VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ

Rozměr: px
Začít zobrazení ze stránky:

Download "VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ"

Transkript

1 1) ) 3) 4) VÝVOJOVÉ TRENDY INDIVIDUÁLNÍHO RIZIKA INCIDENCE A MORTALITY VYBRANÝCH DRUHŮ KARCINOMŮ Fratšek Božek 1), Adam Pawelczyk ), Magdaléa Náplavová 3), Karel Kubečka 4) Vysoká škola regoálího rozvoje, Žalaského 68/54, Praha 17 Řepy e-mal: fratsek.bozek@uob.cz Techologcká uverzta Wroclaw, Fakulta cheme, Norwda 4/6, Wroclaw, Polsko Vysoká škola regoálího rozvoje, Žalaského 68/54, Praha 17 Řepy Vysoká škola regoálího rozvoje, Žalaského 68/54, Praha 17 Řepy Abstrakt Příspěvek se zabývá hodoceím dvduálího rzka cdece a mortalty zhoubých ovotvarů tlustého střeva včetě koečíku a dále slvky břší v celostátím měřítku za období Užtím regrese bylo zjštěo, že dvduálí rzko cdece vykazuje a rozdíl mortalty rostoucí tred v celém sledovaém období, což svědčí o zaváděí stále kvaltějších dagostckých a terapeutckých metod sledovaých oemocěí, zvýšeé formovaost obyvatelstva, ale rostoucí zátěž evrometu polutaty. Excepc tvoří především výrazě progresví tedece rzk obtížě léčtelého karcomu slvky břší. Užtím Pearsoova, resp. Spearmaova koefcetu korelace byly prokázáy závslost vybraých druhů dvduálích rzk a potvrzey závěry získaé z aalýzy tredů vývoje. Úvod Karcomy áleží mez efekčí oemocěí a svou frekvecí cdece a mortalty zaujímají druhé místo hed za kardovaskulárím chorobam ásledovaé respračím emocem a dabetes. Je tudíž ezbyté věovat mtgac dvduálích rzk cdece a mortalty sgulárích dagóz zhoubých ádorů zvýšeou pozorost. Vyhodoceí tedecí vývoje dvduálích rzk cdece a mortalty každé z dagóz a vybraých korelací v jedotlvých zemích a regoech je prmárím předpokladem redukce příslušých rzk zejméa a báz pozatků a praktckých zkušeostí zemí, resp. regoů s mmálím rzkem cdece a zvláště mortalty zkoumaé malgty. Aalýza současého stavu Nefekčí oemocěí, jejchž edílou kompoetou jsou karcomy, áleží k ejfrekvetovaějším příčám úmrtí ve většě zemí světa [1]. Pouze v zemích s ízkým příjmy, zejméa v afrckém regou, stále převažují úmrtí a fekčí choroby, přestože tam cdece efekčích emocí rychle roste []. Ve sféře efekčích oemocěí tvoří relatví poměr úmrtí a dagózy rakovy 1 %, přčemž ejčastější příčou mortalty jsou kardovaskulárí emoc se svým 48 %. Třetí místo v této skupě zaujímají úmrtí v důsledku ochořeí dýchacích cest, včetě astma a chrocké obstrukčí plcí edostatečost, což reprezetuje as 1 % úmrtí a čtvrté místo dabetes, jež způsobují 1, úmrtí a světě ročě, což čí relatvě cca 4 % []. Více ež dvě třety úmrtí vlvem rakovy se vyskytuje v zemích s ízkým a středím příjmem. Podíl mortalty způsobeé rakovou klesá v řadě karcom plc, prsu, tlustého střeva a koečíku, žaludku a jater [3]. V zemích s vysokým příjmy umírá ejvíce mužů a rakovu plc a že a rakovu prsu. V zemích s ízkým příjmem závsí mortalta a jedotlvé dagózy především a převládajících rzkových faktorech, takže apř. v subsaharské Afrce je ejčastější příčou smrt že rakova děložího čípku.

2 K téměř polově úmrtí v důsledku zhoubých ádorů v zemích s ízkým a středím příjmy dochází př věku žším ež 70 let a k téměř 30 % úmrtí u osob mladších 60 let, což může mít závažé důsledky pro produktvtu, socálí a hospodářský rozvoj [4]. Za ejvýzamější rzkové faktory vzku rakovy jsou považováy faktory chováí zahrující ezdravou stravu a výžvové ávyky, edostatečou fyzckou aktvtu, užíváí tabáku a zvýšeou kozumac alkoholu, ale rověž fekce, jako je hepattda B, hepattda C (rakova jater), ldský DNA papllomavrus (rakova děložího čípku, koečíku, hltau, hlasvek), sprálí, mkroaeroflí, gram-egatví baktere Helcobacter pylor (rakova žaludku) apod. [5]. Kromě toho je mortalta rakovy fukcí úrově eozující a ozující radace a růzých evrometálích a profesích expozc v závslost a specfcké geografcké oblast a místích podmíkách [4]. Pokud se týká dvduálího rzka cdece zhoubých ovotvarů, odhaduje se, že především v relac ke změám věkového složeí populace se zvýší z hodoty 1, v roce 01 [6] a hodotu, v roce 030, přčemž téměř dvě třety cdece všech okologckých dagóz se budou vyskytovat v zemích s ízkým a středím příjmy [7]. Staoveí vývojových tredů dvduálího rzka cdece a mortalty jedotlvých dagóz rakovy ve sledovaých zemích a regoech a adekvátích korelací mez m představují báz posouzeí kvaltatvího vývoje dagostckých a terapeutckých metod, osvěty obyvatelstva, staoveí rzkových faktorů ve zkoumaých regoech pro porovávaé dagózy, komparac rzkových pozc apod. [8, 9 aj.]. Proto se aše skupa rozhodla vyhodott užtím statstckých metod tredy vývoje dvduálích rzk cdece a mortalty a vybraých korelací jedotlvých dagóz kolorektálího karcomu a zhoubého ádoru slvky břší. Kolorektálí karcom byl zvole z důvodu, že zaujímá třetí příčku mez celosvětově ejčastěj se vyskytujícím malgtam a protože ČR patří v celosvětové cdec mortaltě kolorektálího karcomu a předí příčky. V roce 01 áleželo ČR u mužského pohlaví čtvrté a u žeského pohlaví šestácté místo a světě [10]. Vedle vysoké a stoupající cdece vykazuje toto oemocěí vysokou mortaltu způsobeou zejméa převládající dagostkou oemocěí až v pokročlých stádích, kdy jsou léčebé postupy jž začě omezeé. Podle mezárodí statstcké klasfkace emocí a přdružeých zdravotích problémů áleží do skupy dagóz ádorů trávcího ústrojí C15-C6. Samotý kolorektálí karcom emá jede kód, ale jde o dagózy C18-zhoubý ádor tlustého střeva, C19-zhoubý ádor rektosgmodeálího spojeí (část tlustého střeva a hrac esovté klčky a koečíku), C0-zhoubý ádor koečíku a C1-zhoubý ádor řt a řtího kaálu [11]. Dagóza C5-zhoubý ádor slvky břší byla zvolea proto, že exstuje dosud mmum zalostí o příčě vzku a léčbě oemocěí a výzamě arůstá cdece [1]. Použté metody Idvduálí rzko cdece, resp. mortalty sledovaého karcomu bylo kalkulováo a osobu a rok a představuje pravděpodobost vzku ových případů, resp. úmrtí zazameaých ve sledovaém roce [13]. K modelováí vývoje časové závslost dvduálích rzk byla aplkováa leárí, resp. eleárí regresí aalýza, která je založea a studu závslost dvou kvattatvích zaků, závslé proměé Y (dvduálí rzko cdece, resp. mortalty dagózy) a ezávslé proměé X (čas t). Matematcky lze závslost vyjádřt rovcí (1): Y = f ( X ) Vzhledem k faktu, že jsou X a Y jsou statstcké zaky, přechází závslost v tzv. regresí fukc (), kde y, resp. x, představují hodoty zaku Y, resp. X a e áhodou složku [14]. (1)

