Statistika I (KMI/PSTAT)

Podobné dokumenty
1 3Statistika I (KMI/PSTAT)

Třídění statistických dat

MĚŘENÍ, TYPY VELIČIN a TYPY ŠKÁL

Pojem a úkoly statistiky

Statistika I (KMI/PSTAT)

STATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: 75% docházka na cvičení. + odevzdání seminární práce (úkoly na PC)

Popisná statistika. Statistika pro sociology

Mnohorozměrná statistická data

Škály podle informace v datech:

STATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE

Statistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability

Pro zvládnutí této kapitoly budete potřebovat 4-5 hodin studia.

Mnohorozměrná statistická data

Charakteristiky kategoriálních veličin. Absolutní četnosti (FREQUENCY)

Renáta Bednárová STATISTIKA PRO EKONOMY

Matematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Statistika. Zpracování informací ze statistického šetření. Roman Biskup

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Základy pravděpodobnosti a statistiky. Popisná statistika

2.5 STATISTISKÉ ZJIŠŤOVÁNÍ, ZÁKLADNÍ STATISTICKÉ POJMY

Základy popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Popisná statistika kvantitativní veličiny

Statistická šetření - PROČ? Žádná věda není skutečnou vědou, není-li podložena matematickými principy. (L.da Vinci)

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík


Základy popisné statistiky

Matematika III. 29. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

Analýza dat na PC I.

STATISTIKA 1. RNDr. K. Hrach, Ph.D. Zápočet: odevzdání seminární práce (úkoly na PC) Zkouška: písemná (bez kalkulačky, bez vzorců)

2. Statistická terminologie a vyjadřovací prostředky Statistická terminologie. Statistická jednotka

Statistika pro geografy

Tabulka 1. Výběr z datové tabulky

Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing.

Tomáš Karel LS 2012/2013

1. cvičení 4ST201. Základní informace: Vyučující: Obsah: Informace o kurzu Popisná statistika Úvod do SASu

Základy teorie pravděpodobnosti

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Spokojenost se životem

2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat

Měření závislosti statistických dat

7. Rozdělení pravděpodobnosti ve statistice

Popisná statistika - úvod

Základy štatistiky. Charakteristiky štatistického znaku

MAS Havlíčkův kraj, o. p. s.

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Základní statistické pojmy

Sázíte-li v loterii, je to hazard. Hrajete-li poker, je to zábava. Obchodujete-li na burze, je to ekonomie. Vidíte ten rozdíl?

Diskrétní náhodná veličina. November 12, 2008

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

Kontingenční tabulky v Excelu. Představení programu Statistica

Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1

Písemná práce k modulu Statistika

Úvodní statistické pojmy

2. Bodové a intervalové rozložení četností

Předmět studia: Ekonomická statistika a analytické metody I, II

TECHNICKÁ UNIVERZITA V LIBERCI

Statistické metody. Martin Schindler KAP, tel , budova G. naposledy upraveno: 9.

METODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Informační technologie a statistika 1

Příloha č. 1 Jedno a vícefaktorová analýza dat ANOVA

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD

Pozice piva v české společnosti v roce 2015

Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží

7. SEMINÁŘ DESKRIPTIVNÍ STATISTIKA

Popisná statistika. Jaroslav MAREK. Univerzita Palackého

SISP - charakteristika výběrového souboru

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

Máte rádi kávu? Statistický výzkum o množství vypité kávy napříč věkovým spektrem.

Statistika s Excelem aneb Máme data. A co dál? Martina Litschmannová Katedra aplikované matematiky, FEI, VŠB-TU Ostrava

Tomáš Karel LS 2012/2013

Základy počtu pravděpodobnosti a metod matematické statistiky

Pivo a pohostinská zařízení v české společnosti v roce 2016

Pivo a pohostinská zařízení v české společnosti v roce 2016

Statistika. pro žáky 8. ročníku. úterý, 26. března 13

Přípravný kurz - Matematika

Statistika. zpracování statistického souboru

5EN306 Aplikované kvantitativní metody I

Cvičení 12: Binární logistická regrese

Statistika (KMI/PSTAT)

