PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR
|
|
|
- Dominik Beran
- před 9 lety
- Počet zobrazení:
Transkript
1 PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky V kapitole 7. Idexy základí, řetězové a tempo přírůstku v příkladu 7.1 jsme počítali idex základí, idex řetězový a tempo přírůstku, které jsou je uvedeé v tabulce Připomíáme, že idex řetězový v tomto příkladě porovává, a kolik procet se změila sklizeň obilovi v každém roce vždy oproti předchozímu roku. a) Vypočteme průměrou ročí výrobu obilovi a formulujeme odpověď. b) Vypočítáme průměrý idex řetězový. c) Pro průměrý idex řetězový formulujeme odpovědi typu a kolik %, o kolik % a kolikrát. d) Do tabulky doplíme, jaká by byla v uvedeých letech výroba obilovi, kdyby se vyvíjela podle průměrého idexu řetězového. Vypočteme odhad a rok e) Formulujeme odpověď pro odhad výroby obilovi v roce Tabulka 10.10: Sklizeň obilovi v ČR Ukazatel Rok Výroba v mil. tu 6,4 7,1 8,4 7,8 6,9 8,2 x Idex základí v % 100,0 110,9 131,3 121,9 107,8 128,1 x Idex základí 1,000 1,109 1,313 1,219 1,078 1,281 x Idex řetězový v % x 110,9 118,3 92,9 88, 118,8 x Idex řetězový x 1,109 1,183 0,929 0,88 1,188 x Tempo přírůstku v % x 10,9 18,3-7,1-11, 18,8 x Tempo přírůstku x 0,109 0,183-0,071-0,11 0,188 x Výroba dle průměrého idexu řetězového Prame: Řešeí: Výpočty a sloví popis Ad a) Vypočteme průměrou ročí výrobu obilovi a formulujeme odpověď. Výpočet prostého aritmetického průměru: sečteme hodoty číselých statistických zaků souboru x 1, x 2,... x a výsledek vydělíme počtem prvků souboru Aritmetický průměr prostý x z číselých statistických zaků se tedy počítá podle vztahu: x xi 1 x1 x2... x i
2 7,1 8,4 mil.. tt 6,4 mil.. tt 1,109 1, ,9 131,3 % U ás: Hodoty x 1, x 2,... x jsou výroby obilovi v jedotlivých letech, a počet let je = 6. Vztah má v ašem příkladě tvar: 6 xi i x x1 x2 x3 x4 x x6 6,4 7,1 8,4 7,8 6,9 8, V období 2006 až 2011 byla průměrá ročí výroba obilovi 7,47 mil. tu. 7,47 mil. t Výpočet v Excelu je Výjde: =PRŮMĚR(B19:G19) 7,46667 Ad b) Vypočítáme průměrý idex řetězový. Víme, že idex řetězový jako poměré číslo v ašem případě říká, kolikrát se změila sklizeň obilovi v každém roce vždy oproti předchozímu roku. Průměrý idex řetězový jako poměré číslo bude říkat, kolikrát se průměrě změila sklizeň obilovi v každém roce oproti miulému roku. Geometrický průměr lze použít ke staoveí průměrého koeficietu růstu eboli průměrého idexu řetězového a počítá se podle vztahu: G xi x 1. x x i1 Hodoty x 1, x 2,... x jsou jedotlivé idexy řetězové ve tvaru poměrého čísla. Povšiměme si, že idexů řetězových je pouze, tj. o jedo méě, ež je hodot výrob obilovi! Průměrý idex řetězový se počítá v ašem případě podle vztahu: G i1 x i x. x. x. x. x G 1,109.1,183.0,929.0,88.1,188 1,281 1,008 Pozámka: Všiměme si, že souči idexů řetězových je rove idexu základímu v posledím uvedeém roce, u ás 1,109.1,183.0,929.0,88.1,188 = 1,281. To eí áhoda, to je zákoité. Dokázali byste odvodit, proč tomu tak je?
