Pracovní list č. 3: Pracujeme s kategorizovanými daty

Rozměr: px
Začít zobrazení ze stránky:

Download "Pracovní list č. 3: Pracujeme s kategorizovanými daty"

Transkript

1 Pracovní lt č. 3: Pracujeme kategorzovaným daty Cíl cvčení: Tento pracovní lt je určen pro cvčení ke 3. a. přednášce předmětu Kvanttatvní metody B (.1 Třídění tattckých dat a. Číelné charaktertky tattckých dat). Procvčování e orentuje na zobrazení tattckých dat, tejně jako na výpočty číelných charaktertk. Během tohoto cvčení budete počítat kalkulačkou programem MS Ecel. Cílem cvčení je především čít a vytvářet tattky vznklé je dno tupňovým tříděním, pracovat tabulkam rozdělení četnotí, včetně rozdělení ntervalového a počítat číelně charaktertky tattckého ouboru (znaku). Předpoklady ke zvládnutí: Na tomto cvčení využjete tejně tak kalkulačku jako předem přpravené oubory v Ecelu. Opět nezapomeňte ještě před začátkem cvčení táhnout přílušný oubor a uložt na pracovní dk. Poté nantalujte Analytcké nátroje. 1.1 Pracujeme tabulkam četnotí Řešené příklady: 1

2 1. Neúplná tabulka četnotí popuje rozdělení počtu dětí pracovníků jedné počítačové frmy. b) Určete, kolk procent rodn zamětnanců frmy má mez a 3 dětm. Spočítejte průměrný počet dětí c) Vyjádřete varabltu pomocí měrodatné odchylky a varačního koefcentu. d) Porovnejte průměrný počet dětí, medán a modu. O čem to vypovídá? DĚTI četnot kumul. četnot 0 5% CELKEM ad a) Tabulku doplníme o chybějící údaje: DĚTI četnot kumul. četnot 0 6 5,0% 6 5,0% ,3% 1 58,3% 7 9,% 1 87,5% 3 8,3% 3 95,8% 1,% 100,0% CELKEM 100.0% X X ad b) Z tabulky lze přímo vyčít, že počet dětí mez a 3 má 9,% + 8,3% 37,5% pracovníků frmy. ad c) Průměrný počet dětí vypočteme jako vážený artmetcký průměr: ,33 Obdobně vypočteme rozptyl a měrodatnou odchylku: ( ,198 1, Nyní můžeme počítat varační koefcent: + 1 ) 1,33 70,536 1,198 3 V 1,09 0,8 8% 1,33 Vyoká hodnota varačního koefcentu značí značnou rozptýlenot počtu dětí. Střední hodnota (průměr) tedy není výtžným ukazatelem polohy znaku na číelné oe. ad d) průměr 1,33 medán modu 1 medán leží mez 1. a 13. prvkem, modu je nejčetnější obměna lze očekávat rozdělení mírně eškmené doprava ->převažují rodny malým počtem dětí Řešte na cvčení:. Neúplná tabulka četnotí popuje rozdělení známek ze tattky u tudentů. ročníku ekonomcké fakulty.

3 ZNÁMKA četnot kumul. četnot CELKEM b) Spočítejte průměrnou známku ze tattky a vyjádřete varabltu tohoto znaku pomocí měrodatné odchylky a varačního koefcentu. c) Porovnejte průměrnou známku, medán a modu. O čem to vypovídá? 3. Neúplná tabulka četnotí popuje rozdělení platů 00 pracovníků jednoho zemědělkého podnku. PLAT četnot kumul. četnot % % % % % % % % CELKEM b) Určete, kolk procent zamětnanců podnku má plat mez 0 a 30 tíc. c) Spočítejte průměrný plat a vyjádřete varabltu pomocí měrodatné odchylky a varačního koefcentu. d) Porovnejte průměrný plat zamětnance, medán a modu. O čem to vypovídá? Procvčte doma:. Byla vypracována tude vývoje tělené váhy mužů a žen ve věku 1 až let. Ze tude byly uveřejněny náledující výledky: věk muž ženy n n 1 ll 7,1 7, ,0 8, , 8,6 1 60,0 7, ,8 8, , 7, 88 7,0 8, ,8 7,8 Potvrďte č vyvraťte domněnku, že váha žen má menší relatvní varabltu než váha mužů. K výpočtu abolutní varablty využjte analýzu rozptylu. 3

