PE 301 Podniková ekonomika 2. Garant: Eva KISLINGEROVÁ. Téma Metody mezipodnikového srovnávání. Téma 12. Eva Kislingerová
|
|
|
- Přemysl Štěpánek
- před 7 lety
- Počet zobrazení:
Transkript
1 PE 30 Podiková ekoomika Garat: Eva KISLINGEROVÁ Téma Metody mezipodikového srováváí Eva Kisligerová Téma Eva Kisligerová Vysoká škola ekoomická v Praze 003
2 - Mezipodikové srováváí Poprvé 956- koferece o mezipodikovém srováváí -určeo pro - formováí HP -pro růst produktivity Kotet růst produktivity Postupové kroky Výběr podiků do souboru Výběr ukazatelů do souboru 3 Hodoceí souboru 4 Vyhodoceí souboru
3 - 3 Vícekriteriálí hodoceí variat Rozhodovací problém zadá možiou variat a hodotících kritérií Obecě možia variat A kriteriálí matice i kde pro i a platí: i m; Vícekriteriálí matici můžeme pak zapsat ve tvaru: X v v v v 3 i k w 3 i k w 3 k w k w 3 i kde X e kriteriálí matice i prvek matice i -tá variata a -té kritérium v i i-tá variata k -té kritérium w -tá váha i ide variat ide kritérií m počet variat počet kritérií
4 - 4 Modelováí preferecí uživatele Podle preferece přiřazueme váhy edotlivým kritériím v souboru t relativí výzamost Lze zapsat pomocí vektoru vah ukazatele: w ( w w w w 3 ; w w 0 ) Výzam tím větší čím vyšší má přiřazeou váhu
5 - 5 Metody pro staoveí Metoda pořadí Bodovací metoda velikosti vah 3 Metoda párového srováváí 4 Fullerův troúhelík 5 Metoda kvatitativího párového srováváí kritérií
6 - 6 Metoda pořadí () Vyžadue pouze ordiálí iformaci t staoveí pořadí ukazatelů podle důležitosti Uspořádaým ukazatelům sou přiřazea čísla (body) - Nedůležitěšímu ukazateli e přiřazeo číslo b (počet ukazatelů) druhému edůležitěšímu b - až eméě důležitému ukazateli číslo Obecě -tému ukazateli přiřazeo číslo b
7 - 7 Metoda pořadí () Váha -tého ukazatele se vypočte podle vzorce: kde w b w e váha -tého ukazatele b pořadí důležitosti -tého ukazatele ide ukazatele počet ukazatelů součet čísel b ve meovateli e součtem prvích přirozeých čísel: b b ( + ) S ohledem a defiici se metoda hodí tam kde e meší počet kritérií
8 - 8 Bodovací metoda Předpoklad: aalytik e schope kvatitativě ohodotit důležitost ukazatelů Pro zvoleou stupici musí uživatel ohodotit -tý ukazatel hodotou b ležící v daé stupici (apř 0 < b < 00) Čím e ukazatel důležitěší tím vyšší bodové hodoceí Výpočet vah se provádí podle shodého vzorce ako u metody pořadí
9 - 9 Metoda párového srováváí ukazatelů Východisko: odhad který ze dvou ukazatelů e při párovém srováí důležitěší Aalytik postupě porovává každé dva ukazatele mezi sebou takže počet srováí e: N Příklad pro 5 ukazatelů: 5 N ( 5 4 ) 05 Metoda evhodá pro větší počet ukazatelů přílišá pracost
10 - 0 Fullerův troúhelík () Pricip: párové porováí ale postup přehleděší i pro více ukazatelů Postup: ukazatele se očísluí pořadovým číslem 3 Aalytikovi se předloží troúhelíkové schéma ehož dvořádky tvoří dvoice pořadových čísel uspořádaých tak že každá dvoice se vyskyte e Aalytik zakroužkue u každé dvoice to kritérium které považue za důležitěší Počet zakroužkováí -tého ukazatele ozačíme z Váha -tého ukazatele se vypočte podle vzorce: w z Z kde w e váha -tého ukazatele z počet zakroužkováí -tého ukazatele Z celkový počet všech zakroužkováí
11 - Fullerův troúhelík () Fullerův troúhelík má ásleduící schéma: Výhoda: edoduchost pro hodotitele Metoda epožadue trazitivost preferecí rozhodovatele V případě ulových vah uto upravit
12 - Metoda kvatitativího párového srováváí () Velmi často používaá metoda Základ: párové srováí S ( s i ) kde pro i a platí: i 3 Používá se stupice 3 9 a reciproké hodoty Prvky matice sou iterpretováy ako odhady podílu vah i-tého a -tého ukazatele: s i v v i