3 V Excelu lze průměrý idex řetězový G vypočítat ěkolika způsoby: i) Pomocí součiu idexů řetězových a odmociy. Pátá odmocia je realizováa jako mocia (1/). =(1,109*1,183*0,929*0,88*1,188)^(1/) Kvůli vyšší přesosti je lepší abrat idexy řetězové jako buňky: =(C23*D23*E23*F23*G23)^(1/) Zak mociy se tvoří pomocí ^, který se a české klávesici udělá pomocí trojkombiace pravé Alt + š + mezerík. Místo součiu idexů řetězových lze dosadit rovou idex řetězový v posledím uvedeém období, tj. koeficiet 1,281. ii) Pomocí fukce POWER, kde v argumetu je součiu idexů řetězových a mocia 1/. =POWER(1,109*1,183*0,929*0,88*1,188;1/) Kvůli vyšší přesosti je lepší ačíst idexy řetězové jako buňky, apříklad: iii) Pomocí fukce GEOMEAN: =POWER(C23*D23*E23*F23*G23;1/) =GEOMEAN(C23:G23) Za argumet fukce uto abrat oblast tabulky C23 až G23, kde jsou umístěé jedotlivé idexy řetězové ve tvaru poměrého čísla. Ve všech případech vyjde průměrý idex řetězový: 1,0082 Ad c) Pro průměrý idex řetězový formulujeme odpovědi typu a kolik %, o kolik % a kolikrát. Průměrý idex řetězový je 1,008, což zameá: V období 2006 až 2011 rostla výroba obilovi v ČR každý rok průměrě 1,008 oproti miulému roku, eboli výroba rostla a 10,08 %, čili rostla o,08 %. Uvědomíme si: Číslo 10,08 % je průměrý idex řetězový vyjádřeý v procetech. Číslo,08 % je průměré tempo přírůstku vyjádřeé v procetech. Ad d) Do tabulky doplíme, jaká by byla v uvedeých letech výroba obilovi, kdyby se vyvíjela podle průměrého idexu řetězového. Vypočteme odhad a rok 2012.
4 Postup: Je uté se ukotvit do ějaké hodoty. Proto v roce 2006 opíšeme hodotu výroby podle skutečosti, tj. 6,4 mil. t. Hodota výroby v roce 2007 podle průměrého idexu řetězového, tj. kdyby stoupala 1,008 oproti miulému roku se spočítá: 6,40 mil. t 1,008 = 6,73 mil. t V Excelu se vzorec apíše tak, že v řádku Výroba dle průměrého idexu řetězového a ve sloupci rok 2007 abereme buňku a stejém řádku vlevo a ásobíme buňkou, ve které je vypočte průměrý idex řetězový. =B224*$B124 Hodota výroby v roce 2008, kdyby stoupala 1,008oproti miulému roku, se spočítá: 6,73 mil. t 1,008 = 6,4 mil. t 1,008 2 = 7,07 mil t V Excelu se vzorec apíše tak, že v řádku Výroba dle průměrého idexu řetězového ve sloupci rok 2008 abereme buňku a stejém řádku vlevo a ásobíme buňkou, ve které je vypočte průměrý idex řetězový. =C237*$B121 Je zřejmé že, teto vzorec můžeme zkopírovat do koce tabulky doprava. Hodota výroby v roce 2009, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,07 mil. t 1,008 = 6,4 mil. t 1,008 3 = 7,43 mil t Hodota výroby v roce 2010, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,43 mil. t 1,008 = 6,4 mil. t 1,008 4 = 7,80 mil t Hodota výroby v roce 2011, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,80 mil. t 1,008 = 6,4 mil. t 1,008 = 8,20 mil t Lze dokoce spočítat odhad výroby obilovi za další roky 2012 i 2013 (odhad a více ež 2 roky dopředu již je epřesý): Hodota výroby v roce 2012, kdyby stoupala 1,008oproti miulému roku, se spočítá: 8,2 mil. t 1,008 = 6,4 mil. t 1,008 6 = 8,62 mil t Hodota výroby v roce 2013, kdyby stoupala 1,008oproti miulému roku, se spočítá: 8,62 mil. t 1,008 = 6,4 mil. t 1,0087 = 9,0 mil t
5 Uvědomíme si: To, že podle průměrého idexu řetězového ročí výroba obilovi roste průměrě o,08 %, ezameá stejý přírůstek výroby. Přírůstek výroby je zobraze pod tabulkou * Jde o árůst o,08 % z hodoty vždy vyšší. * Tím, že průměrý idex řetězový je větší ež 1, základ 100 % je stále vyšší číslo. * Ročí výroba podle průměrého idexu řetězového stoupá podle geometrické řady s kvocietem q > 1 (u ás q = 1,008, expoeciálí árůst). Kdyby podle průměrého idexu řetězového sledovaá veličia klesala, * průměrý idex řetězový by byl meší ež 1, základ 100 % by se stále sižoval. * Veličia podle průměrého idexu řetězového by klesala podle geometrické řady s kvocietem q < 1 (expoeciálí pokles). Vyplěá tabulka 10.10, yí tabulka 10.11, vypadá takto: Ukazatel Rok Výroba v mil. tu 6,4 7,1 8,4 7,8 6,9 8,2 x Idex základí v % 100,0 110,9 131,3 121,9 107,8 128,1 x Idex základí 1,000 1,109 1,313 1,219 1,078 1,281 x Idex řetězový v % x 110,9 118,3 92,9 88, 118,8 x Idex řetězový x 1,109 1,183 0,929 0,88 1,188 x Tempo přírůstku v % x 10,9 18,3-7,1-11, 18,8 x Tempo přírůstku x 0,109 0,183-0,071-0,11 0,188 x Výroba dle průměrého idexu řetězového 6,40 6,73 7,07 7,43 7,80 8,20 8,62 Prame: Tabulka 10.11: Sklizeň obilovi v ČR Meziročí rozdíly v mil t 0,33 0,34 0,36 0,38 0,40 Ad e) Formulujeme odpověď pro odhad výroby obilovi v roce V roce 2012 je odhad výroby obilovi v ČR asi 8,62 mil. t.