4 Nápověda a výledky:. a) Doplněná tabulka četnot: ZNÁMKA četnot kumul. četnot ,3% 38 1,3% 76,5% 11 36,8% 3 1 5,8% 56 8,6% 5 17,% ,0% CELKEM ,0% X X b) Průměrná známka ze tattky je,68 e měrodatnou odchylkou 0,90; varační koefcent je 33,6%. c) Průměrná známka je,68, medán a modu je roven známce 3. Vztah mez tředním hodnotam navědčuje, že rozdělení je eškmené doleva, tj. v ouboru převažují tudent horším známkam. 3. a) Doplněná tabulka četnot: PLAT četnot kumul. četnot % 10 5% % 6 31% % 10 5% % 13 67% % % % 18 91% % 19 97% % % CELKEM % X X b) Mez 0 a 30 tíc má plat 8% pracovníků. c) Průměrný plat je Kč, měrodatná odchylka 8996 Kč, varační koefcent je,1%. Jde o odhady, v případě varablty podhodnocené. d) Odhad modu je Kč, odhad medánu je Kč. Oba ukazatele jou nžší než artmetcký průměr, což navědčuje rozdělení eškmenému doprava. V ouboru tedy převažují pracovníc nžším platy. Varační koefcent pro znak váha mužů je 11,%, pro znak váha žen 13,1%. Váha žen má tedy o něco málo vyšší relatvní varabltu než váha mužů. Původní předpoklad e nepotvrdl. 1. Analyzujte tabulky četnotí v Ecelu Procvčte doma: 5. V tabulce na ltu PLATY jou údaje o měíčních platech zamětnanců jedné frmy. a) Setrojte htogram rozdělení a pouďte základní vlatnot rozdělení. b) Určete průměrný plat, měrodatnou odchylku, medán a modu. K výpočtům tattk použjte odhady a nterpolační vzorce. Porovnejte e kutečnotí: průměr 385, měr. odchylka 995, medán 1650, modu V tabulce na ltu ZÁVODY jou údaje o koncernu, který e dělí na podnky a závody. a) Spočítejte pro všechny řádky tabulky počty a průměrné platy žen. b) Určete pro všechny ukazatele ouhrny za jednotlvé podnky a za celý koncern. c) Vezměte jako výchozí tabulku podnků a znovu počítejte ouhrnné ukazatele za celý koncern. Porovnejte!

5 1.3 Od číelných charaktertk k bo plotu (opět v Ecelu) V tabulce na ltu STUDENTI najdete databáz e známkam tudentů z matematky a tattky. a) Spočítejte průměrnou známku z matematky a tattky a odhadněte, která zkouška je na první pohled těžší. b) Spočítejte a porovnejte varabltu obou známek. O čem to vypovídá? c) Setrojte pro oba předměty bo plot a popšte, co vdíte. d) Rozdělte tabulku podle typu třední školy a počítejte třední hodnotu a varabltu obou známek pro jednotlvé typy škol. Poté z těchto vypočtených údajů počítejte ouhrnné údaje a porovnejte výledky ad a) a b). 5

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability Pracovní lt č. 3 Charaktertky varablty 1. Př zjšťování počtu nezletlých dětí ve třcet vybraných rodnách byly zíkány tyto výledky: 1, 1, 0,, 3, 4,,, 3, 0, 1,,, 4, 3, 3, 0, 1, 1, 1,,, 0,, 1, 1,, 3, 3,. Upořádejte

Více

Možnosti vyžití statistiky a teorie zpracování dat v práci učitele na 1. stupni ZŠ

Možnosti vyžití statistiky a teorie zpracování dat v práci učitele na 1. stupni ZŠ Možnot vyžtí tatty a teore zpracování dat v prác učtele na. tupn ZŠ Význam tatty je v oudobé polečnot všeobecně uznáván. Svědčí o tom člány v denním odborném tu, lýcháme o ní čato ve vytoupeních hopodářých

Více

3. cvičení 4ST201. Míry variability

3. cvičení 4ST201. Míry variability cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry varablty

Více

8. STATISTICKÝ SOUBOR SE DVĚMA ARGUMENTY

8. STATISTICKÝ SOUBOR SE DVĚMA ARGUMENTY 8. STATISTICKÝ SOUBOR SE DVĚMA ARGUMETY Stattcký oubor e dvěma argument Průvodce tudem Vužeme znalotí z předchozí kaptol, která poednávala o tattckém ouboru edním argumentem a rozšíříme e. Předpokládané

Více

3. cvičení 4ST201 - řešení

3. cvičení 4ST201 - řešení cvčící Ig. Jaa Feclová 3. cvčeí 4ST0 - řešeí Obah: Míry varablty Rozptyl Směrodatá odchyla Varačí oefcet Rozlad rozptylu a mezupovou a vtroupovou varabltu Změa rozptylu Vyoá šola eoomcá VŠE urz 4ST0 Míry