3 y = f ( x) Test výzamost regresího modelu za účelem ověřeí jeho chováí jako celku byl realzová F-testem [15]. Hypotéza H 0 s alteratvou H 1 jsou vyjádřey vztahem (3), v ěmž symbol β 0 = q reprezetuje hodotu absolutího čleu, β 1, β, β a jsou hodoty čleů polyomu prvího, druhého až a-tého stupě a j a N β 0 β 1 β, β a Re, kde N je symbol pro možu všech přrozeých a Re všech reálých čísel. H e β 0 = q, q 0, β1 = β =... β a = 0 H : β j 0 pro j 1,, 3,... a 0 : = Testovým krtérem je statstka dle rovce (4), v íž y je -tá hodota závsle proměé, ŷ -tá teoretcká hodota závsle proměé, y středí hodota závsle proměé, d = a + 1, počet prvků výběrového souboru a F kvatl Fsher-Sedecorova rozděleí. F = = 1 = 1 ( y y) ( c 1) 1 1 ( yˆ y) ( c) Krtcký obor W a je vymeze vztahem (5), kde α je zvoleá hlada výzamost a hodoty c - 1 a c představují počty stupňů volost Fsher-Sedecorova rozděleí. W a : F {( d 1); ( ) } F1 α / ; d (5) Pokud př testováí hodota F pade do krtckého oboru F ; {( d 1), ( ) } () (3) (4) 1 α / d, hypotéza H 0 se zamítá a přjímá se hypotéza alteratví, což prokazuje závslost mez proměým X a Y zkoumaého modelu v souladu s příslušým polyomem a hladě výzamost α. Testováí hypotézy dle vztahu (3) lze provést také pomocí p-hodoty, jejímž porováím s hladou výzamost α se obdrží detcké závěry [15]. Testováí ormalty souborů proběhlo pomocí výběrových koefcetů škmost, špčatost a jejch kombovaým testem [16]. Nechť H 0 představuje hypotézu, že výběrový soubor má ormálí rozděleí a H 1 hypotézu, že výběrový soubor pochází z esymetrckého rozděleí. Následě se vypočte se testovací statstka u 3 ve shodě se vztahem (6), v ěmž a 3 začí koefcet škmost výběrového souboru počet jeho prvků [15]. Je-l u u1 /, ulová hypotéza H 0 se zamítá, přčemž u 1-α/ zameá kvatl 3 α ormálího rozděleí N(0; 1) a hladě výzamost α. u a 3 u 3 = 1 (6) 6 ( ) ( 1) ( 3) + + Aalogcky se vypočte testovací statstka u 4 v souladu se vztahem (7) a jestlže u, ulová hypotéza H 0 se zamítá. 4 1 α /

4 6 a u 4 = (7) 1 4 ( ) ( 3) ( + 1) ( + 3) ( + 5) Pokud se podaří zamítout ulovou škmost ebo špčatost, prohlašuje se, že výběr z ormálího rozděleí epochází. Na výsledky testů ulové škmost a špčatost byl aplková kombovaý test výběrové škmost a špčatost. Je založe a skutečost, že součet čtverců c ormovaých velč χ ;{ } u 3 a u 4 má Pearsoovo rozděleí 1 α ν = se dvěma stup ν = volost. V tomto případě se ejprve vypočte hodota součtu čtverců c dle rovce (8) a paklže χ α c 1 ;{ ν = zamíte. }, ulová hypotéza H 0 o ormálím rozděleí se a hladě výzamost α d = + (8) u 3 u4 Kvattatví těsost vztahu leárí korelace mez dvěma spojtým áhodým proměým X a Y s ormálím rozděleím obou proměých bylo zjštěa parametrckým testem Pearsoova korelačího koefcetu r Pe -1; 1. Jeho hodota byla kalkulováa z párových hodot korelačích dvojc závsle y, a ezávsle x proměých. Př staoveí leárí korelačí závslost dle Pearsoova korelačího koefcetu r Pe byly užty odchylky hodot x a y od průměrů x, y, jak je evdetí z rovce (9), kde symboly s x a s y začí směrodaté odchylky výběrových souborů spojtých áhodých proměých X a Y [15]. r Pe = = 1 ( x x ) ( y y ) = 1 = 1 (9) ( x x ) = 1 ( y y) = ( x y ) x y ( 1) s s x y Čím větší je absolutí hodota r Pe, tím těsější je korelace mez oběma proměým. Takto vypočteý korelačí koefcet r Pe, reprezetuje pouze jeho odhad ρ Pe. Aby bylo možé zjstt výzamost korelace bylo uté výběrový korelačí koefcet r Pe, testovat užtím Studetova t-testu. Testováa byla ulová hypotéza o ezávslost, tj. H 0 : ρ Pe = 0 podle testovací statstky (10), v íž s r reprezetuje středí chybu korelačího koefcetu r Pe, vypočteou podle vztahu (11). 1 t = r Pe ( sr ) (10) sr = ( 1 rpe ) ( ) (11) Vypočteé testovací krtérum t se posléze porová s tabelovaou krtckou hodotou t 1 - α/;{ν} pro zvoleou hladu výzamost α a stupeň volost v =. Je-l t > t 1 - α/;{ν} hypotéza H 0 o ezávslost sledovaých áhodých velč X, Y se zamíte, což zameá, že korelačí koefcet r Pe je a hladě α výzamý [15]. Těsost závslost výběrových souborů dvduálích rzk s asymetrckým rozděleím aspoň jedoho z ch byl posuzová pomocí Spearmaova korelačího koefcetu r Sp, [14].