13 - 3 Metoda kvatitativího párového srováváí () Tato matice se azývá Saatyho matice a pro prvky matice platí: s i si si důvodem pro zvoleý rozsah stupice sou okolosti že všechy prvky by měly být steého řádu Eistue i odpovídaící verbálí stupice: rovoceé ukazatele i a 3 slabě preferovaý ukazatel i před 5 silě preferovaý ukazatel i před 7 velmi silě preferovaý ukazatel i před 9 absolutě preferovaý ukazatel i před Hodoty 4 6 a 8 sou mezistupě pro eměší rozlišeí
14 - 4 Metody vícekriteriálího hodoceí variat Přehled Metoda prostého pořadí Metoda bodovací 3 Metoda ormovaé proměé 4 Metoda vzdáleosti od fiktivího podiku 5 Metoda srováí s elepším podikem
15 - 5 Metoda prostého pořadí () Podstata: pořadí podiku podle výsledku s ohledem a elepší hodotu daého souboru Nelepší podik e a prvím místě druhý a druhým POZOR! musíme však zohledit charakter ukazatele (mi ma) Obecě se i-tému podiku podle -tého ukazatele přiřadí pořadí b i Výsledek matice: C [ ] b i Kde v řádcích matice sou hodoceé podiky ve sloupcích sou hodoty ukazatelů podle kterých hodotíme
16 - 6 Metoda prostého pořadí () Koečé pořadí: sečteme výsledky v řádcích podle ukazatelů a staovíme výsledé pořadí Nelepší e te podik který dosáhl emešího součtu; ehorší opak Výše popsaý postup lze zázorit vztahem: C i b i kde C i e celkové zhodoceí i-tého podiku podle všech ukazatelů b i pořadí i-tého podiku podle -tého ukazatele m -počet hodoceých podiků -počet hodoceých ukazatelů i - ide hodoceých podiků (řádky matice) - ide fiačích ukazatelů (sloupce matice) Pro idey i a platí: i 3 m; 3
17 - 7 Metoda prostého pořadí (3) Za určitých okolostí může být výhodé přiřadit ukazatelům váhy pak metoda prostého pořadí se zapíše ako: kde w e váha -tého ukazatele + C i b i w edoduchost rychlost malá áročost a propočty - evysvětlueo kolik se liší ebere v úvahu absolutí hodotu
18 - 8 Metoda bodovací () Podstata: každý podik získá určité možství bodů podle toho ak si daý podik stoí ve srováí s iými podiky Podik s elepší hodotou získá 00 bodů a ostatím podikům se přidělí body podle vzorce íže (pozor - mii ma) Obecě pro maimalizaci platí vztah: b i i ma 00
19 - 9 Metoda bodovací () Při miimalizaci: b i mi 00 i kde b i e bodové ohodoceí i-tého podiku podle -tého ukazatele i - hodota -tého ukazatele v i-tém podiku ma - evyšší hodota -tého ukazatele v souboru podiků mi - eižší hodota -tého ukazatele v souboru podiků
20 - 0 Metoda bodovací (3) C i Výsledá charakteristika podle vzorce: C i b i v případě použití vah lze modifikovat vzorec takto: b i w kde C i e průměré bodové hodoceí i-tého podiku b i e bodové hodoceí i-tého podiku podle -té variaty m -počet hodoceých podiků -počet ukazatelů i - ide hodoceých podiků (řádky matice) - ide ukazatelů (sloupce matice) Ukazatel C i eboli průměré bodové hodoceí i-tého podiku udává kolik % podik dosáhl z maimálí hraice 00 bodů Metoda e vhodá tam kde e relativí ízká variabilita hodot ukazatelů
21 - Metoda ormovaé proměé () Pricip této metody: základ řady statistických postupů Aplikace tehdy když e ezbyté porovat určité obekty podle kritérií vyádřeé v růzých měrých edotkách Pak se kritéria převedou a bezrozměrá čísla - ormováí Počítáme podle vzorce: b i i s
22 - Metoda ormovaé proměé () a pro ukazatele které miimalizueme podle vztahu: b i s i kde b i e hodota ormovaé proměé -tého ukazatele a i-tého podiku i - hodota -tého ukazatele i-tého podiku -průměr -tého ukazatele pro daý soubor podiků s -směrodatá odchylka -tého ukazatele