Více

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese

9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese cvčící 9. cvčení 4ST01 Obsah: Jednoduchá lneární regrese Vícenásobná lneární regrese Korelační analýza Vysoká škola ekonomcká 1 Jednoduchá lneární regrese Regresní analýza je statstcká metoda pro modelování

Více

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy: Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je

Více

Vícekriteriální rozhodování. Typy kritérií

Vícekriteriální rozhodování. Typy kritérií Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování

Více

Matematika I A ukázkový test 1 pro 2018/2019

Matematika I A ukázkový test 1 pro 2018/2019 Matematka I A ukázkový test 1 pro 2018/2019 1. Je dána soustava rovnc s parametrem a R x y + z = 1 x + y + 3z = 1 (2a 1)x + (a + 1)y + z = 1 a a) Napšte Frobenovu větu (předpoklady + tvrzení). b) Vyšetřete

Více

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y

podle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y 4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.

Více

Statistická šetření a zpracování dat.

Statistická šetření a zpracování dat. Statstcká šetření a zpracování dat. Vyjadřovací prostředky ve statstce STATISTICKÉ TABULKY Typckým vyjadřovacím prostředkem statstky je číslo formalzovaným nástrojem číselného vyjádření je statstcká tabulka.

Více

7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM

7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM 7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané

Více

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN

ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší

Více

Obsah přednášky. 1. Základní pojmy. 2. Jednorozměrné charakteristiky 3. Rozložení 4. Vícerozměrné charakteristiky. Jak stručně popsat data

Obsah přednášky. 1. Základní pojmy. 2. Jednorozměrné charakteristiky 3. Rozložení 4. Vícerozměrné charakteristiky. Jak stručně popsat data Obah přednášky 1. Základní pojmy. Jednorozměrné charakteritiky 3. Rozložení 4. Vícerozměrné charakteritiky Jak tručně popat data 5. Hypotézy, tety O kvalitě dat a modelů Základní a výběrový oubor, pravděpodobnot,

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

Obsah. Příloha (celkový počet stran přílohy 8) Závěrečná zpráva o výsledcích experimentu shodnosti ZZP 2015/1

Obsah. Příloha (celkový počet stran přílohy 8) Závěrečná zpráva o výsledcích experimentu shodnosti ZZP 2015/1 Závěrečná zpráva o výledcích expermentu hodnot ZZP 015/1 Obah Úvod a důležté kontakty... Potupy tattcké analýzy expermentu hodnot... 5.1 Numercký potup zjšťování odlehlých hodnot... 5.1.1 Cochranův tet...

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

Více

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? Otázky k měření centrální tendence 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? 2. Určete průměr, medián a modus u prvních čtyř rozložení (sad dat): a.

Více

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení.

- metody, kterými lze z napozorovaných hodnot NV získat co nejlepší odhady neznámých parametrů jejího rozdělení. MATEMATICKÁ STATISTIKA - a základě výběrových dat uuzujeme a obecější kutečot, týkající e základího ouboru; provádíme zevšeobecňující (duktví) úudek - duktví uuzováí pomocí matematcko-tattckých metod je

Více

iglidur "Clips" pouzdra iglidur

iglidur Clips pouzdra iglidur iglidur Produktová řada Snadná montáž Dvě příruby Dobrá odolnot proti opotřebení Samomazné předvídatelnou životnotí Speciální rozměry jou možné HENNLICH.r.o. Tel. 416 711 338 Fax 416 711 999 lin-tech@hennlich.cz

Více

Vzorový protokol pro předmět Zpracování experimentu. Tento protokol by měl sloužit jako vzor pro tvorbu vašich vlastních protokolů.

Vzorový protokol pro předmět Zpracování experimentu. Tento protokol by měl sloužit jako vzor pro tvorbu vašich vlastních protokolů. Vzorový protokol pro předmět Zpracování experimentu. Tento protokol by měl loužit jako vzor pro tvorbu vašich vlatních protokolů. Na příkladech je zde ukázán právný zápi výledků i formát tabulek a grafů.

Více

Třídění statistických dat

Třídění statistických dat 2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.