5 Předpokladem aplkace metody byl shodý počet dat v porovávaých souborech, ezamětelost jejch pořadí a výskyt závsle x a ezávsle y proměých a témže řádku. Spearmaův korelačí koefcet r Sp byl vypočte dle vztahu (1): r 6 = 1 (1) ( 1) = 1 Sp D v ěmž D představuje druhou mocu rozdílu mez pořadím hodot ezávsle proměé x a závsle proměé y -té korelačí dvojce ve vzestupě č sestupě uspořádaých souborech statstckých velč X a Y a je počet korelačích dvojc. Vypočteý koefcet se porová s tabelovaým krtckým hodotam Spearmaova korelačího koefcetu r Sp (α, ) pro zvoleou krtckou oblast α a počet korelačích dvojc [4]. Jestlže je r Sp > r Sp (α, ), je závslost mez oběma soubory dat a hladě výzamost α výzamá. Výsledky a dskuze Na základě údajů získaých z epdemologcké databáze o počtu absolutích případů cdece a mortalty sledovaých druhů karcomů [17] a databáze o počtu obyvatel ČR [18] byla ejprve pomocí rovce (13) kalkulováa dvduálí rzka cdece a mortalty zkoumaých karcomů pro každý rok období R (13) 1, k ( I, resp. M ) = x, k ( I, resp. M ) k V rovc (1) představuje symbol R, k (I, resp. M) dvduálí rzko cdece (I), resp. mortalty (M) -té dagózy zhoubého ovotvaru v k-tém roce, x, k (I, resp. M) odpovídající počet absolutích případů a koečě k středí stav počtu obyvatelstva ČR v k-tém roce. Sledováy byly tredy vývoje dvduálího rzka cdece a mortalty zhoubých ovotvarů čtyř dagóz kolorektálího karcomu, jejch sumy a karcomu slvky břší v období let Příslušé tredy byly vyhodocey užtím leárí, resp. eleárí polyomcké kvadratcké regrese. Ještě před vlastím staoveím tredu vývoje však bylo ezbyté otestovat ormaltu každého z výběrových datových souborů, aby měly výstupy vyšší vypovídací schopost. K testováí sloužly testy výběrové škmost, špčatost a jejch kombovaý test. Výběrové soubory, u chž bylo prokázáo asymetrcké rozděleí, byly trasformováy aplkací dekadckého logartmu dvduálího rzka za účelem získáí souborů dat blížících se ormálímu rozděleí. Výsledky testů ormalty souborů zkoumaých typů dagóz jsou prezetováy v tab. 1. Z tab. 1 je zřejmé, že ormalta byla prokázáa výhradě pro soubory dvduálího rzka cdece dagózy C19 zhoubého ovotvaru rektosgmodeálího spojeí, cdec a mortaltu dagóz C1 řtě a řtího kaálu a dagózu C5 slvky břší. Idvduálí rzko cdece zhoubého ovotvaru rektosgmodeálího spojeí bylo přes skutečost, že soubor dat vykazuje symetrcké rozděleí z pragmatckého aspektu zlogartmováo, aby bylo možé sledovat tredy vývoje cdece a mortalty v jedoté stupc.

6 Tab. 1 Výsledky testů ormalty výběrových souborů dvduálího rzka zkoumaých karcomů P-výběrový soubor pochází z ormálího rozděleí; N-výběrový soubor epochází z ormálího rozděleí. Druh dagózy zhoubého ovotvaru Test výběrové škmost Test výběrové špčatost Kombovaý test Sumárí výstup Icdece Mortalta Icdece Mortalta Icdece Mortalta Icdece Mortalta C18 tlusté střevo P N N P P N N N C19 rektosgmodeálí spojeí P N P N P N P N C0 koečík-recta P N N N P N N N C1 řť a řtí kaál P P P P P P P P C18-C1 tlusté střevo a koečík P N N N P N N N C5 slvka břší P P P P P P P P Tred vývoje cdece a mortalty dagózy C1 ebyl pro velm ízký počet absolutích případů ve srováí s ostatím zkoumaým dagózam, a s tím souvsejícím začě vysokým rozptylem dat, sledová samostatě. Odpovídající data dagózy C1 však byla zahruta do sumárího rzka kolorektálího karcomu, tedy sumy cdece, resp. mortalty C18-C1. Získaé výstupy tredů vývoje sledovaých dagóz jsou zázorěy a obr. 1 až obr. 5. Obr. 1 Tred vývoje dvduálího rzka cdece a mortalty dagózy C18 zhoubého ovotvaru tlustého střeva

7 Obr. Tred vývoje dvduálího rzka cdece a mortalty dagózy C19 zhoubého ovotvaru rektosgmodeálího spojeí Obr. 3 Tred vývoje dvduálího rzka cdece a mortalty dagózy C0 zhoubého ovotvaru koečíku Obr. 4 Tred vývoje dvduálího rzka cdece a mortalty kolorektálího karcomu (dagózy C18-C1)

8 Obr. 5 Tred vývoje dvduálího rzka cdece a mortalty dagózy C5 zhoubého ovotvaru slvky břší Časový vývoj dvduálího rzka cdece a mortalty hodoceých dagóz reflektuje kromě samoté stuace v populac, další ejstoty spojeé apř. s věkovým složeím populace, vlvy souvsející se sledováím a regstrací ádoru, především co do úplost zazameáváí dat, odlšost spojeé se změam v dagostce, klasfkac ádoru, způsobu hlášeí apod. Ncméě přes všechy výše uvedeé ejstoty lze z provedeé aalýzy vyvodt ásledující závěry: a) Tred dvduálího rzka cdece všech zkoumaých dagóz vykazuje vyjma dagózy C19 zhoubého ovotvaru rektosgmodeálího spojeí leárí závslost progresvího charakteru, byť rzko cdece dagózy C18 a logcky sumy karcomů C18-C1 se zdá abírat v posledí době degresví tedec. Zmíěý fakt může být způsobe eje permaetě se zlepšujícím dagostckým metodam, rostoucím vzděláím populace, zejméa ve sféře prevece, ale rověž stoupající zátěží žvotího prostředí polutaty fyzkálího, chemckého a bologckého charakteru a obzvláště zvyšujícím se stresem a zhoršeou žvotosprávou většy populace. Výrazě ejvyšší směrce byla zazameáa u cdece dagózy C5 zhoubého ovotvaru slvky břší, což může sgalzovat výskyt ových specfckých rzkových faktorů. Sledováím tredu v růzých zemích a regoech může být rzkové faktory detfkováy. b) V případě dagózy C19 lze zhruba od roku 1998 regstrovat pokles dvduálího rzka cdece, což lze vysvětlt především efektvější prevecí a osvětou. c) Vývoje dvduálího rzka mortalty vykazuje lokálí maxmum u dagózy C18 a přelomu roků 006 a 007, u dagózy C19 v roce 1995, u dagózy C0 ke koc roku 1994 a u sumy oemocěí C18-C1 a počátku roku 003, jak lze zjstt pomocí prví a druhé dervace. Odtud lze usuzovat a zvyšující se úspěšost terape a aplkac pokročlejších léčebých metod apř. s využtím aočástc, zvláště př včasé dkac oemocěí. d) Idvduálí rzka cdece a mortalty dagózy C18 zhoubého ovotvaru tlustého střeva a sumy dagóz C18-C1 vykazují aalogcký průběh,