23 - 3 Metoda ormovaé proměé (3) Směrodatou odchylku vypočteme podle vzorce: kde s ( e počet ukazatelů i - hodota -tého ukazatele i-tého podiku -průměr -tého ukazatele za daý soubor Průměr -tého ukazatele za daý soubor podiků vypočítáme podle vztahu: i m i )
24 - 4 Metoda ormovaé proměé (4) Výsledá charakteristika každého podiku se vypočte ako aritmetický průměr ormovaých hodot Vztah pro evážeou metodu má podobu: C a pro vážeou metodu: i b i C i bi w
25 - 5 Metoda vzdáleosti od fiktivího podiku () Podstata: vytváříme eeistuící podik tak že přiřazueme edotlivým ukazatelům vždy elepší hodoty Vziká tak vzorový fiktiví podik Ukazatele se vyádří v ormovaém tvaru a vypočtou se eukleidovské vzdáleosti edotlivých podiků od fiktivího podiku Průměré eukleidovské vzdáleosti vypočteme podle vztahu: d m o ( bi ui ) m i kde e průměrá eukleidovská vzdáleost o edotlivého podiku b i - hodota ormovaé proměé -tého ukazatele v i-tém podiku u o - optimálí hodota ormovaé proměé -tého ukazatele ve fiktivím podiku d
26 - 6 Metoda vzdáleosti od fiktivího podiku () Optimálí hodota ormovaé proměé se vypočte v případě maimalizace podle vztahu: a pro miimalizaci podle vztahu: b i o s b i s o kde b i e optimálí hodota ormovaé proměé o - elepší hodota -tého ukazatele ma ebo mi i -průměrá hodota -tého ukazatele s -směrodatá odchylka -tého ukazatele Nelepší podik - emeší vzdáleosti od fiktivího podiku
27 - 7 Metoda srováí s elepším podikem () Aalogický postup ako v případě vzdáleosti od fiktivího podiku ale iý přístup k ormováí proměých Podstata: v souboru podiků vybereme te který dosahue elepší hodoty podle určitého kritéria a tomuto podiku přiřadíme číslo Difereciace postupu - ukazatel maimalizueme ebo miimalizueme - evyšší a eižší hodota Teto postup opakueme pro všechy ukazatele v souboru Přiřazovaé hodoty sou ormovaé koeficiety b i může být rove tehdy pokud podik dosahue steé hodoty podle určitého kritéria ako podik elepší
28 - 8 Metoda srováí s elepším podikem () V další fázi vypočteme výsledou vzdáleost podiku od elepšího podiku a to tak že hodoty podiků odečteme od (elepší); celková vzdáleost i-tého podiku od vzorového podiku P se vypočte podle vztahu (pro evážeý postup): P i ( b ) + ( b ) + + ( b m ) kde P i e celková vzdáleost i-tého podiku od elepšího b i - koeficiety vypočteé výše uvedeým způsobem
29 - 9 Metoda srováí s elepším podikem (3) K rozděleí podiků do skupi používáme základí statistické charakteristiky apř směrodatou odchylku AP (pro meší soubory do 0ti podiků) když rozsáhleší soubory (více ež 0 podiků) pak používáme kvartil pak AP AP + i i s ; AP s i Směrodatá odchylka s s ; + s ; + s s i ( i ) + s
Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.
Statistika Cíle: Chápat pomy statistický soubor, rozsah souboru, statistická edotka, statistický zak, umět sestavit tabulku rozděleí četostí, umět zázorit spoicový diagram a sloupcový diagram / kruhový
Deskriptivní statistika 1
Deskriptiví statistika 1 1 Tyto materiály byly vytvořey za pomoci gratu FRVŠ číslo 1145/2004. Základí charakteristiky souboru Pro lepší představu používáme k popisu vlastostí zkoumaého jevu určité charakteristiky
P2: Statistické zpracování dat
P: Statistické zpracováí dat Úvodem - Statistika: věda, zabývající se shromažďováím, tříděím a ásledým popisem velkých datových souborů. - Základem statistiky je teorie pravděpodobosti, založeá a popisu
STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson
STATISTIKA Statistika se těší pochybému vyzameáí tím, že je ejvíce epochopeým vědím oborem. H. Leviso Charakterizace statistického souboru Statistický soubor Prvek souboru Zak prvku kvatitativí teplota,
6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.