Více

ANALÝZA PRŮCHODU PAPRSKOVÝCH SVAZKŮ KOUTOVÝM ODRAŽEČEM

ANALÝZA PRŮCHODU PAPRSKOVÝCH SVAZKŮ KOUTOVÝM ODRAŽEČEM ANALÝZA PRŮCHODU PAPRSKOVÝCH SVAZKŮ KOUTOVÝM ODRAŽEČEM P Kytka J Novák ČVUT v Praze Fakulta tavební katedra fyziky Práce e zabývá analýzou průchodu paprků koutovým odražečem což je typ hranolu který je

Více

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové.

Čísla a aritmetika. Řádová čárka = místo, které odděluje celou část čísla od zlomkové. Příprava na cvčení č.1 Čísla a artmetka Číselné soustavy Obraz čísla A v soustavě o základu z: m A ( Z ) a z (1) n kde: a je symbol (číslce) z je základ m je počet řádových míst, na kterých má základ kladný

Více

2. cvičení. Úrokování

2. cvičení. Úrokování BANKOVNICTVÍ 2. cvčení Úrokování ÚROK, ÚROKOVÁ MÍRA Úroková míra vyjadřuje poměr výnosu k vloženému (půjčenému) kaptálu, a to buď v relatvním (např. 0,1), nebo procentním (např. 10 %) vyjádření. Úrok je

Více

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový

Více

SEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie

SEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko - technologická Katedra analytické chemie Licenční studium chemometrie: Počítačové zpracování dat při kontrole a řízení jakosti SEMESTRÁLNÍ PRÁCE Předmět: Aproximace

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 8 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 7 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl

ČVUT FEL. X16FIM Finanční Management. Semestrální projekt. Téma: Optimalizace zásobování teplem. Vypracoval: Marek Handl ČVUT FEL X16FIM Fnanční Management Semestrální projekt Téma: Optmalzace zásobování teplem Vypracoval: Marek Handl Datum: květen 2008 Formulace úlohy Pro novou výstavbu 100 bytových jednotek je třeba zvolt

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 9 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 8 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,

Více

Návody na výpočty směrových a sklonových poměrů dle zadání do cvičení

Návody na výpočty směrových a sklonových poměrů dle zadání do cvičení Návody na výpočty měrových a klonových poměrů dle zadání do cvičení Kombinované tudium BO01, čát Dopravní tavby Ad 1) Návrh obou měrových oblouků bez přechodnic a) Změřte tředové úhly pomocí tangenty úhlu

Více

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára Odhady parametrů základního souboru Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára Motivační příklad Mám průměrné roční teploty vzduchu z 8 stanic

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojního inženýrství. Matematika IV. Semestrální práce

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

Více

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Úvod do kurzu Moodle kurz (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Výpočty online: www.statisticsonweb.tf.czu.cz Začátek výuky posunut

Více

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti MVP 2014/1

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti MVP 2014/1 Závěrečná zráva o výledcích exermentu hodnot MVP 014/1 Obah Úvod a důležté kontakty... Potuy tattcké analýzy exermentu hodnot... 3.1 Numercký otu zjšťování odlehlých hodnot... 3.1.1 Cochranův tet... 3.1.

Více

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je = Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.

Více

UKAZATELÉ VARIABILITY

UKAZATELÉ VARIABILITY UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou

Více

1.1.7 Rovnoměrný pohyb II

1.1.7 Rovnoměrný pohyb II 1.1.7 Rovnoměrný pohyb II Předpoklady: 16 Minulou hodinu jme zakončili předpovídáním dalšího pohybu autíčka. Počítali jme jeho dráhy v dalších okamžicích pomocí tabulky a nakonec i přímé úměrnoti: autíčko

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

22. Pravděpodobnost a statistika

22. Pravděpodobnost a statistika 22. Pravděpodobnost a statistika Pravděpodobnost náhodných jevů. Klasická pravděpodobnost. Statistický soubor, statistické jednotky, statistické znaky. Četnosti, jejich rozdělení a grafické znázornění.

Více

1.2.4 Racionální čísla II

1.2.4 Racionální čísla II .2.4 Racionální číla II Předoklady: 20 Pedagogická oznámka: S říkladem 0 je třeba začít nejozději 0 minut řed koncem hodiny. Př. : Sečti. Znázorni vůj otu graficky. 2 2 = = 2 Sčítáme netejné čáti muíme

Více

Protokol č. 1. Tloušťková struktura. Zadání:

Protokol č. 1. Tloušťková struktura. Zadání: Protokol č. 1 Tloušťková struktura Zadání: Pro zadané výčetní tloušťky (v cm) vypočítejte statistické charakteristiky a slovně interpretujte základní statistické vlastnosti tohoto souboru tloušťek. Dále