10.3 GEOMERTICKÝ PRŮMĚR
Středí hodoty, geometrický průměr Aleš Drobík straa 1 10.3 GEOMERTICKÝ PRŮMĚR V matematice se geometrický průměr prostý staoví obdobě jako aritmetický průměr prostý, pouze operace jsou o řád vyšší: místo
f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )
DSM Cv 9 Vytvořující fukce Vytvořující fukcí ekoečé poslouposti a0, a,, a, reálých čísel mííme formálí ekoečou řadu =. f a i= 0 i i Příklady: f = + = + + + + + ) Platí: (biomická věta). To zameá, že fukce
4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ
4 DOPADY ZPŮSOBŮ FACOVÁÍ A VESTČÍ ROZHODOVÁÍ 77 4. ČSTÁ SOUČASÁ HODOTA VČETĚ VLVU FLACE, CEOVÝCH ÁRŮSTŮ, DAÍ OPTMALZACE KAPTÁLOVÉ STRUKTURY Čistá současá hodota (et preset value) Jedá se o dyamickou metodu
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
8.2.1 Aritmetická posloupnost
8.. Aritmetická posloupost Předpoklady: 80, 80, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Př. : V továrě dokočí každou hodiu motáž
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
8.2.1 Aritmetická posloupnost I
8.2. Aritmetická posloupost I Předpoklady: 80, 802, 803, 807 Pedagogická pozámka: V hodiě rozdělím třídu a dvě skupiy a každá z ich dělá jede z prvích dvou příkladů. Čley posloupostí pak při kotrole vypíšu
1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL
Elea Mielcová, Radmila Stoklasová a Jaroslav Ramík; Statistické programy POPISNÁ STATISTIKA V PROGRAMU MS EXCEL RYCHLÝ NÁHLED KAPITOLY Žádý výzkum se v deší době evyhe statistickému zpracováí dat. Je jedo,
Petr Šedivý Šedivá matematika
LIMITA POSLOUPNOSTI Úvod: Kapitola, kde poprvé arazíme a ekoečo. Argumety posloupostí rostou ade všechy meze a zkoumáme, jak vypadají hodoty poslouposti. V kapitole se sezámíte se základími typy it a početími
8.2.7 Geometrická posloupnost
87 Geometrická posloupost Předpokldy: 80, 80, 80, 807 Pedgogická pozámk: V hodiě rozdělím třídu dvě skupiy kždá z ich dělá jede z prvích dvou příkldů Větši studetů obou skupi potřebuje pomoc u tbule Ob
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
n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a 2 +... + a N. n=1
[M2-P9] KAPITOLA 5: Číselé řady Ozačeí: R, + } = R ( = R) C } = C rozšířeá komplexí rovia ( evlastí hodota, číslo, bod) Vsuvka: defiujeme pro a C: a ± =, a = (je pro a 0), edefiujeme: 0,, ± a Poslouposti
1.3. POLYNOMY. V této kapitole se dozvíte:
1.3. POLYNOMY V této kapitole se dozvíte: co rozumíme pod pojmem polyom ebo-li mohočle -tého stupě jak provádět základí početí úkoy s polyomy, kokrétě součet a rozdíl polyomů, ásobeí, umocňováí a děleí
Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc
Statistika Statistické fukce v tabulkových kalkulátorech MSO Excel a OO.o Calc Základí pojmy tabulkových kalkulátorů Cílem eí vyložit pojmy tabulkových kalkulátorů, ale je defiovat pojmy vyskytující se
POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde
POLYNOM Zákldí pojmy Polyomem stupě zveme fukci tvru y ( L +, P + + + + kde,,, R,, N Čísl,,, se zývjí koeficiety polyomu Číslo c zveme kořeem polyomu P(, je-li P(c výrz (-c pk zýváme kořeový čiitel Vlstosti
Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací
3. Náhodý výběr 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 realizací
Vyšší mocniny. Předpoklady: Doplň místo obdélníčků správné číslo. a) ( 2) 3. = c) ( ) = 1600 = e) ( 25) 2 0,8 0, 64.