6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola
Pravděpodobnostní model doby setrvání ministra školství ve funkci
Pravděpodobostí model doby setrváí miistra školství ve fukci Základí statistická iferece Data Zdro: http://www.msmt.cz/miisterstvo/miistri-skolstvi-od-roku-848. Ke statistickému zpracováí byla vzata pozorováí
Náhodný výběr 1. Náhodný výběr
Náhodý výběr 1 Náhodý výběr Matematická statistika poskytuje metody pro popis veliči áhodého charakteru pomocí jejich pozorovaých hodot, přesěji řečeo jde o určeí důležitých vlastostí rozděleí pravděpodobosti
Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc
Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se
Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
Závislost slovních znaků
Závislost slovích zaků Závislost slovích (kvalitativích) zaků Obměy slovího zaku Alterativí zaky Možé zaky Tříděí věcé sloví řady: seřazeí obmě je subjektiví záležitostí (podle abecedy), možé i objektiví
13 Popisná statistika
13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický
1.3. POLYNOMY. V této kapitole se dozvíte:
1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí
12. N á h o d n ý v ý b ě r
12. N á h o d ý v ý b ě r Při sledováí a studiu vlastostí áhodých výsledků pozáme charakter rozděleí z toho, že opakovaý áhodý pokus ám dává za stejých podmíek růzé výsledky. Ty odpovídají hodotám jedotlivých
Pravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
Sborník vědeckých prací Vysoké školy báňské - Technické univerzity Ostrava číslo 1, rok 2011, ročník XI, řada stavební článek č.
Sborík vědeckých prací Vysoké školy báňské - Techické uiverzity Ostrava číslo 1, rok 2011, ročík XI, řada stavebí čláek č. 18 Marcela HALÍŘOVÁ 1 OPTIMALIZACE VÝBĚRU SKLADBY MATERIÁLŮ PRO NENOSNÉ STĚNY
Pravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
NEPARAMETRICKÉ METODY
NEPARAMETRICKÉ METODY Jsou to metody, dy předmětem testu hypotézy eí tvrzeí o hodotě parametru ějaého orétího rozděleí, ale ulová hypotéza je formulováa obecěji, apř. jao shoda rozděleí ebo ezávislost
Integrace hodnot Value-at-Risk lineárních subportfolií na bázi vícerozměrného normálního rozdělení výnosů aktiv
3. meziárodí koferece Řízeí a modelováí fiačích rizik Ostrava VŠB-U Ostrava, Ekoomická fakulta, katedra Fiací 6.-7. září 006 tegrace hodot Value-at-Risk lieárích subportfolií a bázi vícerozměrého ormálího
10.3 GEOMERTICKÝ PRŮMĚR
Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo
Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
ZÁKLADY POPISNÉ STATISTIKY
ZÁKLADY POPISNÉ STATISTIKY Statitia věda o metodách běru, zpracováí a vyhodocováí tatiticých údaů. Statiticé údae ou apř. údae o přirozeém přírůtu či migraci obyvateltva, obemu výroby průmylových podiů,
2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Národní informační středisko pro podporu jakosti
Národí iformačí středisko pro podpor jakosti Kozltačí středisko statistických metod při NIS-PJ Výpočet koeficietů reglačích diagramů pro obecé riziko Ig. Václav Chmelík, CSc Ústav strojíreské techologie,
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)
ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU) Základy teorie pravděpodobosti měřeí chyba měřeí Provádíme kvalifikovaý odhad áhodá systematická výsledek ejistota výsledku Základy teorie pravděpodobosti
veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou
1 Zápis číselých hodot a ejistoty měřeí Zápis číselých hodot Naměřeé hodoty zapisujeme jako číselý údaj s určitým koečým počtem číslic. Očekáváme, že všechy zapsaé číslice jsou správé a vyjadřují tak i
Parametr populace (populační charakteristika) je číselná charakteristika sledované vlastnosti
1 Základí statistické zpracováí dat 1.1 Základí pojmy Populace (základí soubor) je soubor objektů (statistických jedotek), který je vymeze jejich výčtem ebo charakterizací jejich vlastostí, může být proto
Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
Pojem času ve finančním rozhodování podniku
Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé
1 ROVNOMĚRNOST BETONU KONSTRUKCE
ROVNOMĚRNOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí rovoměrosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Nalezení výchozího základního řešení. Je řešení optimální? ne Změna řešení
Sipleová etoda: - patří ezi uiverzálí etody řešeí úloh lieárího prograováí. - de o etodu iteračí, t. k optiálíu řešeí dospíváe postupě, krok za kroke. - výpočetí algoritus se v každé iteraci rozpadá do
Přednáška VIII. Testování hypotéz o kvantitativních proměnných
Předáška VIII. Testováí hypotéz o kvatitativích proměých Úvodí pozámky Testy o parametrech rozděleí Testy o parametrech rozděleí Permutačí testy Opakováí hypotézy Co jsou to hypotézy a jak je staovujeme?
