 n = 1517 y = 15,933x - 1,4681 n = 1517 R 2 =,6236 r =,79*** R 2 =,6236 r =,79***

108 3, 2, 2, 1, 1,, y =,9195x - 2,9295 R 2 =,9997 log IBC impulsy 7, 6, 5, 4, 3, 2, 1, y = 1,873x + 3,1865 R 2 =,9997,, 2, 4, 6, 8, log IBC impulsy,,, 1, 1, 2, 2, 3, Lineární y =,9195x - 2,9295 n = 1517 y = 1,873x + 3,1865 n = 1517 R 2 =,9997 r = 1*** R 2 =,9997 r = 1*** 3, 2, 2, 1, 1,, y = 1,32x - 3,6565 R 2 =,7383 log IBC impulsy 7, 6, 5, 4, 3, 2, 1, y =,7167x + 3,9174 R 2 =,7383,, 2, 4, 6, 8, log IBC impulsy,,, 1, 1, 2, 2, 3, Lineární y = 1,32x - 3,6565 n = 1517 y =,7167x + 3,9174 n = 1517 R 2 =,7383 r =,859*** R 2 =,7383 r =,859*** 3, 2, y = 1,123x -,374 R 2 =,7384 3, 2, y =,6591x +,6723 R 2 =,7384 2, 1, 1,, 2, 1, 1,,,,, 1, 1, 2, 2, 3,,,, 1, 1, 2, 2, 3, Lineární y =,6591x +,6723 n = 1517 y = 1,123x -,374 n = 1517 R 2 =,7384 r =,859*** R 2 =,7384 r =,859***

109 Laborato 1 LRM Brno - pístroj 63 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,886x - 2,9325 n = 276 y =,6686x + 4,213 n = 276 R 2 =,5888 r =,767*** R 2 =,5888 r =,767*** Lineární y = 122,765x - 567,514 n = 276 y =,4x + 4,821 n = 276 R 2 =,4922 r =,72*** R 2 =,4922 r =,72*** Lineární y =,3x + 5,6885 n = 276 y = 2388,3311x ,6546 n = 276 R 2 =,662 r =,813*** R 2 =,662 r =,813***

110 Laborato 1 LRM Brno - pístroj 63 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y =,9712x - 3,3742 n = 275 y =,7138x + 3,9469 n = 275 R 2 =,6933 r =,833*** R 2 =,6933 r =,833*** Lineární y = 34,2569x ,31 n = 275 y =,11x + 4,9467 n = 275 R 2 =,3333 r =,577*** R 2 =,3333 r =,577*** Lineární y =,3x + 1,351 n = 275 y =,9587x + 17,4837 n = 275 R 2 =,985 r =,99*** R 2 =,9741 r =,987***

111 Laborato 1 LRM Brno - pístroj 63 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y =,9629x - 3,3331 n = 272 y =,6666x + 4,121 n = 272 R 2 =,6418 r =,81*** R 2 =,6418 r =,81*** Lineární y = 136,2864x - 633,6358 n = 272 y =,41x + 4,853 n = 272 R 2 =,5534 r =,744*** R 2 =,5534 r =,744*** Lineární y =,3x +,1875 n = 272 y = 2421,1221x ,554 n = 272 R 2 =,87 r =,898*** R 2 =,87 r =,898***

112 Laborato 1 LRM Brno - pístroj 73 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,9295x - 3,417 n = 536 y =,887x + 3,5742 n = 536 R 2 =,8244 r =,98*** R 2 =,8244 r =,98*** Lineární y = 145,2192x - 66,5354 n = 536 y =,44x + 4,764 n = 536 R 2 =,6427 r =,82*** R 2 =,6427 r =,82*** Lineární y =,3x + 2,8621 n = 536 y = 273,4223x ,8943 n = 536 R 2 =,7131 r =,844*** R 2 =,7131 r =,844***

113 Laborato 1 LRM Brno - pístroj 73 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y =,9484x - 3,1333 n = 557 y =,9297x + 3,597 n = 557 R 2 =,8818 r =,939*** R 2 =,8818 r =,939*** Lineární y = 347,4521x ,845 n = 557 y =,16x + 4,882 n = 557 R 2 =,5459 r =,739*** R 2 =,5459 r =,739*** Lineární y =,3x + 15,64 n = 557 y = 372,1612x ,7245 n = 557 R 2 =,988 r =,99*** R 2 =,988 r =,99***

114 Laborato 1 LRM Brno - pístroj 73 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y =,9487x - 3,1352 n = 533 y =,8731x + 3,5928 n = 533 R 2 =,8283 r =,91*** R 2 =,8283 r =,91*** Lineární y = 145,3917x - 661,336 n = 533 y =,44x + 4,778 n = 533 R 2 =,6336 r =,796*** R 2 =,6336 r =,796*** Lineární y =,4x + 6,1666 n = 533 y = 2412,9129x ,23 n = 533 R 2 =,895 r =,946*** R 2 =,895 r =,946***