81 Vyšší mociy Předpoklady: 0081 Př 1: Doplň místo obdélíčků správé číslo a) ( ) = b) = 0, 0000 e) ( ) = 0, ( 0) = 100 = f) ( ) = 8 a) ( ) = 8 b) 0, 0 0, 0000 = ( ) 0,8 0, 0 = 100 = e) ( ) = f) ( ) = 8
FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL
Difereciálí počet fukcí jedé reálé proměé - 6. - PRVNÍ DIFERENCIÁL TAYLORŮV ROZVOJ FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL PŘÍKLAD Pomocí věty o prvím difereciálu ukažte že platí přibližá rovost
Elementární zpracování statistického souboru
Elemetárí zpracováí statistického souboru Obsah kapitoly 4. Elemetárí statistické zpracováí - parametrizace vhodými empirickými parametry Studijí cíle Naučit se výsledky měřeí parametrizovat vhodými empirickými
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,
Spojitost a limita funkcí jedné reálné proměnné
Spojitost a limita fukcí jedé reálé proměé Pozámka Vyšetřeí spojitosti fukce je možo podle defiice převést a výpočet limity V dalším se proto soustředíme je problém výpočtu limit Pozámka Limitu fukce v
Intervalové odhady parametrů některých rozdělení.
4. Itervalové odhady parametrů rozděleí. Jedou ze základích úloh mtematické statistiky je staoveí hodot parametrů rozděleí, ze kterého máme k dispozici áhodý výběr. Nejčastěji hledáme odhady dvou druhů:
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:
1.2. NORMA A SKALÁRNÍ SOUČIN
2 NORMA A SKALÁRNÍ SOUČIN V této kapitole se dozvíte: axiomatickou defiici ormy vektoru; co je to ormováí vektoru a jak vypadá Euklidovská orma; axiomatickou defiici skalárího (také vitřího) součiu vektorů;
Mocniny. Mocniny, odmocniny, logaritmy, exponenciála. Obecná mocnina. Mocniny. Odmocniny
Mociy Mociy, odmociy, logaritmy, expoeciála Zdeěk Halas KDM MFF UK 07 Počátky logaritmů Základí idea logaritmů Napierovy logaritmy Přirozeé logaritmy Kvadratura hyperboly Expoeciála Zavedeí expoeciály
V. Normální rozdělení
V. Normálí rozděleí 1. Náhodá veličia X má ormovaé ormálí rozděleí N(0; 1). Určete: a) P (X < 1, 5); P (X > 0, 3); P ( 1, 135 < x ); P (X < 3X + ). c) číslo ε takové, že P ( X < ε) = 0,
M - Posloupnosti VARIACE
M - Poslouposti Autor: Mgr Jromír Juřek - http://wwwjrjurekcz Kopírováí jkékoliv dlší využití výukového mteriálu je povoleo pouze s uvedeím odkzu wwwjrjurekcz VARIACE Teto dokumet byl kompletě vytvoře,
Základní požadavky a pravidla měření
Základí požadavky a pravidla měřeí Základí požadavky pro správé měřeí jsou: bezpečost práce teoretické a praktické zalosti získaé přípravou a měřeí přesost a spolehlivost měřeí optimálí orgaizace průběhu
11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel
![11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel](/thumbs/94/121764039.jpg "11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel")
KAPITOLA : Číselé řdy MA-8:P.] Ozčeí: R {, +} R R C {} C rozšířeá komplexí rovi evlstí hodot, číslo, bod U ε {x C x < ε } pro C, ε > 0 U K {x C x > K } pro K 0 defiujeme pro C: ±, je pro 0, edefiujeme:
8. Analýza rozptylu.
8. Aalýza rozptylu. Lieárí model je popis závislosti, který je využívá v řadě disciplí matematické statistiky. Uvedeme jeho popis a tvrzeí, která budeme využívat. Setkáme se s ím jedak v aalýze rozptylu,
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.