9 což lze vysvětlt často více ež 50% počtem absolutích případů dagózy C18 cdece mortalty v rámc skupy oemocěí C18-C1. e) Fukce vývoje dvduálího rzka cdece mortalty rakovy dagózy C5 slvky břší mají obdobý, oprot ostatím sledovaým dagózám relatvě prudký progresví charakter, což svědčí o tom, že efektvta léčby dskutovaého typu oemocěí zůstává a ízké úrov a úmrtost může v budoucu představovat začý společeský problém. Aplkací Spermaova koefcetu pořadové korelace byly a hladě výzamost α = 0,99 prokázáy závslost mez cdecí a mortaltou dagózy C18 a sumy oemocěí C19-C1. Stejým testem byla prokázáa a shodé hladě výzamost α = 0,99 závslost mez tredem cdece dagózy C18 a sumy dagóz C18-C1, shodě jako mez průběhem mortalty posuzovaých dagóz. Aplkace eparametrck0ho Spermaova testu tak kvattatvě potvrdla pozorovaý závěr v bodě d). Vzhledem k faktu, že výběrové soubory cdece a mortalty dagózy C5 zhoubého ádoru slvky břší vykazují symetrcké rozděleí, byl ke kvattatvímu vyjádřeí těsost vztahu obou souborů užt Pearsoův parametrcký test. Realzovaý test potvrdl a hladě výzamost α = 0,99 shodu mez tredem vývoje cdece a mortalty karcomu slvky břší, čímž bylo kvattatvě dokázáo kostatováí bodu e). Závěr V období let byly vyhodocey tredy vývoje dvduálích rzk cdece a mortalty čtyř dagóz kolorektálího karcomu a slvky břší v celostátím měřítku. Bylo prokázáo, že rzko cdece sgulárích dagóz kolorektálího karcomu, včetě jejch sumy, vyjma zhoubých ovotvarů rektosgmodeálího spojeí a řt a řtího kaálu vykazuje progresví tedec, což může být dokladem zaváděí kvaltějších dagostckých metod, zvýšeého zatížeí evrometu polutaty, rostoucího stresu a zhoršující se žvotosprávy obyvatelstva. Naopak pro rzko mortalty praktcky všech dagóz kolorektálího karcomu byl zazameá v posledím období pokles, což svědčí o zaváděí efektvějších metod terape, zvýšeé prevec a osvětě obyvatelstva. Karcom slvky břší vykazoval výrazě progresví charakter dvduálího rzka jak cdece, tak mortalty, což svědčí o aktuálě ízké efektvtě léčby a parcálě o mmálích pozatcích ve sférách příč vzku, prcpu účku a souboru rzkových faktorů podílejících se a vzku emoc. Uvedeé bylo potvrzeo a vysoké hladě výzamost též aplkací Pearsoova parametrckého testu. Zjštěý fakt může představovat v budoucu vážé důsledky pro produktvtu, socálí a hospodářský rozvoj společost. Současě byly pomocí Spearmaova koefcetu pořadové korelace zjštěy jé závslost a vymezey ejstoty př odhadu tredů vývoje rzk a specfkac korelací. Lteratura [1] Alwa, A. et al. Motorg ad Survellace of Chroc Nocommucable Dseases: Progress ad Capacty Hgh-Burde Coutres. The Lacet, 010, 376,

10 [] World Health Orgazato (WHO). The Global Burde of Dsease: 004 Update. Geeva: WHO, 008. [3] Ferlay, J. et al. Estmates of Worldwde Burde of Cacer 008: GLOBOCAN 008. Iteratoal Joural of Cacer, 010, 17, [4] World Health Orgazato (WHO). Global Status Report o Nocommucable Dseases 010. Descrpto of the Global Burde of Nocommucable Dseases, ther Rsk Factors ad Determats. Chapter 1. Burde: Mortalty, Morbdty ad Rsk Factors. Geeva: WHO, 010, pp. 10, 7. ISBN [5] Park, D. M. The Global Health Burde of Ifecto-Assocated Cacers the Year 00. Iteratoal Joural of Cacer, 006; 118, [6] Ferlay, J. et al. Cacer Icdece ad Mortalty Worldwde: Sources, Methods ad Major Patters GLOBOCAN 01. Iteratoal Joural of Cacer, 015, 136 (5), E359-E386. [7] Iteratoal Agecy for Research o Cacer (IARC). Cacer Icdece ad Mortalty Worldwde. Lyo: IARC, 011, (IARC CacerBase No.10). [8] Segel, R. L., Mller, K. D., Jermal, A. Cacer Statstcs, 017. A Cacer Joural for Clcas, 017, 67, (1), [9] Ezzat, M. et al. The Reversal of Fortues: Treds Couty Mortalty ad Cross-Couty Mortalty Dspartes the Uted States. PLoS Medce, 008, 5, (4). e66. [10] World Cacer Research Fud Iteratoal. Colorectal Cacer Statstcs [ole]. [ ]. Aktualzováo [ ]. URL: < [11] World Health Orgazato (WHO). Iteratoal Statstcal Classfcato of Dseases ad Related Health Problems. Geeva: WHO, 008, pp [1] Xao, A. Y. et al. Global Icdece ad Mortalty of Pacreatc Dseases: A Systematc Revew, Meta-Aalyss, ad Meta-Regresso of Populato-Based Cohort Studes. The Lacet Gastroeterology & Hepatology, 016, 1, (1), [13] Božek, F., Urba, R. Maagemet rzka - Obecá část. 1. vyd. Bro: Uverzta obray, 008, s. 6. ISBN [14] Weathgto, B. L., Cugham, C. J. L., Ptteger, D. J. Uderstadg Busess Research. 1 st Ed. Hoboke, New Jersey: Joh Wley & Sos, pp. ISBN [15] Melou, M., Mltký, J. Statstcká aalýza expermetálích dat.. vyd. Praha: Academa, s. ISBN [16] Vose, D Rsk Aalyss. A Quattatve Gude. 3 rd Ed. Chchester: Joh Wley & Sos, Ltd. 008, pp ISBN [17] Isttut bostatky a aalýz. Epdemologe zhoubých ádorů v ČR - Aalýzy. [ole]. [ ]. Aktualzováo [ ]. URL: < [18] Český statstcký úřad. Obyvatelstvo-ročí časové řady. [ole]. [ ]. Aktualzováo [ ]. URL: < >.