Doc. Ing. Dagmar Blatná, CSc.
PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj
1. Rozdělení četností a grafické znázornění Předpokládejme, že při statistickém šetření nás zajímá jediný statistický znak x, který nabývá
Statitická šetřeí a zpracováí dat Statitika e věda o metodách běru, zpracováí a vyhodocováí tatitických údaů. Statitika zkoumá polečeké, přírodí, techické a. evy vždy a dotatečě rozáhlém ouboru údaů. Matematická
1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
EKONOMETRIE 9. přednáška Zobecněný lineární regresní model
EKONOMETRIE 9. předáška Zobecěý lieárí regresí model Porušeí základích podmíek klasického modelu Metoda zobecěých emeších čtverců Jestliže sou porušey ěkteré podmíky klasického modelu. E(u),. E (uu`) σ
Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.
ováí - Hru IV /6 ováí Hru IV Mila RůžR ůžička, Josef Jureka,, Zbyěk k Hrubý zbyek.hruby hruby@fs.cvut.cz ováí - Hru IV /6 ravděpodobostí úavové diagramy s uvažováím předpětí R - plocha ve čtyřrozměrém
Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/
Teto projekt je spolufiacová Evropským sociálím fodem a Státím rozpočtem ČR IoBio CZ..07/2.2.00/28.008 Připravil: Ig. Vlastimil Vala, CSc. Metody zkoumáí ekoomických jevů Kapitola straa 3 Metoda Z řeckého
Matematika I, část II
1. FUNKCE Průvodce studiem V deím životě, v přírodě, v techice a hlavě v matematice se eustále setkáváme s fukčími závislostmi jedé veličiy (apř. y) a druhé (apř. x). Tak apř. cea jízdeky druhé třídy osobího
4EK212 Kvantitativní management 4. Speciální úlohy lineárního programování
4EK212 Kvatitativí maagemet 4. Speciálí úlohy lieárího programováí 3. Typické úlohy LP Úlohy výrobího pláováí (alokace zdrojů) Úlohy fiačího pláováí (optimalizace portfolia) Směšovací problémy Nutričí
Mod(x) = 2, Med(x) = = 2
Pracoví list č.. Při zjišťováí počtu ezletilých dětí ve třiceti vybraých rodiách byly získáy tyto výsledky:,,,,,,,,,,,,,,,,,,,,,,,,,,,,,. Uspořádejte získaé údaje do tabulky rozděleí četostí a vyjádřete
Zhodnocení přesnosti měření
Zhodoceí přesosti měřeí 1. Chyby měřeí Měřeím emůžeme ikdy zjistit skutečou (pravou) hodotu s měřeé veličiy. To je způsobeo edokoalostí metod měřeí, měřicích přístrojů, lidských smyslů i proměých podmíek
odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.