Vlastnosti posloupností
Vlstosti posloupostí Nekoečá posloupost je fukce defiová v oboru přirozeých čísel Z toho plye, že kždá posloupost má prví čle (zčíme ), koečé poslouposti mjí i čle posledí Př Vypište prví čtyři čley poslouposti
Derivace součinu a podílu
5 Derivace součiu a podílu Předpoklad: Pedagogická pozámka: Následující odvozeí jsem převzal a amerického fzikálího kursu Mechaical Uiverse Možá eí dostatečě rigorózí, ale mě osobě se strašě líbí spojitost
2.4. INVERZNÍ MATICE
24 INVERZNÍ MICE V této kapitole se dozvíte: defiici iverzí matice; základí vlastosti iverzí matice; dvě základí metody výpočtu iverzí matice; defiici celočíselé mociy matice Klíčová slova této kapitoly:
Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).
STATISTIKA Statistické šetřeí Proveďte a vyhodoťte statistické šetřeí:. Zvolte si statistický soubor. 2. Zvolte si určitý zak (zaky), které budete vyhodocovat. 3. Určete absolutí a relativí četosti zaků,
Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu
Cvičeí 6: Bodové a itervalové odhady středí hodoty, rozptylu a koeficietu korelace, test hypotézy o středí hodotě při zámém rozptylu Příklad : Bylo zkoumáo 9 vzorků půdy s růzým obsahem fosforu (veličia
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
1 Uzavřená Gaussova rovina a její topologie
1 Uzavřeá Gaussova rovia a její topologie Podobě jako reálá čísla rozšiřujeme o dva body a, rozšiřujeme také možiu komplexích čísel. Nepřidáváme však dva body ýbrž je jede. Te budeme začit a budeme ho
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
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
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
Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat
Komplexí čísla Hoza Krejčí Abstrakt. Co jsou to komplexí čísla? K čemu se používají? Dá se s imi dělat ěco cool? Na tyto a další otázky se a předášce/v příspěvku pokusíme odpovědět. Proč vzikla komplexí
MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.
MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ PH.D. Obsah MNOŽINY.... ČÍSELNÉ MNOŽINY.... OPERACE S MNOŽINAMI... ALGEBRAICKÉ VÝRAZY... 6. OPERACE S JEDNOČLENY A MNOHOČLENY...
Pravděpodobnost a aplikovaná statistika
Pravděpodobost a aplikovaá statistika MGR. JANA SEKNIČKOVÁ, PH.D. 4. KAPITOLA STATISTICKÉ CHARAKTERISTIKY 16.10.2017 23.10.2017 Přehled témat 1. Pravděpodobost (defiice, využití, výpočet pravděpodobostí
Konec srandy!!! Mocniny s přirozeným mocnitelem I. Předpoklady: základní početní operace
Koec srady!!!.6. Mociy s přirozeým mocitelem I Předpoklady: základí početí operace Pedagogická pozámka: Zápis a začátku kapitoly je víc ež je srada. Tato hodia je prví v druhé části studia. Až dosud ehrálo
( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.
.. Derivace elemetárích fukcí II Předpoklady: Př. : Urči derivaci fukce y ; N. Budeme postupovat stejě jako předtím dosazeím do vzorce: f ( + ) f ( ) f f ( + ) + + + +... + (biomická věta) + + +... + f
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
2 STEJNORODOST BETONU KONSTRUKCE
STEJNORODOST BETONU KONSTRUKCE Cíl kapitoly a časová áročost studia V této kapitole se sezámíte s možostmi hodoceí stejorodosti betou železobetoové kostrukce a prakticky provedete jede z možých způsobů
Přednáška 7, 14. listopadu 2014
Předáška 7, 4. listopadu 204 Uvedeme bez důkazu klasické zobecěí Leibizova kritéria (v ěmž b = ( ) + ). Tvrzeí (Dirichletovo a Abelovo kritérium). Nechť (a ), (b ) R, přičemž a a 2 a 3 0. Pak platí, že.