Metody zkoumání závislosti numerických proměnných

Metody zkoumání závislosti numerických proměnných Metody zkoumáí závslost umerckých proměých závslost pevá (fukčí) změě jedoho zaku jedozačě odpovídá změa druhého zaku (podle ějakého fukčího vztahu) (matematka, fyzka... statstcká (volá) změám jedé velčy

Více

a další charakteristikou je četnost výběrového souboru n.

a další charakteristikou je četnost výběrového souboru n. Předáška č. 8 Testováí rozptylu, testy relatví četost, testy dobré shody, test ezávslost kvaltatvích zaků Testy rozptylu Testy se používají k ověřeí hypotézy o určté velkost rozptylu a k ověřeí vztahu

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2014. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i

Tento odhad má rozptyl ( ) σ 2 /, kde σ 2 je rozptyl souboru, ze kterého výběr pochází. Má-li každý prvek i. σ 2 ( i. ( i : ometové míry polohy zahrují růzé druhy průměrů pomocí kterých můžeme charakterzovat cetrálí tedec dat ometové míry polohy jsou jedoduché číselé charakterstky které se vyčíslují ze všech prvků výběru

Více

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost

9. Měření závislostí ve statistice. 9.1. Pevná a volná závislost Dráha [m] 9. Měřeí závslostí ve statstce Měřeí závslostí ve statstce se zývá především zkoumáím vzájemé závslost statstckých zaků vícerozměrých souborů. Závslost přtom mohou být apříklad pevé, volé, jedostraé,

Více

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013.

Ilustrativní příklad ke zkoušce z B_PS_A léto 2013. Ilustratví příklad ke zkoušce z B_PS_A léto 0. Jsou dáa data výběrového souboru výšky že vz IS/ Učebí materály/ Témata 8, M. Kvaszová. č. výška č. výška 89 5 90 7 57 8 5 58 5 8 9 58 0 8 0 8 8 9 8 8 95

Více

Mendelova univerzita v Brně Statistika projekt

Mendelova univerzita v Brně Statistika projekt Medelova uverzta v Brě Statstka projekt Vypracoval: Marek Hučík Obsah 1. Úvod... 3. Skupové tříděí... 3 o Data:... 3 o Počet hodot:... 3 o Varačí rozpětí:... 3 o Počet tříd:... 4 o Šířka tervalu:... 4

Více

Testování statistických hypotéz

Testování statistických hypotéz Testováí statstckých hypotéz - Testováí hypotéz je postup, sloužící k ověřeí předpokladů o ZS (hypotéz a základě výběrových dat (tj. hodot z výběrového souboru. - ypotéza = určtý předpoklad o základím

Více

Úvod do korelační a regresní analýzy

Úvod do korelační a regresní analýzy Úvod do korelačí a regresí aalýz Bude ás zajímat, jak těsě spolu souvsí dva sledovaé jev Příklad: vztah mez rchlostí auta a brzdou dráhou vztah mez věkem žáka a rchlostí v běhu a 60 m vztah mez spotřebou

Více

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 2 SP3 Neparametrcké testy hypotéz PRAVDĚPODOBNOST A STATISTIKA Neparametrcké testy hypotéz čast Lbor Žák SP3 Neparametrcké testy hypotéz Lbor Žák Neparametrcké testy hypotéz - úvod Neparametrcké testy statstckých

Více

Odhady parametrů základního. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt celou populac, provádíme

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA Matematka IV PRAVDĚPODOBNOT A TATITIKA Lbor Žák Matematka IV Lbor Žák Regresí aalýza Regresí aalýza zkoumá závslost mez ezávslým proměým X ( X,, X k a závsle proměou Y. Tato závslost se vjadřuje ve tvaru

Více

, jsou naměřené a vypočtené hodnoty závisle

, jsou naměřené a vypočtené hodnoty závisle Měřeí závslostí. Průběh závslost spojtá křvka s jedoduchou rovcí ( jedoduchým průběhem), s malým počtem parametrů, která v rozmezí aměřeých hodot vsthuje průběh závslost, určeí kokrétího tpu křvk (přímka,

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů PRAVDĚPODOBNOST A STATISTIKA SP4 Přpomeutí pojmů SP4 Přpomeutí pojmů Pravděpodobost Náhodý jev: - základí prostor - elemetárí áhodý jev A - áhodý jev, - emožý jev, jstý jev podjev opačý

Více

8 NELINEÁRNÍ REGRESNÍ MODELY

8 NELINEÁRNÍ REGRESNÍ MODELY 8 NELINEÁRNÍ REGRESNÍ MODELY 8 Tvorba eleárího regresího modelu Postup tvorby eleárího regresího modelu se dá rozčlet do těchto kroků: Návrh regresího modelu Obvykle se jako eleárí regresí model používá

Více

Generování dvojrozměrných rozdělení pomocí copulí

Generování dvojrozměrných rozdělení pomocí copulí Pravděpodobost a matematcká statstka eerováí dvojrozměrých rozděleí pomocí copulí umbelova copule PRAHA 005 Vpracoval: JAN ZÁRUBA OBSAH: CÍL PRÁCE TEORIE Metoda verzí trasformace O copulích Sklarova věta

Více

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění

Přednáška č. 10 Analýza rozptylu při jednoduchém třídění Předáška č. 0 Aalýza roztylu ř jedoduchém tříděí Aalýza roztylu je statstcká metoda, kterou se osuzuje romělvost oakovaých realzací áhodého okusu tj. romělvost áhodé velčy. Náhodá velča vzká za relatvě

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOT A TATITIKA Přpomeutí pojmů,, P m θ, R θ R - pravděpodobostí prostor - parametrcký prostor - parametrcká fukce,, T - áhodý vektor defovaý a pravděpodobostím prostoru,, P θ s hustotou f x,

Více

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D.

Odhady parametrů základního souboru. Ing. Michal Dorda, Ph.D. Odhady parametrů základího souboru Ig. Mchal Dorda, Ph.D. Úvodí pozámky Základí soubor můžeme popsat jeho parametry, apř. středí hodota μ, rozptyl σ atd. Př praktckých úlohách ovšem zpravdla elze vyšetřt

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 3. ÚKOL JB TEST 3. Úkol zadáí pro statistické testy U každého z ásledujících testů uveďte ázev (včetě autora), předpoklady použití, ulovou

Více

Úvod do teorie měření

Úvod do teorie měření Uverzta Jaa Evagelsty Purkyě v Ústí ad Labem Přírodovědecká fakulta Úvod do teore měřeí Prof. Chlář emář 0 Průměr, rozptyl a směrodatá odchylka X = X = ( X X ) = = = Výpočty pomocí vzorců a pomocí statstckých

Více

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy

UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesné výchovy UNIVERZITA JANA EVANGELISTY PURKYNĚ V ÚSTÍ NAD LABEM PEDAGOGICKÁ FAKULTA Katedra tělesé výchovy VYBRANÉ NEPARAMETRICKÉ STATISTICKÉ POSTUPY V ANTROPOMOTORICE Zdeěk Havel Davd Chlář 0 VYBRANÉ NEPARAMETRICKÉ

Více

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A Nejstoty měřeí Pro každé přesé měřeí potřebujeme formac s jakou přesostí bylo měřeí provedeo. Nejstota měřeí vyjadřuje terval ve kterém se achází skutečá hodota měřeé velčy s určtou pravděpodobostí. Nejstota

Více

11. Časové řady. 11.1. Pojem a klasifikace časových řad

11. Časové řady. 11.1. Pojem a klasifikace časových řad . Časové řad.. Pojem a klasfkace časových řad Specfckým statstckým dat jsou časové řad pomocí chž můžeme zkoumat damku jevů v čase. Časovou řadou (damcká řada, vývojová řada) rozumíme v čase uspořádaé