Více

Laboratorní cvičení L4 : Stanovení modulu pružnosti

Laboratorní cvičení L4 : Stanovení modulu pružnosti Laboratorní cvčení L4 Laboratorní cvčení L4 : Stanovení modulu pružnost 1. Příprava Modul pružnost statcký a dynamcký (kap. 3.4.2., str. 72, str.36, 4) Měření statckého modulu pružnost (kap. 5.11.1, str.97-915,

Více

Neřešené příklady k procvičení

Neřešené příklady k procvičení Vysoká škola báňská - Techncká unverzta Ostrava Fakulta elektrotechnky a nformatky Katedra aplkované matematky Neřešené příklady k procvčení Lenka Šmonová Ostrava, 2006 Následující sbírka neřešených příkladů

Více

teorie elektronických obvodů Jiří Petržela syntéza elektronických obvodů

teorie elektronických obvodů Jiří Petržela syntéza elektronických obvodů Jiří Petržela příklad nalezněte dvě různé realizace admitanční funkce zadané formou racionální lomené funkce Y () () ( ) ( ) : první krok rozkladu do řetězového zlomku () 9 7 9 výledný rozklad ( ) 9 9

Více

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu

6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu 6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a

Více

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

Více

Příspěvky do Fondu pojištění vkladů Garančního systému finančního trhu

Příspěvky do Fondu pojištění vkladů Garančního systému finančního trhu Česká národní banka odbor regulace fnančního trhu V Praze dne 7. května 2018 Příspěvky do Fondu pojštění vkladů Garančního systému fnančního trhu Pojštění pohledávek z vkladů v Evropské un a stanovení

Více

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky

Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra matematky Bakalářská práce Zpracování výsledků vstupních testů z matematky Plzeň, 13 Tereza Pazderníková Prohlášení Prohlašuj, že jsem bakalářskou

Více

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2

Obsah. Příloha (celkový počet stran přílohy 13) Závěrečná zpráva o výsledcích experimentu shodnosti ZČB 2013/2 Závěrečná zpráva o výsledcích expermentu shodnost ZČB 2013/2 Obsah Úvod a důležté kontakty... 2 Postupy statstcké analýzy expermentu shodnost... 4 2.1 Numercký postup zjšťování odlehlých hodnot... 4 2.1.1

Více

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream

Více

F A,B = Vektory baze vyjádřete jako aritmetické vektory souřadnic vzhledem

F A,B = Vektory baze vyjádřete jako aritmetické vektory souřadnic vzhledem Přezdívka: Jméno a příjmení: výsledek 11 8 18 4 1 4 1 1 1 9 4 4 4 Určete které z vektorů B v 1 = 1 B v = 6 leží v oboru hodnot lineárního zobrazení zadaného maticí 1 1 1 5 1 15 1 6 5 Ten, který leží, můžete

Více

1.3 K čemu slouží linearizační transformace? V jakém případě o ní uvažujeme?

1.3 K čemu slouží linearizační transformace? V jakém případě o ní uvažujeme? Otázky k tématu 6 regrese 1 1. Vyberte správnou odpověď 1.1 Který termín patří mezi ostatní nejméně? a) percentil b) korelace c) regrese d) predikce 1.2 O lineárním vztahu mezi dvěma proměnnými. a) vypovídá

Více

Posouzení stability svahu

Posouzení stability svahu Inženýrký manuál č. 8 Aktualizace: 02/2016 Poouzení tability vahu Program: Soubor: Stabilita vahu Demo_manual_08.gt V tomto inženýrkém manuálu je popán výpočet tability vahu, nalezení kritické kruhové

Více

PROCES PŘIROZENÉ ATENUACE NA LOKALITĚ KONTAMINOVANÉ ROPNÝMI LÁTKAMI

PROCES PŘIROZENÉ ATENUACE NA LOKALITĚ KONTAMINOVANÉ ROPNÝMI LÁTKAMI ACTA ENVIRONMENTALICA UNIVERSITATIS COMENIANAE (BRATISLAVA) Vol. 0, Sul. 1(01): 35-40 ISSN 1335-085 PROCES PŘIROZENÉ ATENUACE NA LOKALITĚ KONTAMINOVANÉ ROPNÝMI LÁTKAMI Jří Huzlík & Vlma Jandová Centrum

Více

4.1.5 Práce v elektrickém poli, napětí

4.1.5 Práce v elektrickém poli, napětí 4.1.5 Práce v elektrickém poli, napětí Předpoklady: 4102, 4104, mechanická práce Př. 1: Spočítej ílu, která půobí náboj o velikoti 2 10 5 C, který e nachází v elektrickém poli o intenzitě 2500 N C 1. Nejjednodušší