13 Popisná statistika
13 Popisá statistika 13.1 Jedorozměrý statistický soubor Statistický soubor je možia všech prvků, které jsou předmětem statistického zkoumáí. Každý z prvků je statistickou jedotkou. Prvky tvořící statistický
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
D = H = 1. člen posloupnosti... a 1 2. člen posloupnosti... a 2 3. člen posloupnosti... a 3... n. člen posloupnosti... a n
/9 POSLOUPNOSTI Zákldí pojmy: Defiice poslouposti Vlstosti poslouposti Určeí poslouposti Aritmetická posloupost Geometrická posloupost Užití poslouposti. Defiice poslouposti Př. Sestrojte grf fukce y =.x
Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková
Základy statistiky Zpracováí pokusých dat Praktické příklady Kristia Somerlíková Data v biologii Zak ebo skupia zaků popisuje přírodí jevy, úlohou výzkumíka je vybrat takovou skupiu zaků, které charakterizují
Vzorový příklad na rozhodování BPH_ZMAN
Vzorový příklad a rozhodováí BPH_ZMAN Základí charakteristiky a začeí symbol verbálí vyjádřeí iterval C g g-tý cíl g = 1,.. s V i i-tá variata i = 1,.. m K j j-té kriterium j = 1,.. v j x ij u ij váha
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Pedagogická pozámka: Tuto a tři ásledující hodiy je možé probrat za dvě vyučovací hodiy. V této hodiě je možé vyechat dokazováí limit v příkladu 3. Opakováí
Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/
Teto projekt je spolufiacová Evropským sociálím fodem a Státím rozpočtem ČR IoBio CZ..07/2.2.00/28.008 Připravil: Ig. Vlastimil Vala, CSc. Metody zkoumáí ekoomických jevů Kapitola straa 3 Metoda Z řeckého
Přehled vztahů k problematice jednoduchého úročení a úrokové sazby
Přehled vztahů k poblematice jedoduchého úočeí a úokové sazby Pozámka: Veškeé úokové sazby /předlhůtí i polhůtí/, diskotí sazby, míy iflace a sazby daě z příjmů je do uvedeých vzoců uto dosazovat v jejich
je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n
8.3. Limity ěkterých posloupostí Předpoklady: 83 Opakováí z miulé hodiy: 8 Hodoty poslouposti + se pro blížící se k ekoeču blíží k a to tak že mezi = posloupostí a číslem eexistuje žádá mezera říkáme že
PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online.
Připrv se státí mturití zkoušku z MATEMATIKY důkldě, z pohodlí domov olie PRACOVNÍ SEŠIT. temtický okruh: ČÍSELNÉ OBORY vytvořil: RNDr. Věr Effeberger expertk olie příprvu SMZ z mtemtiky školí rok 204/205
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
S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické
5 Itegrace racioálích fukcí 5 Itegrace racioálích fukcí Průvodce studiem V předcházejících kapitolách jsme se aučili počítat eurčité itegrály úpravou a základí itegrály, metodou per partes a substitučí
P. Girg. 23. listopadu 2012
Řešeé úlohy z MS - díl prví P. Girg 2. listopadu 202 Výpočet ity poslouposti reálých čísel Věta. O algebře it kovergetích posloupostí.) Necht {a } a {b } jsou kovergetí poslouposti reálých čísel a echt
Úloha II.S... odhadnutelná
Úloha II.S... odhadutelá 10 bodů; průměr 7,17; řešilo 35 studetů a) Zkuste vlastími slovy popsat, k čemu slouží itervalový odhad středí hodoty v ormálím rozděleí a uveďte jeho fyzikálí iterpretaci (postačí
Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...
Obsah 1 Mocié řady 1 1.1 Defiice a vlastosti mociých řad.................... 1 1. Rozvoj fukce do mocié řady...................... 5 1.3 Aplikace mociých řad........................... 10 1 Kapitola 1
11. přednáška 16. prosince Úvod do komplexní analýzy.
11. předáška 16. prosice 009 Úvod do komplexí aalýzy. Tři závěrečé předášky předmětu Matematická aalýza III (NMAI056) jsou věováy úvodu do komplexí aalýzy. Což je adeseá formulace eboť časový rozsah ám
Definice obecné mocniny
Defiice obecé mociy Zavedeí obecé mociy omocí ity číselé oslouosti lze rovést ěkolika zůsoby Níže uvedeý zůsob využívá k defiici eoeciálí fukce itu V dalším budeme otřebovat ásledující dvě erovosti: Lemma
8. Základy statistiky. 8.1 Statistický soubor
8. Základy statistiky 7. ročík - 8. Základy statistiky Statistika je vědí obor, který se zabývá zpracováím hromadých jevů. Tvoří základ pro řadu procesů řízeí, rozhodováí a orgaizováí, protoţe a základě
1. Základy počtu pravděpodobnosti:
www.cz-milka.et. Základy počtu pravděpodobosti: Přehled pojmů Jev áhodý jev, který v závislosti a áhodě může, ale emusí při uskutečňováí daého komplexu podmíek astat. Náhoda souhr drobých, ezjistitelých
17. Statistické hypotézy parametrické testy
7. Statistické hypotézy parametrické testy V této části se budeme zabývat statistickými hypotézami, pomocí vyšetřujeme jedotlivé parametry populace. K takovýmto šetřeím většiou využíváme ám již dobře zámé
Iterační výpočty projekt č. 2
Dokumetace k projektu pro předměty IZP a IUS Iteračí výpočty projekt č. 5..007 Autor: Václav Uhlíř, xuhlir04@stud.fit.vutbr.cz Fakulta Iformačích Techologii Vysoké Učeí Techické v Brě Obsah. Úvodí defiice.....