10 Cvičeí 10 Statistický soubor. Náhodý výběr a výběrové statistiky aritmetický průměr, geometrický průměr, výběrový rozptyl,...). Bodové odhady parametrů. Itervalové odhady parametrů. Jedostraé a oboustraé
Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
Elementární zpracování statistického souboru
Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými
PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR
PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy
Matematika 1. Katedra matematiky, Fakulta stavební ČVUT v Praze. středa 10-11:40 posluchárna D / 13. Posloupnosti
Úvod Opakováí Poslouposti Příklady Matematika 1 Katedra matematiky, Fakulta stavebí ČVUT v Praze středa 10-11:40 posluchára D-1122 2012 / 13 Úvod Opakováí Poslouposti Příklady Úvod Opakováí Poslouposti
(Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applications)
Základy datové aalýzy, modelového vývojářství a statistického učeí (Teorie statistiky a aplikace v programovacím jazyce Visual Basic for Applicatios) Lukáš Pastorek POZOR: Autor upozorňuje, že se jedá
Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem
Popisá statistika - zavedeí pojmů Popisá statistika - zavedeí pojmů Soubor idividuálích údajů o objektech azýváme základí soubor ebo také populace. Zkoumaé objekty jsou tzv. statistické jedotky a sledujeme
Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
IAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích
Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb
Příloha č. 7 Dodatku ke Smlouvě o službách Systém měřeí kvality Služeb Dodavatel a Objedatel se dohodli a ahrazeí Přílohy C - Systém měřeí kvality Služeb Obchodích podmíek Smlouvy o službách touto Přílohou
Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.
Techická aalýza Techická aalýza z vývoje cey a obchodovaých objemů akcie odvozuje odhad budoucího vývoje cey. Dalšími metodami odhadu vývoje ce akcií jsou apř. fudametálí aalýza (zkoumá podrobě účetictví
6. Posloupnosti a jejich limity, řady
Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme
MATICOVÉ HRY MATICOVÝCH HER
MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem
Vzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
7. Odhady populačních průměrů a ostatních parametrů populace
7. Odhady populačích průměrů a ostatích parametrů populace Jak sme zišťovali v kapitole. e možé pro každou populaci sestroit možství parametrů, které i charakterizue. Pro účely základího pozáí e evýzaměší
2. Znát definici kombinačního čísla a základní vlastnosti kombinačních čísel. Ovládat jednoduché operace s kombinačními čísly.
0. KOMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Dovedosti :. Chápat pojem faktoriál a ovládat operace s faktoriály.. Zát defiici kombiačího čísla a základí vlastosti kombiačích čísel. Ovládat jedoduché operace
Co je to statistika? Statistické hodnocení výsledků zkoušek. Úvod statistické myšlení. Úvod statistické myšlení. Popisná statistika
Co e to statistika? Statistické hodoceí výsledků zkoušek Petr Misák misak.p@fce.vutbr.cz Statistika e ako bikiy. Odhalí téměř vše, ale to edůležitěší ám zůstae skryto. (autor ezámý) Statistika uda e, má
f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )
DSM Cv 9 Vytvořující fukce Vytvořující fukcí ekoečé poslouposti a0, a,, a, reálých čísel mííme formálí ekoečou řadu =. f a i= 0 i i Příklady: f = + = + + + + + ) Platí: (biomická věta). To zameá, že fukce
Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.
Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95
4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností
4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.
2. Finanční rozhodování firmy (řízení investic a inovací)
2. Fiačí rozhodováí firmy (řízeí ivestic a iovací) - fiačí rozhodováí je podmožiou fiačího řízeí (domiatí) - kompoety = složky: výběr optimálí variaty zdrojů fiacováí užití získaých prostředků uvážeí vlivu
REGRESNÍ DIAGNOSTIKA. Regresní diagnostika
4.11.011 REGRESNÍ DIAGNOSTIKA Chemometrie I, David MILDE Regresí diagostika Obsahuje postupy k posouzeí: kvality dat pro regresí model (přítomost vlivých bodů), kvality modelu pro daá data, splěí předpokladů
U klasifikace podle minimální vzdálenosti je nutno zvolit:
.3. Klasifikace podle miimálí vzdáleosti Tato podkapitola je věováa popisu podstaty klasifikace podle miimálí vzdáleosti, jež úzce souvisí s klasifikací pomocí etaloů klasifikačích tříd. Představíme si