Více

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny

NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Doba řešení: 3 hodiny NALG 001 Lineární algebra a geometrie 1, zimní semestr MFF UK Závěrečná zkouška verze cvičná 9.1.2013 Doba řešení: 3 hodiny Přednášející: L. Barto, J. Tůma Křestní jméno: Příjmení: Instrukce Neotvírejte

Více

3 Chyby měření. 3.1 Hrubé chyby

3 Chyby měření. 3.1 Hrubé chyby 3 Chyby měření Za daných podmínek má každá fyzikální veličina určitou hodnotu, kterou ovšem z principiálních důvodů nemůžeme zjitit úplně přeně. Každé měření je totiž zatíženo chybami, které jou nejrůznějšího

Více

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje

Více

URČENÍ SOUŘADNIC A VÝŠKY BODU (číslo bodu 1, místopisný popis: střecha FSv, budova B)

URČENÍ SOUŘADNIC A VÝŠKY BODU (číslo bodu 1, místopisný popis: střecha FSv, budova B) Polední úprava: 5.9.08 6:5 URČENÍ SOUŘDNC VÝŠKY ODU čílo bodu, mítopiný popi: třecha FSv, budova. Určení ouřadnic bodu Z ecentrického potavení teodolitu označení tanovika E e změří: a vodorovné měr ve

Více

Rovnice rovnoměrně zrychleného pohybu

Rovnice rovnoměrně zrychleného pohybu ..8 Rovnice rovnoměrně zrychleného pohybu Předpoklady: 7 Pedagogická poznámka: Stejně jako u předchozí hodiny je i v této hodině potřeba potupovat tak, aby tudenti měli minimálně píše minut na řešení příkladů

Více

Základy finanční matematiky

Základy finanční matematiky Hodna 38 Strana 1/10 Gymnázum Budějovcká Voltelný předmět Ekonome - jednoletý BLOK ČÍSLO 6 Základy fnanční matematky ředpokládaný počet : 5 hodn oužtá lteratura : Frantšek Freberg Fnanční teore a fnancování

Více

Protokol č. 5. Vytyčovací údaje zkusných ploch

Protokol č. 5. Vytyčovací údaje zkusných ploch Protokol č. 5 Vytyčovací údaje zkusných ploch Zadání: Ve vybraném porostu bylo prováděno zjišťování zásob za použití reprezentativní metody kruhových zkusných ploch. Na těchto zkusných plochách byl zjišťován

Více

5 ST ADATEL, FONDOVATEL, ZÁSOBITEL, NESTEJNÉ PENùÎNÍ PROUDY, REÁLNÁ ÚROKOVÁ MÍRA

5 ST ADATEL, FONDOVATEL, ZÁSOBITEL, NESTEJNÉ PENùÎNÍ PROUDY, REÁLNÁ ÚROKOVÁ MÍRA 5 ST ADATEL, FONDOVATEL, ZÁSOBITEL, NESTEJNÉ PENùÎNÍ PROUDY, REÁLNÁ ÚROKOVÁ MÍRA Střadatel se používá pro výpočet úroku na konc období, kdy jste pravdelně ukládal stejnou částku, ve stejný okamžk, po určté

Více

Metodologie pro ISK II

Metodologie pro ISK II Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech

Více

Téma: Analýza kmitavého pohybu harmonického oscilátoru

Téma: Analýza kmitavého pohybu harmonického oscilátoru PRACOVNÍ LIST č. Téa úlohy: Analýza kitavého pohybu haronického ocilátoru Pracoval: Třída: Datu: Spolupracovali: Teplota: Tlak: Vlhkot vzduchu: Hodnocení: Téa: Analýza kitavého pohybu haronického ocilátoru

Více

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý

Více

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn!

MATEMATIKA. vyšší úroveň obtížnosti DIDAKTICKÝ TEST MAGVD10C0T01. Testový sešit neotvírejte, počkejte na pokyn! MATEMATIKA vyšší úroveň obtížnosti MAGVD10C0T01 DIDAKTICKÝ TEST Didaktický test obsahuje 21 úloh. Časový limit pro řešení didaktického testu je uveden na záznamovém archu. Povolené pomůcky: psací a rýsovací

Více

Číselné charakteristiky

Číselné charakteristiky . Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch

Více

Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice. sin x + x 2 2 = 0.

Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice. sin x + x 2 2 = 0. A 9 vzorové řešení Př. 1. Libovolnou z probraných metod najděte s přesností na 3 desetinná místa kladný kořen rovnice Počítejte v radiánech, ne ve stupních! sin x + x 2 2 = 0. Rovnici lze upravit na sin

Více

GEODETICKÉ VÝPOČTY I.

GEODETICKÉ VÝPOČTY I. SPŠS Č.Budějovice Obor Geodézie a Katastr nemovitostí 2.ročník GEODETICKÉ VÝPOČTY I. DĚLENÍ POZEMKŮ Ing. Jana Marešová, Ph.D. rok 2018-2019 V praxi se geodet často setká s úkolem rozdělit pozemek (dědictví,

Více

VŠB Technická univerzita Ostrava

VŠB Technická univerzita Ostrava VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Zadání 10 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL

Více

PŘÍSTAVBA KLINIKY SV. KLIMENTA DOKUMENTACE PRO STAVEBNÍ POVOLENÍ GENNET STUDIE DENNÍHO OSVĚTLENÍ. Gennet Letná s.r.o.

PŘÍSTAVBA KLINIKY SV. KLIMENTA DOKUMENTACE PRO STAVEBNÍ POVOLENÍ GENNET STUDIE DENNÍHO OSVĚTLENÍ. Gennet Letná s.r.o. PŘÍSTAVBA KLNKY SV. KLMENTA ul. Kostelní, p.č. 2118/9, k.ú. Holešovce, 170 00, Praha 7 DOKUMENTACE PRO STAVEBNÍ POVOLENÍ výškový systém b.p.v. ±0,000 = +230,030 m.n.m., souřadncový systém S - JTSK Gennet

Více

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č.

Mendelova zemědělská a lesnická univerzita Provozně ekonomická fakulta. Výpočet charakteristik ze tříděných údajů Statistika I. protokol č. Mendelova zemědělsá a lesnicá univerzita Provozně eonomicá faulta Výpočet charateristi ze tříděných údajů Statistia I. protool č. 2 Jan Grmela, 2. roční, Eonomicá informatia Zadání 130810, supina Středa

Více

Orientační odhad zatížitelnosti mostů pozemních komunikací v návaznosti na ČSN a TP200

Orientační odhad zatížitelnosti mostů pozemních komunikací v návaznosti na ČSN a TP200 Orientční odhd ztížitelnoti motů pozemních komunikcí v návznoti n ČSN 73 6222 TP200 Úvod Ztížitelnot motů PK e muí tnovit jedním z náledujících potupů podle ČSN 73 6222, kpitol 6 : - podrobný ttický výpočet

Více

STŘEDNÍ PRŮMYSLOVÁ ŠKOLA MORAVSKÁ OSTRAVA, KRATOCHVÍLOVA 7 Číslo úlohy: 9

STŘEDNÍ PRŮMYSLOVÁ ŠKOLA MORAVSKÁ OSTRAVA, KRATOCHVÍLOVA 7 Číslo úlohy: 9 STŘEDNÍ PŮMYSLOVÁ ŠKOL MOVSKÁ OSTV, KTOCHVÍLOV 7 Čílo úlohy: 9 Jméno a příjmení: ZPÁV O MĚŘENÍ Martin Dočkal Třída: EP3 Náev úlohy: egulační vlatnoti reotatu Skupina:. Schéma apojení: Měřeno dne: 4.2.2004

Více

I. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR

I. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR I. Kalkulátor Rebell SC2040 manuál s příklady Tlačítko: MODE CLR Toto tlačítko je velmi důležité pro volbu pracovního režimu. 1 stisknutí: 1 (COMP) - běžné výpočty SD, REG statistické výpočty 2 stisknutí

Více

Dotazy tvorba nových polí (vypočítané pole)

Dotazy tvorba nových polí (vypočítané pole) Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.

Více

Téma 2. Řešené příklady

Téma 2. Řešené příklady Téma. Řešené příklady 1. V tabulce č. 1. jsou uvedeny údaje o spotřebě polotučného sušeného a polotučného tekutého mléka v jednotlivých létech. Tab. 1. (mil. l) \ rok 1998 1999 000 001 00 003 004 005 Polotučné

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL

Více

1.1.14 Rovnice rovnoměrně zrychleného pohybu

1.1.14 Rovnice rovnoměrně zrychleného pohybu ..4 Rovnice rovnoměrně zrychleného pohybu Předpoklady: 3 Pedagogická poznámka: Stejně jako u předchozí hodiny je i v této hodině potřeba potupovat tak, aby tudenti měli minimálně minut na řešení příkladů

Více

Doporučené aplikace stanovení modulu C pro jednotlivé typy technologií výroby elektřiny v KVET Zákon č. 165/2012 Sb., vyhl. č. 453/2012 Sb.