Kapitola 5 - Matice (nad tělesem)
Kapitola 5 - Matice (ad tělesem) 5.. Defiice matice 5... DEFINICE Nechť T je těleso, m, N. Maticí typu m, ad tělesem T rozumíme zobrazeí možiy {, 2,, m} {, 2,, } do T. 5..2. OZNAČENÍ Možiu všech matic
I. Výpočet čisté současné hodnoty upravené
I. Výpočet čisté současé hodoty upraveé Příklad 1 Projekt a výrobu laserových lamp pro dermatologii vyžaduje ivestici 4,2 mil. Kč. Předpokládají se rovoměré peěží příjmy po zdaěí ve výši 1,2 mil. Kč ročě
STATISTIKA. Základní pojmy
Statistia /7 STATISTIKA Záladí pojmy Statisticý soubor oečá eprázdá možia M zoumaých objetů schromážděých a záladě toho, že mají jisté společé vlastosti záladí statisticý soubor soubor všech v daé situaci
Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou
Fukce RNDr. Yvetta Bartáková Gymázium, SOŠ a VOŠ Ledeč ad Sázavou Limita poslouposti a fukce VY INOVACE_0 9_M Gymázium, SOŠ a VOŠ Ledeč ad Sázavou A) Limita poslouposti Říkáme, že posloupost a je kovergetí,
I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0
8. Elemetárí fukce I. Expoeciálí fukce Defiice: Pro komplexí hodoty z defiujeme expoeciálí fukci předpisem ) e z = z k k!. Vlastosti expoeciálí fukce: a) řada ) koverguje absolutě v C; b) pro z = x + jy
i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky
Téma 6.: Základí pojmy matematické statistiky Vlastosti důležitých statistik odvozeých z jedorozměrého áhodého výběru: Nechť X,..., X je áhodý výběr z rozložeí se středí hodotou μ, rozptylem σ a distribučí
[ jednotky ] Chyby měření
![[ jednotky ] Chyby měření](/thumbs/48/24507154.jpg "[ jednotky ] Chyby měření")
Chyby měřeí Provedeme-l určté měřeí za stejých podmíek vícekrát, jedotlvá měřeí se mohou odlšovat (z důvodu koečé rozlšovací schopost měř. přístrojů, áhodých vlvů apod.). Chyba měřeí: e = x x x...přesá
Popisná statistika. Zdeněk Janák 9. prosince 2007
Popisá statistika Zdeěk Jaák jaak@physics.mui.cz 9. prosice 007 Výsledkem měřeí atmosférické extikce z pozorováí komet a observatoři Skalaté Pleso jsou tyto hodoty extikčích koeficietů ve vlové délce 46
Komplexní čísla. Definice komplexních čísel
Komplexí čísla Defiice komplexích čísel Komplexí číslo můžeme adefiovat jako uspořádaou dvojici reálých čísel [a, b], u kterých defiujeme operace sčítáí, ásobeí, apod. Stadardě se komplexí čísla zapisují
STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6
Středoškolská techika 00 Setkáí a prezetace prací středoškolských studetů a ČVUT STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6 Pavel Husa Gymázium Jiřího z Poděbrad Studetská 66/II
6. Posloupnosti a jejich limity, řady
Moderí techologie ve studiu aplikovaé fyziky CZ..07/..00/07.008 6. Poslouposti a jejich limity, řady Posloupost je speciálí, důležitý příklad fukce. Při praktickém měřeí hodot určité fyzikálí veličiy dostáváme
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,
Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu
Cvičeí 6: Výpočet středí hodoty a rozptylu, bodové a itervalové odhady středí hodoty a rozptylu Příklad 1: Postupě se zkouší spolehlivost čtyř přístrojů Další se zkouší je tehdy, když předchozí je spolehlivý
8.1.3 Rekurentní zadání posloupnosti I
8.. Rekuretí zadáí poslouposti I Předpoklady: 80, 80 Pedagogická pozámka: Podle mých zkušeostí je pro studety pochopitelější zavádět rekuretí posloupost takto (sado kotrolovatelou ukázkou), ež dosazováím
Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.
Náhodu bychom mohli defiovat jako součet velkého počtu drobých epozaých vlivů. V rámci přírodích věd se setkáváme s pokusy typu za určitých podmíek vždy astae určitý důsledek. Např. jestliže za ormálího
PŘÍKLAD INDEXY ZÁKLADNÍ, ŘETĚZOVÉ A TEMPO PŘÍRŮSTKU
PŘÍKLAD INDEXY ZÁKLADNÍ, ŘETĚZOVÉ A TEMPO PŘÍRŮSTKU Ze serveru www.czso.cz jsme sledovali sklizeň obilovin v ČR. Sklizeň z několika posledních le jsme vložili do abulky 7.1. a) Jaké plodiny paří mezi obiloviny?