115 Laborato 2 - LRM Bušt!hrad - pístroj 5 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y = 1,688x - 3,9385 n = 476 y =,73x + 4,12 n = 476 R 2 =,7485 r =,865*** R 2 =,7485 r =,865*** Lineární y = 15,132x - 468,9126 n = 476 y =,45x + 4,7148 n = 476 R 2 =,4716 r =,687*** R 2 =,4716 r =,687*** Lineární y =,1x + 27,4323 n = 476 y = 2671,453x ,2454 n = 476 R 2 =,3791 r =,616*** R 2 =,3791 r =,616***

116 Laborato 2 - LRM Bušt!hrad - pístroj 5 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y = 1,942x - 4,627 n = 472 y =,7144x + 3,9812 n = 472 R 2 =,7817 r =,884*** R 2 =,7817 r =,884*** Lineární y =,14x + 4,852 n = 472 y = 23,2898x - 942,332 n = 472 R 2 =,293 r =,541*** R 2 =,293 r =,541*** Lineární y =,3x -,7882 n = 472 y = 2832,3893x ,288 n = 472 R 2 =,9567 r =,978*** R 2 =,9567 r =,978***

117 Laborato 2 - LRM Bušthrad - p!ístroj 5 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y = 1,963x - 4,73 n = 468 y =,6945x + 4,42 n = 468 R 2 =,7614 r =,873*** R 2 =,7614 r =,873*** Lineární y = 99,1328x - 441,1969 n = 468 y =,5x + 4,6914 n = 468 R 2 =,4942 r =,73*** R 2 =,4942 r =,73*** Lineární y =,3x - 2,412 n = 468 y = 1932,3658x ,5976 n = 468 R 2 =,6721 r =,82*** R 2 =,6721 r =,82***

118 Laborato 2 - LRM Bušt!hrad - pístroj 55 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,9594x - 3,372 n = 255 y =,744x + 3,9255 n = 255 R 2 =,7139 r =,845*** R 2 =,7139 r =,845*** Lineární y = 111,324x - 493,5165 n = 255 y =,42x + 4,788 n = 255 R 2 =,4674 r =,684*** R 2 =,4674 r =,684*** Lineární y =,1x + 36,635 n = 255 y = 3393,5879x ,963 n = 255 R 2 =,3467 r =,589*** R 2 =,3467 r =,589***

119 Laborato 2 - LRM Bušt!hrad - pístroj 55 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y = 1,193x - 3,6657 n = 247 y =,7477x + 3,9127 n = 247 R 2 =,7622 r =,873*** R 2 =,7622 r =,873*** Lineární y = 29,7548x - 967,2776 n = 247 y =,16x + 4,8185 n = 247 R 2 =,3437 r =,586*** R 2 =,3437 r =,586*** Lineární y =,3x + 2,877 n = 247 y = 318,8233x + 169,7677 n = 247 R 2 =,9525 r =,976*** R 2 =,9525 r =,976***

120 Laborato 2 - LRM Bušthrad - p!ístroj 55 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y = 1,16x - 3,65 n = 244 y =,7198x + 3,9452 n = 244 R 2 =,7313 r =,855*** R 2 =,7313 r =,855*** Lineární y = 99,3523x - 439,4541 n = 244 y =,51x + 4,668 n =244 R 2 =,572 r =,712*** R 2 =,572 r =,712*** Lineární y =,3x + 4,6929 n = 244 y = 2188,648x ,9795 n =244 R 2 =,6615 r =,813*** R 2 =,6615 r =,813***