1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,
DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry
1. LINEÁRNÍ ALGEBRA. , x = opačný vektor
. LINEÁRNÍ LGEBR Vektorový prostor.. Defiice Nechť V e moži které sou defiováy operce sčítáí + : t. zobrzeí V V V ásobeí i : t zobrzeí R V V. Možiu V zýváme vektorovým prostorem, sou-li splěy ásleduící
OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN
Úloha obchodího cestujícího OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN Nejprve k pojmům používaým v okružích a rozvozích úlohách: HAMILTONŮV CYKLUS je typ cesty,
4EK311 Operační výzkum. 4. Distribuční úlohy LP část 2
4EK311 Operačí výzkum 4. Distribučí úlohy LP část 2 4.1 Dopraví problém obecý model miimalizovat za podmíek: m z = c ij x ij i=1 j=1 j=1 m i=1 x ij = a i, i = 1, 2,, m x ij = b j, j = 1, 2,, x ij 0, i
Intervalové odhady parametrů
Itervalové odhady parametrů Petr Pošík Části dokumetu jsou převzaty (i doslově) z Mirko Navara: Pravděpodobost a matematická statistika, https://cw.felk.cvut.cz/lib/ee/fetch.php/courses/a6m33ssl/pms_prit.pdf
vají statistické metody v biomedicíně
Statistika v biomedicísk ském m výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Proč se používaj vají statistické metody v biomedicíě Biomedicísk
1. Číselné obory, dělitelnost, výrazy
1. Číselé obory, dělitelost, výrazy 1. obor přirozeých čísel - vyjadřující počet prvků možiy - začíme (jsou to kladá edesetiá čísla) 2. obor celých čísel - možia celých čísel = edesetiá, ale kladá i záporá
k(k + 1) = A k + B. s n = n 1 n + 1 = = 3. = ln 2 + ln. 2 + ln
Číselé řady - řešeé přílady ČÍSELNÉ ŘADY - řešeé přílady A. Součty řad Vzorové přílady:.. Přílad. Určete součet řady + = + 6 + +.... Řešeí: Rozladem -tého čleu řady a parciálí zlomy dostáváme + = + ) =
Základní požadavky a pravidla měření
Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu
III/2 Inovace a zkvalitnění výuky prostřednictvím ICT
Název školy Gymázium, Šterberk, Horí ám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šabloa III/2 Iovace a zkvalitěí výuky prostředictvím ICT Ozačeí materiálu VY_32_INOVACE_Hor018 Vypracoval(a), de Mgr. Radek
L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE KATED RA F YZIKY L A B O R A T O R N Í C V I Č E N Í Z F Y Z I K Y Jméo TUREČEK Daiel Datum měřeí 8.11.2006 Stud. rok 2006/2007 Ročík 2. Datum odevzdáí 15.11.2006 Stud.
Metodický postup pro určení úspor primární energie
Metodický postup pro určeí úspor primárí eergie Parí protitlaká turbía ORGRZ, a.s., DIVIZ PLNÉ CHNIKY A CHMI HUDCOVA 76, 657 97 BRNO, POŠ. PŘIHR. 97, BRNO 2 z.č. Obsah abulka hodot vstupujících do výpočtu...3
VÍCEKRITERIÁLNÍ ROZHODOVANÍ
VÍCEKRITERIÁLNÍ ROZHODOVANÍ 1 Obsah Typy modelů vícekriteriálního rozhodování Základní pojmy Typy informací Cíl modelů Užitek, funkce užitku Grafické zobrazení Metody vícekriteriální analýzy variant 2
STATISTIKA. Základní pojmy
Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci
i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
STATISTIKA. pracujeme pouze s r hodnotami x. má svou absolutní četnost. n ) udává, jaká část souboru má hodnotu znaku
STATISTIKA. Základí pomy věda o metodách sběru, zpracováí a vyhodocováí statistických údaů. Zkoumá společeské, přírodí, techické a ié evy vždy a dostatečě rozsáhlém souboru údaů. Matematická statistika
vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví
Statistika v biomedicísk ském výzkumu a ve zdravotictví Prof. RNDr. Jaa Zvárov rová,, DrSc. EuroMISE Cetrum Ústav iformatiky AV ČR R v.v.i. Literatura Edice Biomedicísk ská statistika vydáva vaá a Uiverzitě
V. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
Statistika Statistická jednotka, statistický soubor a statistické znaky Poznámka. (Rozd lení etností jednoho kvantitativního statistického znaku)
Statistia Tímto pomem většiou ozačueme: a) statisticé údae a eich ěteré fuce, b) statisticou čiost a istituce, teré tuto čiost provozuí, c) statisticou teorii. Statisticé údae eboli statisticá data sou
6. P o p i s n á s t a t i s t i k a
6. P o p i s á s t a t i s t i k a 6.. Pozámka: Při statistickém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákoitosti, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme
Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).
Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké
[ jednotky ] Chyby měření
![[ jednotky ] Chyby měření](/thumbs/48/24507154.jpg "[ jednotky ] Chyby měření")
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE
1. ZÁKLADY VEKTOROVÉ ALGEBRY 1.1. VEKTOROVÝ PROSTOR A JEHO BÁZE V této kapitole se dozvíte: jak je axiomaticky defiová vektor a vektorový prostor včetě defiice sčítáí vektorů a ásobeí vektorů skalárem;
PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)
Přijímací řízeí pro akademický rok 24/5 a magisterský studijí program: PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemý test, variata B) Zde alepte své uiverzití číslo U každé otázky či podotázky v ásledujícím
Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním
Lekce Itervalový odhad Itervalový odhad je jedou ze stadardích statistických techik Cílem je sestrojit iterval (kofidečí iterval, iterval spolehlivosti, který s vysokou a avíc předem daou pravděpodobostí
Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:
Odhady parametrů polohy a rozptýleí pro často se vyskytující rozděleí dat v laboratoři se vyčíslují podle ásledujících vztahů: a : Laplaceovo (oboustraé expoeciálí rozděleí se vyskytuje v případech, kdy
Iterační výpočty projekt č. 2
Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....
1 PSE Definice základních pojmů. (ω je elementární jev: A ω (A ω) nebo (A );
1 PSE 1 Náhodý pokus, áhodý jev. Operace s jevy. Defiice pravděpodobosti jevu, vlastosti ppsti. Klasická defiice pravděpodobosti a její použití, základí kombiatorické vzorce. 1.1 Teoretická část 1.1.1
Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.
evost a životost - Hr III EVNOT a ŽIVOTNOT Hr III Mila Růžička, Josef Jreka, Zbyěk Hrbý zbyek.hrby@fs.cvt.cz evost a životost - Hr III tatistické metody vyhodocováí dat evost a životost - Hr III 3 tatistické
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta troího ižeýrtví Matematika IV Semetrálí práce Zpracoval: Čílo zadáí: 7 Studií kupia: Datum: 8.4. 0 . Při kotrole akoti výrobků byla ledováa odchylka X [mm] eich rozměru
3. Lineární diferenciální rovnice úvod do teorie
3 338 8: Josef Hekrdla lieárí difereciálí rovice úvod do teorie 3 Lieárí difereciálí rovice úvod do teorie Defiice 3 (lieárí difereciálí rovice) Lieárí difereciálí rovice -tého řádu je rovice, která se
DIM PaS Připomenutí poznatků ze střední školy. Faktoriály a kombinační čísla základní vzorce: n = k. (binomická věta) Příklady: 1.
DIM PaS. Připomeutí pozatků ze středí školy Faktoriály a kombiačí čísla základí vzorce: ( )( 2 )...2.! =. 0! = =! ( k)! k! ( )...( k ). + = k! = k + + = k + k + 2 2 ( a + b) = a + a b+ a b +... + a b +...
2.4. INVERZNÍ MATICE
24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:
0,063 0,937 0,063 0, P 0,048 0,078 0,95. = funkce CONFIDENCE.NORM(2α; p(1 p)
. Příklad Při průzkumu trhu projevilo 63 z dotázaých zákazíků zájem o iovovaý výrobek, který má být uvede a trh se zákazíky. Odvoďte a odhaděte proceto a počet zájemců v populaci s 95% spolehlivostí. Následě
TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ
TESTOVÁNÍ STATISTICKÝC YPOTÉZ je postup, pomocí ěhož a základě áhodého výběru ověřujeme určité předpoklady (hypotézy) o základím souboru STATISTICKÁ YPOTÉZA předpoklad (tvrzeí) o parametru G základího
2 EXPLORATORNÍ ANALÝZA
Počet automobilů Ig. Martia Litschmaová EXPLORATORNÍ ANALÝZA.1. Níže uvedeá data představují částečý výsledek zazameaý při průzkumu zatížeí jedé z ostravských křižovatek, a to barvu projíždějících automobilů.