Více

Odhady parametrů 1. Odhady parametrů

Odhady parametrů 1. Odhady parametrů Odhady parametrů 1 Odhady parametrů Na statistický soubor (x 1,..., x, který dostaeme statistickým šetřeím, se můžeme dívat jako a výběrový soubor získaý realizací áhodého výběru z áhodé veličiy X. Obdobě:

Více

Spolehlivost a diagnostika

Spolehlivost a diagnostika Spolehlvost a dagostka Složté systémy a jejch spolehlvost: Co je spolehlvost? Vlv spolehlvost kompoetů systému Návrh systému z hledska spolehlvost Aplkace - žvotě důležté systémy - vojeské aplkace Teore

Více

Chyby přímých měření. Úvod

Chyby přímých měření. Úvod Chyby přímých měřeí Úvod Př zjšťováí velkost sledovaé velčy dochází k růzým chybám, které ovlvňují celkový výsledek. V pra eestuje žádá metoda měřeí a měřcí zařízeí, které by bylo absolutě přesé, což zameá,

Více

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě.

3. Hodnocení přesnosti měření a vytyčování. Odchylky a tolerance ve výstavbě. 3. Hodoceí přesost měřeí a vytyčováí. Odchylky a tolerace ve výstavbě. 3.1 Úvod o měřeí obecě 3.2 Chyby měřeí a jejch děleí 3.2.1 Omyly a hrubé chyby 3.2.2 Systematcké chyby 3.2.3 Náhodé chyby 3.3 Výpočet

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP esty dobré shody PRAVDĚPODOBNOS A SAISIKA Lbor Žá SP esty dobré shody Lbor Žá Přpomeutí - estováí hypotéz o rozděleí Ch-vadrát test Chí-vadrát testem terý e založe a tříděém statstcém souboru. SP esty

Více

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru

1.1 Rozdělení pravděpodobnosti dvousložkového náhodného vektoru Lekce Normálí rozděleí v rově V této lekc se udeme věovat měřeí korelačí závslost dvojce áhodých velč (dvousložkového áhodého vektoru) Vcházet udeme z ormálího rozděleí pravděpodoost áhodého vektoru v

Více

P1: Úvod do experimentálních metod

P1: Úvod do experimentálních metod P1: Úvod do epermetálích metod Chyby a ejstoty měřeí - Každé měřeí je zatížeo určtou epřesostí, která je způsobea ejrůzějším egatvím vlvy, vyskytujícím se v procesu měřeí. - Výsledek měřeí se díky tomu

Více

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc.

Metody statistické analýzy. doc. Ing. Dagmar Blatná, CSc. Metody statstcké aalýzy doc. Ig. Dagmar Blatá, CSc. Bakoví sttut vysoká škola, a.s. Praha 0 METODY STATISTICKÉ ANALÝZY Autor: Recezet: Vydal: Tsk: Vydáí: doc. Ig. Dagmar Blatá, CSc. doc. Ig. Jří Trešl,

Více

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs.

Přednáška V. Úvod do teorie odhadu. Pojmy a principy teorie odhadu Nestranné odhady Metoda maximální věrohodnosti Průměr vs. Předáška V. Úvod do teore odhadu Pojmy a prcpy teore odhadu Nestraé odhady Metoda mamálí věrohodost Průměr vs. medá Opakováí výběrová dstrbučí fukce Sestrojíme výběrovou dstrbučí fukc pro výšku a váhu

Více

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

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

Více

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky).

Statistika. Jednotlivé prvky této množiny se nazývají prvky statistického souboru (statistické jednotky). Statstka. Základí pojmy Statstcký soubo - daá koečá, epázdá moža M předmětů pozoováí, majících jsté společé vlastost (událost, věc,.) Jedotlvé pvky této možy se azývají pvky statstckého soubou (statstcké

Více

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ Fakulta strojího ižeýrství Ústav strojíreské techologie ISBN 978-80-214-4352-5 VYSOCE PŘESNÉ METODY OBRÁBĚNÍ doc. Ig. Jaroslav PROKOP, CSc. 1 1 Fakulta strojího ižeýrství,

Více

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

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

Více

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č.

T e c h n i c k á z p r á v a. Pokyn pro vyhodnocení nejistoty měření výsledků kvantitativních zkoušek. Technická zpráva č. Evropská federace árodích asocací měřcích, zkušebích a aalytckých laboratoří Techcká zpráva č. /006 Srpe 006 Poky pro vyhodoceí ejstoty měřeí výsledků kvattatvích zkoušek T e c h c k á z p r á v a EUROLAB

Více

Statistická analýza dat

Statistická analýza dat INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Statstcká aalýza dat Učebí texty k semář Autor: Prof. RNDr. Mla Melou, DrSc. Datum: 5.. 011 Cetrum pro rozvoj výzkumu pokročlých řídcích a sezorckých techologí CZ.1.07/.3.00/09.0031

Více

KVALITA REGRESNÍHO MODELU Radek Fajfr

KVALITA REGRESNÍHO MODELU Radek Fajfr UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ KVALITA REGRESNÍHO MODELU Radek Fajfr Bakalářská práce 00 Prohlášeí Tuto prác jsem vypracoval samostatě. Veškeré lterárí pramey a formace, které jsem v

Více

S1P Popisná statistika. Popisná statistika. Libor Žák

S1P Popisná statistika. Popisná statistika. Libor Žák SP Popsá statstka Popsá statstka Lbor Žák SP Popsá statstka Lbor Žák Základí zdroje : skrpta Mateatka IV - doc. RNDr. Z. Karpíšek, CSc. ateatka o le - http://athole.fe.vutbr.cz/ Základ ateatcké statstk

Více

Regresní a korelační analýza

Regresní a korelační analýza Regresí a korelačí aalýza Závslost příčá (kauzálí). Závslostí pevou se ozačuje případ, kdy výskytu jedoho jevu utě odpovídá výskyt druhé jevu (a často aopak). Z pravděpodobostího hledska jde o vztah, který

Více

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu

Model poptávky po železniční osobní dopravě Českých drah, a. s. na tuzemském přepravním trhu Vědeckotechcký sorík ČD č. 3/0 Leka Zahradíková Model poptávky po železčí osoí dopravě Českých drah, a. s. a tuzemském přepravím trhu Klíčová slova: poptávka, osoí doprava, České dráhy, regresí aalýza,

Více

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat

14. Korelace Teoretické základy korelace Způsoby měření závislostí pro různé typy dat 4. Korelace 4. Teoretcké základy korelace 4. Způsoby měřeí závslostí pro růzé typy dat Př prác se statstckým údaj se velm často setkáváme s daty, která jsou tvořea dvojcem, trojcem hodot. Složky takovýchto

Více

VŠB Technická univerzita Ostrava DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK

VŠB Technická univerzita Ostrava DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK VŠB Techcká uverzta Ostrava Fakulta elektrotechky a formatky DISKRIMINAČNÍ ANALÝZA JAKO NÁSTROJ PRO HODNOCENÍ CHIRURGICKÝCH RIZIK Dzertačí práce Studjí obor: Školtel: Doktoradka: Výpočetí a aplkovaá matematka