121 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Celková statistika n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem IBC impulsy , ,78 36, , 4, , ,3 463,892 27, , 25, 96, ,4 683, , , 14, 77,5 Nové ,4 519, , , 16, 71, log IBC , ,36, ,99 4,7 5, , ,63,5414,48 3,63 3,1 1,6628 1,3979 1, ,577 37,76,6696, 3,88 3,88 1,5185 1,1461 1,8893 log Nové CPM IBC , ,21,648, 3,71 3,71 1,4914 1,241 1,8513 Klasika - IBC ,73 36, , , -22, 3, ,79 ** abs (Klasika - IBC) ,79 351,762 43, , 6, 34, ,44 *** noveibc - Klasika , 344, , , -17, 7, ,66 *** noveibc - CPM IBC ,27 61, , , -22, -8, ,11 *** Do tis IBC impulsy , , , , 47521, , (A1) ,26 18, , , 24, 81, ,92 74, , , 13, 68, Nové ,17 16, , , 15, 59, log IBC , ,82,4452 3,6826 6,7966 3,114 6,7966 6,7966 6, , ,92,491,4771 3,33 2,8259 3,33 3,33 3, , ,95,5185, 2,692 2,692 2,692 2,692 2,692 log Nové CPM IBC , ,92,4554, 3,3387 3,3387 3,3387 3,3387 3,3387 Klasika - IBC ,34 77,71-52, , -22, 1, ,82 *** abs (Klasika - IBC) ,94 73,55 252, , 6, 27, ,56 *** noveibc - Klasika ,75 8, , , -14, 7, 1541,37 ns noveibc - CPM IBC ,9 11,96-74, , -22, -9, ,7 *** grubs IBC impulsy , , , , 47725, ,5 rozdíl (B) ,14 24, , , 24, 83, ,42 25, , , 13,5 69, Nové ,49 217,22 291, , 15, 61, log IBC , ,242,4794 3,6826 6,9684 3,2858 6,9684 6,9684 6, , ,52,4399,4771 3,4586 2,9815 3,4586 3,4586 3, ,4839 3,47,5566, 3,48 3,48 3,48 3,48 3,48 log Nové CPM IBC , , ,492, 3,514 3,514 3,514 3,514 3,514 Klasika - IBC ,72 35, , -21, 1, ,78 *** abs (Klasika - IBC) ,44 29, , 6, 28, ,66 ***

122 noveibc - Klasika ,93 38, , , -14,5 7, ,98 *** noveibc - CPM IBC ,65 2, , , -22, -8, ,22 *** grubs IBC impulsy , , , , 47314, , rozdíl (B1) ,71 66,974 15, , 23, 8, ,2 68, , , 13, 66, Nové ,67 57, , , 15, 58, log IBC , ,7571,4263 3,6826 6,1858 2,532 4,9494 4,675 5, , ,413984,392,4771 2,749 2,2719 1,6232 1,3617 1, , , ,5111, 2,6532 2,6532 1,4771 1,1139 1,8195 log Nové CPM IBC ,459 28, , ,9, 2,7152 2,7152 1,4472 1,1761 1,7634 Klasika - IBC ,69 33,121-39, , -21, 1, ,57 *** abs (Klasika - IBC) ,96 26, , , 6, 26, ,67 *** noveibc - Klasika ,36 32,552-67, , -14, 6, ,41 *** noveibc - CPM IBC ,4 9,963-62, , -22, -9, ,69 *** Regresní hodnocení x/y Nové / / Nové Rovnice n R 2 Rovnice R 2 Celkem y = 1,1478x + 6, ,7591 r =,871*** y =,6614x + 35,3845,7591 r =,871*** log Celkem y = 1,8x -, ,8289 r =,91*** y =,8223x +,2854,8289 r =,91*** Do y =,4591x + 3, ,4327 r =,658*** y =,9424x + 2,4716,4327 r =,658*** log Do y =,966x +, ,72 r =,849*** y =,7453x +,3866,72 r =,849*** grubs rozdíl (B) y =,9335x + 8, ,9693 r =,985*** y = 1,384x - 6,9371,9693 r =,985*** log grubs rozdíl (B) y = 1,49x -, ,7834 r =,885*** y =,7796x +,3365,7834 r =,885*** grubs rozdíl (B1) y =,8626x - 7, ,9957 r =,998*** y = 1,1543x + 8,699,9957 r =,998*** log grubs rozdíl (B1) y = 1,65x -, ,7377 r =,859*** y =,7329x +,3967,7377 r =,859***

123 Grafické hodnocení stanovení CMP Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y = 1,1478x + 6,619 n = 1651 y =,6614x + 35,3845 R 2 =,7591 r =,871*** R 2 =,7591 r =,871*** Lineární y = 1,8x -,178 n = 1651 y =,8223x +,2854 R 2 =,8289 r =,91*** R 2 =,8289 r =,91***

124 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y =,4591x + 3,587 n = 1543 y =,9424x + 2,4716 R 2 =,4327 r =,658*** R 2 =,4327 r =,658*** Lineární y =,966x +,358 n = 1543 y =,7453x +,3866 R 2 =,72 r =,849*** R 2 =,72 r =,849***

125 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a 55 Lineární y =,9335x + 8,8828 n = 1551 y = 1,384x - 6,9371 R 2 =,9693 r =,985*** R 2 =,9693 r =,985*** Lineární y = 1,49x -,168 n = 1551 y =,7796x +,3365 R 2 =,7834 r =,885*** R 2 =,7834 r =,885***

126 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y =,8626x - 7,2896 n = 1517 y = 1,1543x + 8,699 R 2 =,9957 r =,998*** R 2 =,9957 r =,998*** Lineární y = 1,65x -,191 n = 1517 y =,7329x +,3967 R 2 =,7377 r =,859*** R 2 =,7377 r =,859***