4. B o d o v é o d h a d y p a r a m e t r ů
4. B o d o v é o d h a d y p a r a m e t r ů Na základě hodot áhodého výběru z rozděleí určitého typu odhadujeme parametry tohoto rozděleí, tak aby co ejlépe odpovídaly hodotám výběru. Formulujme tudíž
1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V
Předáška 1: Vektorové prostory Vektorový prostor Pro abstraktí defiici vektorového prostoru jsou podstaté vlastosti dvou operací, sčítáí vektorů a ásobeí vektoru (reálým číslem) Tyto dvě operace musí být
MATICOVÉ HRY MATICOVÝCH HER
MATICOVÉ HRY FORMULACE, KONCEPCE ŘEŠENÍ, SMÍŠENÉ ROZŠÍŘENÍ MATICOVÝCH HER, ZÁKLADNÍ VĚTA MATICOVÝCH HER CO JE TO TEORIE HER A ČÍM SE ZABÝVÁ? Teorie her je ekoomická vědí disciplía, která se zabývá studiem
a 1 = 2; a n+1 = a n + 2.
Vyjářeí poloupoti Poloupot můžeme určit ěkolik růzými způoby. Prvím je protý výčet prvků. Npříkl jeouchá poloupot uých číel by e výčtem l zpt tkto:,, 6,,... Dlší možotí je vzorec pro tý čle. Stejá poloupot
Pojem času ve finančním rozhodování podniku
Pojem času ve fiačím rozhodováí podiku 1.1. Výzam faktoru času a základí metody jeho vyjádřeí Fiačí rozhodováí podiku je ovlivěo časem. Peěží prostředky získaé des mají větší hodotu ež tytéž peíze získaé
MATEMATICKÁ INDUKCE. 1. Princip matematické indukce
MATEMATICKÁ INDUKCE ALEŠ NEKVINDA. Pricip matematické idukce Nechť V ) je ějaká vlastost přirozeých čísel, apř. + je dělitelé dvěma či < atd. Máme dokázat tvrzeí typu Pro každé N platí V ). Jeda možost
1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,
DSM2 Cv 7 Kostry grafů Defiice kostry grafu: Nechť G = V, E je souvislý graf. Kostrou grafu G azýváme každý jeho podgraf, který má stejou možiu vrcholů a je zároveň stromem. 1. Nakreslete všechy kostry
1.7.4 Těžiště, rovnovážná poloha
74 ěžiště, rovovážá poloha Předpoklady: 00703 Př : Polož si sešit a jede prst tak, aby espadl Záleží a místě, pod kterým sešit podložíš? Proč? Musíme sešit podložit prstem přesě uprostřed, jiak spade Sešit
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
Pravděpodobnostní modely
Pravděpodobostí modely Meu: QCEpert Pravděpodobostí modely Modul hledá metodou maimálí věrohodosti (MLE Maimum Likelihood Estimate) statistický model (rozděleí) který ejlépe popisuje data. Je přitom k
1.8.1 Mnohočleny, sčítání a odčítání mnohočlenů
.8. Mohočley, sčítáí odčítáí mohočleů Předpokldy: 7 Mohočle = zvláští typ výrzů. Jk je pozáme? Mohočley obshují pouze přirozeé mociy ezámých (jedé ebo více) kostty. Př. : Rozhodi, které z ásledujících
FINANČNÍ MATEMATIKA SBÍRKA ÚLOH
FINANČNÍ MATEMATIKA SBÍRKA ÚLOH Zpracováo v rámci projektu " Vzděláváí pro kokureceschopost - kokureceschopost pro Třeboňsko", registračí číslo CZ.1.07/1.1.10/02.0063 Gymázium, Třeboň, Na Sadech 308 Autor:
Posloupnosti. a a. 5) V aritmetické posloupnosti je dáno: a
Poslouposti ) Prví čle ritmetické poslouposti je diferece Určete prvích pět čleů této poslouposti ) Prví čle ritmetické poslouposti je 8 diferece Určete prvích pět čleů této poslouposti ) V ritmetické
IAJCE Přednáška č. 12
Složitost je úvod do problematiky Úvod praktická realizace algoritmu = omezeí zejméa: o časem o velikostí paměti složitost = vztah daého algoritmu k daým prostředkům: časová složitost každé možiě vstupích