Více

11. Popisná statistika

11. Popisná statistika . Popsá statstka.. Pozámka: Př statstckém zkoumáí ás zajímají hromadé jevy a procesy, u kterých zkoumáme zákotost, které se projevují u velkého počtu prvků. Prvky zkoumáí azýváme statstcké jedotky. Př

Více

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz:

Test dobré shody se používá nejčastěji pro ověřování těchto hypotéz: Ig. Marta Ltschmaová Statstka I., cvčeí 1 TESTOVÁNÍ NEPARAMETRICKÝCH HYPOTÉZ Dosud jsme se zabýval testováím parametrcký hypotéz, což jsou hypotézy o parametrech rozděleí (populace). Statstckým hypotézám

Více

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností

4.2 Elementární statistické zpracování. 4.2.1 Rozdělení četností 4.2 Elemetárí statstcké zpracováí Výsledkem statstckého zjšťováí (. etapa statstcké čost) jsou euspořádaá, epřehledá data. Proto 2. etapa statstcké čost zpracováí, začíá většou jejch utříděím, zpřehleděím.

Více

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu.

PROJEKT PARKINSON KLUBU BRNO Život je pohyb a pohyb je život Význam a zaměření projektu. Hodnotící ukazatele projektu. - 1 - - - - 3 - - 4 - - 5 - PROJEKT PARKINSON KLUBU BRNO Žvot je pohyb a pohyb je žvot - 015 Výzam a zaměřeí projektu Základí deou projektu je vzdorovat egatvím tělesým a psychckým projevům Parksoově emoc,

Více

12. N á h o d n ý v ý b ě r

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

Více

Přednáška č. 2 náhodné veličiny

Přednáška č. 2 náhodné veličiny Předáša č. áhodé velčy Pozámy záladím pojmům z počtu pravděpodobost Pozáma 1: Př výpočtu pravděpodobost áhodého jevu dle lascé defce je uté věovat pozorost způsobu formulace vybraého jevu. V ásledující

Více

Statistika - vícerozměrné metody

Statistika - vícerozměrné metody Statstka - vícerozměré metody Mgr. Mart Sebera, Ph.D. Katedra kezologe Masarykova uverzta Fakulta sportovích studí Bro 0 Obsah Obsah... Sezam obrázků... 4 Sezam tabulek... 4 Úvod... 6 Pojmy... 7 Náhodé

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekoomcká fakulta Semestrálí ráce S kua Jméa: Leka Pastorová, Davd arha, Ja Vtásek a Fl Urbačík Ročík: 0/06 Učtel: gr. Jří Rozkovec Obor: Podková ekoomka Datum:.. 06 Obsah

Více

Optimalizace portfolia

Optimalizace portfolia Optmalzace portfola ÚVOD Problémy vestováí prostředctvím ákupu ceých papírů sou klasckým tématem matematcké ekoome. Celkový výos z portfola má v době rozhodováí o vestcích povahu áhodé velčy, eíž rozložeí

Více

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

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,

Více

Lineární regrese ( ) 2

Lineární regrese ( ) 2 Leárí regrese Častým úolem je staoveí vzájemé závslost dvou (č více) fzálích velč a její matematcé vjádřeí. K tomuto účelu se používají růzé regresí metod, pomocí chž hledáme vhodou fuc f (), apromující

Více

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna. 6 Itervalové odhady parametrů základího souboru V předchozích kapitolách jsme se zabývali ejprve základím zpracováím experimetálích dat: grafické zobrazeí dat, výpočty výběrových charakteristik kapitola

Více

jsou varianty znaku) b) při intervalovém třídění (hodnoty x

jsou varianty znaku) b) při intervalovém třídění (hodnoty x Výběr z eřeštelých příkladů ze zkouškových testů Jde o výběr z tpů příkladů, jejchž úspěšost řešeí u zkoušek se blíží ule. Itervalové versus bodové tříděí V tabulce je uvedeo rozděleí četostí a) př bodovém

Více

Deskriptivní statistika 1

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

Více

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV FINANCÍ FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF FINANCES APLIKACE REGRESNÍ ANALÝZY NA VÝPOČET BODU ZVRATU

Více

SP2 Korelační analýza. Korelační analýza. Libor Žák

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

Více

12. Neparametrické hypotézy

12. Neparametrické hypotézy . Neparametrcké hypotézy V této část se budeme zabývat specálí částí teore statstckých hypotéz tzv. eparametrckým hypotézam ebo jak řečeo eparametrckým statstckým testy. Neparametrcké se azývají proto,

Více

Náhodný výběr 1. Náhodný výběr

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

Více

Testování statistických hypotéz

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

Více

NEPARAMETRICKÉ METODY

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

Více

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady

PRAVDĚPODOBNOST A STATISTIKA. Bodové a intervalové odhady SP Bodové a tervalové odhady PRAVDĚPODOBNOST A STATISTIKA Bodové a tervalové odhady Lbor Žák SP Bodové a tervalové odhady Lbor Žák Bodové a tervalové odhady Nechť je áhodá proměá, která má dstrbučí fukc

Více

APLIKOVANÁ STATISTIKA

APLIKOVANÁ STATISTIKA VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ FAKULTA MANAGEMENTU A EKONOMIKY VE ZLÍNĚ APLIKOVANÁ STATISTIKA FRANTIŠEK PAVELKA PETR KLÍMEK ZLÍN 000 Recezoval: Haa Lošťáková Fratšek Pavelka, Petr Klímek, 000 ISBN 80 4

Více

VY_52_INOVACE_J 05 01

VY_52_INOVACE_J 05 01 Název a adresa školy: Středí škola průmyslová a umělecká, Opava, příspěvková orgazace, Praskova 399/8, Opava, 74601 Název operačího programu: OP Vzděláváí pro kokureceschopost, oblast podpory 1.5 Regstračí

Více

B a k a l ářská práce

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

Více

Pravděpodobnost a aplikovaná statistika

Pravděpodobnost a aplikovaná statistika Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 6. KAPITOLA CENTRÁLNÍ LIMITNÍ VĚTA 6.11.2017 Opakováí: Čebyševova erovost příklad Pravděpodobost vyrobeí zmetku je 0,5. Odhaděte pravděpodobost,

Více

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod

11. Regresní analýza. Čas ke studiu kapitoly: 60 minut. Cíl VÝKLAD Úvod . egresí aalýza Čas ke studu kaptoly: 6 mut Cíl Po prostudováí tohoto odstavce udete umět vysvětlt pojem oecý leárí model prcp leárího regresího modelu používat výsledky regresí aalýzy verfkovat regresí

Více

Testování hypotéz. 3.1 Základní pojmy a obecný postup při testování

Testování hypotéz. 3.1 Základní pojmy a obecný postup při testování Lekce 3 Testováí hypotéz Vlajkovou lodí matematcké statstky jsou techky testováí hypotéz. Formulace hypotéz a jejch ověřováí jsou základím mechasmem postupu ldského pozáí. Pokud jsou formace, potřebé k

Více

VYUŽITÍ STATISTIKY V POŽÁRNÍM ZKUŠEBNICTVÍ

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

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ PRÁCE Praha 8 Pavel Třasák ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA STAVEBNÍ KATEDRA SPECIÁLNÍ GEODÉZIE DIPLOMOVÁ

Více

Testy statistických hypotéz

Testy statistických hypotéz Úvod Testy statstckých hypotéz Václav Adamec vadamec@medelu.cz Testováí: kvalfkovaá procedura vedoucí v zamítutí ebo ezamítutí ulové hypotézy v podmíkách ejstoty Testy jsou vázáy a rozděleí áhodých velč

Více

Doc. Ing. Dagmar Blatná, CSc.