Doporučené aplikace stanovení modulu C pro jednotlivé typy technologií výroby elektřiny v KVET Zákon č. 165/2012 Sb., vyhl. č. 453/2012 Sb. Doporučené aplikace tanovení modulu C pro jednotlivé typy technologií výroby elektřiny v KVET Zákon č. 165/2012 Sb., vyhl. č. 453/2012 Sb. 1 Metodické pokyny pro určení množtví elektřiny z vyokoúčinné

Více

POROVNÁNÍ MEZI SKUPINAMI

POROVNÁNÍ MEZI SKUPINAMI POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá

Více

STATISTICKÉ CHARAKTERISTIKY

STATISTICKÉ CHARAKTERISTIKY STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522

Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522 Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS

Více

Hodnocení stavu výživy

Hodnocení stavu výživy Hodnocení stavu výživy 1 Úvod Odpovězte na otázky Vyjmenujte složky tvořící Metabolický syndrom: I. Indexy vycházející z antropometrických ukazatelů: Cílem cvičení se seznámit s indexy, které můžeme stanovit

Více

výsledek 2209 y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3.

výsledek 2209 y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3. Vypočtěte y (5) (x) y (4) (x) y (3) (x) 7y (x) 20y (x) 12y(x) (horní indexy značí derivaci) pro 1. y(x) = sin2x 2. y(x) = cos2x 3. y(x) = x sin2x 4. y(x) = x cos2x 5. y(x) = e x 1 6. y(x) = xe x 7. y(x)

Více

Test z matematiky. Přijímací zkoušky na bakalářský obor Bioinformatika

Test z matematiky. Přijímací zkoušky na bakalářský obor Bioinformatika Test z matematiky Přijímací zkoušky na bakalářský obor Bioinformatika 5. 6. 2019 Na provedení testu máte 60 minut. Při testu nelze používat kalkulátory, tabulky ani jakákoli komunikační média. Test obsahuje

Více

Pracovní list - Laboratorní práce č. 7 Jméno: Třída: Skupina:

Pracovní list - Laboratorní práce č. 7 Jméno: Třída: Skupina: Projekt Efektivní Učení Reformou oblastí gymnaziálního vzdělávání je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Pracovní list - Laboratorní práce č. 7 Jméno: Třída:

Více

Finanční hospodaření podniku

Finanční hospodaření podniku Finanční hospodaření podniku Náklady podniku Náklady představují v peněžním vyjádření hodnotu vynaložených hospodářských prostředků (spotřebovaného oběžného majetku, opotřebovaného investičního majetku)

Více

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné

Více

ZHODNOCENÍ OBTÍŽNOSTI VÝKLADOVÉHO TEXTU SOUČASNÝCH ČESKÝCH UČEBNIC PŘÍRODOPISU PRO 6. AŽ 9. ROČNÍK ZŠ POMOCÍ DVOU METOD

ZHODNOCENÍ OBTÍŽNOSTI VÝKLADOVÉHO TEXTU SOUČASNÝCH ČESKÝCH UČEBNIC PŘÍRODOPISU PRO 6. AŽ 9. ROČNÍK ZŠ POMOCÍ DVOU METOD ZHODNOCENÍ OBTÍŽNOSTI VÝKLADOVÉHO TEXTU SOUČASNÝCH ČESKÝCH UČEBNIC PŘÍRODOPISU PRO 6. AŽ 9. ROČNÍK ZŠ POMOCÍ DVOU METOD Libuše Hrabí Katedra přírodopiu a pětiteltví PdF UP v Olomouci Abtrakt V tomto článku

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci

Více

Časové řady - Cvičení

Časové řady - Cvičení Časové řady - Cvičení Příklad 2: Zobrazte měsíční časovou řadu míry nezaměstnanosti v obci Rybitví za roky 2005-2010. Příslušná data naleznete v souboru cas_rada.xlsx. Řešení: 1. Pro transformaci dat do

Více

Zpráva o stavu a rozvoji modelu pro předvídání vzdělanostních potřeb ROA - CERGE v roce 2004

Zpráva o stavu a rozvoji modelu pro předvídání vzdělanostních potřeb ROA - CERGE v roce 2004 Zpráva o tavu a rozvoji modelu pro předvídání vzdělanotních potřeb ROA - CERGE v roce 2004 vypracováno pro čát grantového projektu Společnot vědění - nároky na kvalifikaci lidkých zdrojů a na další vzdělávání

Více