Doc. Ing. Dagmar Blatná, CSc. PRAVDĚPODOBNOST A STATISTIKA Doc. Ig. Dagmar Blatá, CSc. Statsta statstcé údaje o hromadých jevech čost, terá vede zísáí statstcých údajů a jejch zpracováí teore statsty - věda o stavu, vztazích a vývoj

Více

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT Základy práce s tabulkou Výukový modul III. Iovace a zkvaltěí výuky prostředctvím IC éma III..3 echcká měřeí v MS Excel Pracoví lst 5 Měřeí teploty. Ig. Jří Chobot VY_3_INOVACE_33_5 Aotace Iovace a zkvaltěí

Více

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy

Výstup a n. Vstup. obrázek 1: Blokové schéma a graf paralelní soustavy Paralelí soustava Vstup a a Výstup a Vstup a Výstup a a obrázek : Blokové schéma a graf paralelí soustavy paralelí soustava je v bezporuchovém stavu je-l v bezporuchovém stavu prvek (tzv. adbytečé spojeí

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA SP Záko velkých čísel, cetrálí lmtí věta PRAVDĚPODOBNOST A STATISTIKA Lbor Žák SP Záko velkých čísel, cetrálí lmtí věta Lbor Žák Kovergece podle pravděpodobost Posloupost áhodých proměých,,,, koverguje

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

Lineární regresní model (VJ REGMOD-2)

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

Více

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ 3..- 4.. 2009 DIVYP Bro, s.r.o., Filipova, 635 00 Bro, http://www.divypbro.cz UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ autoři: prof. Ig. Mila Holický, PhD., DrSc., Ig. Karel Jug, Ph.D., doc. Ig. Jaa Marková,

Více

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě

Rekonstrukce vodovodních řadů ve vztahu ke spolehlivosti vodovodní sítě Rekostrukce vodovodích řadů ve vztahu ke spolehlvost vodovodí sítě Ig. Jaa Šekapoulová Vodáreská akcová společost, a.s. Bro. ÚVOD V oha lokaltách České republky je v současost aktuálí problée zastaralá

Více

Téma 6: Indexy a diference

Téma 6: Indexy a diference dexy a dferece Téma 6: dexy a dferece ředáška 9 dvdálí dexy a dferece Základí ojmy Vedle elemetárího statstckého zracováí dat se hromadé jevy aalyzjí tzv. srováváím růzých kazatelů. Statstcký kazatel -

Více

1. Základy měření neelektrických veličin

1. Základy měření neelektrických veličin . Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost

Více

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n

Regrese. Aproximace metodou nejmenších čtverců ( ) 1 ( ) v n. v i. v 1. v 2. y i. y n. y 1 y 2. x 1 x 2 x i. x n Regrese Aproxmace metodou ejmeších čtverců v v ( ) = f x v v x x x x Je dáo bodů [x, ], =,,, předpoládáme závslost a x a chceme ajít fuc, terá vsthuje teto tred - Sažíme se proložt fuc = f x ta, ab v =

Více

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2

Interpolační křivky. Interpolace pomocí spline křivky. f 1. f 2. f n. x... x 2 Iterpolace pomocí sple křvky dáo: bodů v rově úkol: alézt takovou křvku, která daým body prochází y f f 2 f 0 f x0 x... x 2 x x Iterpolace pomocí sple křvky evýhodou polyomálí terpolace změa ěkterého z

Více

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

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

Více

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

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

Více

} kvantitativní znaky

} kvantitativní znaky Měřeí tattcké závlot, korelace, regree Obecé prcpy závlot vzájemá ouvlot měřeých zaků Prof. RNDr. Jaa Zvárov rová,, DrSc. fukčí závlot x tattcká závlot átroje pro měřeí závlot leár rí regree korelace }

Více

Jednoduchá lineární regrese

Jednoduchá lineární regrese Jedoduchá leárí regrese Motvace: Cíl regresí aalýz - popsat závslost hodot velč Y a hodotách velč X. Nutost vřešeí dvou problémů: a) jaký tp fukce se použje k popsu daé závslost; b) jak se staoví kokrétí

Více

Odhady a testy hypotéz o regresních přímkách

Odhady a testy hypotéz o regresních přímkách Lekce 3 Odhad a tet hpotéz o regreích přímkách Ve druhé lekc jme kotruoval kofdečí terval a formuloval tet hpotéz o korelačím koefcetu Korelačí koefcet je metrckou charaktertkou tezt závlot, u které ezáleží

Více

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

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

Více

Srovnání kapitálového požadavku na kreditní riziko dle NBCA s ekonomickým kapitálem dle CreditMetrics

Srovnání kapitálového požadavku na kreditní riziko dle NBCA s ekonomickým kapitálem dle CreditMetrics Srováí kaptálového požadavku a kredtí rzko dle NBCA s ekoomckým kaptálem dle CredtMetrcs Josef Novotý 1 Abstrakt Příspěvek je věová popsu a aplkac dvou základích metod, které určují kaptálový požadavek

Více

Univerzita Karlova v Praze Pedagogická fakulta

Univerzita Karlova v Praze Pedagogická fakulta Uverzta Karlova v Praze Pedagogcká fakulta SEMINÁRNÍ PRÁCE Z OBECNÉ ALGEBRY DĚLITELNOST CELÝCH ČÍSEL V SOUSTAVÁCH O RŮZNÝCH ZÁKLADECH / Cfrk C. Zadáí: Najděte pět krtérí pro děltelost v jých soustavách

Více

UČEBNÍ TEXTY OSTRAVSKÉ UNIVERZITY Přírodovědecká fakulta ANALÝZA DAT. Josef Tvrdík

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

Více

P2: Statistické zpracování dat

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

Více

8. Zákony velkých čísel

8. Zákony velkých čísel 8 Zákoy velkých čísel V této část budeme studovat velm často užívaá tvrzeí o součtech posloupost áhodých velč Nedříve budeme vyšetřovat tvrzeí azývaá souhrě ako slabé zákoy velkých čísel Veškeré úvahy

Více

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC 5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC V této kaptole se dozvíte: jak je defováa fukce přrozeá odmoca v kompleím oboru a jaké má vlastost včetě odlšostí od odmocy v reálém

Více

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

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

Více