STATISTIKA S EXCELEM. Martina Litschmannová MODAM,

23. Matematická statistika

Základní pojmy a cíle statistiky 1

Aplikovaná statistika v R

Statistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Konzumace piva v České republice v roce 2007

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

PROHLOUBENÍ NABÍDKY DALŠÍHO VZDĚLÁVÁNÍ NA VŠPJ A SVOŠS V JIHLAVĚ

Statistika (KMI/PSTAT)

Základy statistiky. pracovní list. Základní škola Zaječí, okres Břeclav Školní 402, , příspěvková organizace

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Přípravný kurz - Matematika

Deskriptivní statistika (kategorizované proměnné)

4EK211 Základy ekonometrie

Poznámky k předmětu Aplikovaná statistika, 11. téma

Transkript:

Statistika I (KMI/PSTAT) Cvičení první aneb Sumační symbolika, úvod do popisné statistiky Statistika I (KMI/PSTAT) 1 / 15

Obsah hodiny Po dnešní hodině byste měli být schopni: správně používat sumační symboliku správně používat pojmy statistický soubor, statistická jednotka, znak statistické jednotky, hodnota znaku, statistická proměnná, rozlišovat jednotlivé typy statistických proměnných podle jejich nejrůznějších vlastností (kategoriální nekategoriální, kvalitativní kvantitativní (diskrétní spojité), nominální ordinální, alternativní množné), vypočítat četnosti hodnot statistické proměnné (prostá absolutní četnost, kumulovaná absolutní četnost, prostá relativní četnost, kumulovaná relativní četnost) a sestavit tabulku těchto četností, nakreslit podle tabulky četností vhodný graf statistické proměnné (histogram, koláčový graf, polygon četností atd.), z hodnot dvou statistických proměnných sestavit kontingenční tabulku a umět číst údaje z těchto kontingenčních tabulek. Statistika I (KMI/PSTAT) 2 / 15

Základní pojmy sumační symbolika statistický soubor statistická jednotka rozsah souboru statistický znak hodnota znaku statistická proměnná četnosti tabuky četností intervalové rozdělení četností kontingenční tabulka Statistika I (KMI/PSTAT) 3 / 15

Sumační symbolika Sumační symbolika I V následujících příkladech rozepište výrazy: 10 n Statistika I (KMI/PSTAT) 4 / 15

Sumační symbolika Sumační symbolika I V následujících příkladech rozepište výrazy: 10 n = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 Statistika I (KMI/PSTAT) 4 / 15

Sumační symbolika Sumační symbolika I V následujících příkladech rozepište výrazy: 10 n = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 4 (3n + 5) Statistika I (KMI/PSTAT) 4 / 15

Sumační symbolika Sumační symbolika I V následujících příkladech rozepište výrazy: 10 n = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 4 (3n + 5) = (3 1 + 5) + (3 2 + 5) + (3 3 + 5) + (3 4 + 5) Statistika I (KMI/PSTAT) 4 / 15

Sumační symbolika Sumační symbolika I V následujících příkladech rozepište výrazy: 10 n = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 4 (3n + 5) = (3 1 + 5) + (3 2 + 5) + (3 3 + 5) + (3 4 + 5) 3 2 n 4 x n 4 x n x=1 5 x 2 i i=1 Statistika I (KMI/PSTAT) 4 / 15

Sumační symbolika Sumační symbolika II V následujících příkladech rozepište výrazy: 6 n i=1 6 1 Statistika I (KMI/PSTAT) 5 / 15

Sumační symbolika Sumační symbolika II V následujících příkladech rozepište výrazy: 6 n i=1 6 1 3 2 a ij i=1 j=1 3 3 (x i x j ) i=1 j=1 Statistika I (KMI/PSTAT) 5 / 15

Sumační symbolika Sumační symbolika II V následujících příkladech rozepište výrazy: 6 n i=1 6 1 3 2 a ij i=1 j=1 3 3 (x i x j ) i=1 j=1 Sumační symbolika III V následujících příkladech zapište výrazy pomocí sumační symboliky: 2 + 4 + 6 + 8 + 10 + 12 11 + 13 + 15 + 17 + 19 + 21 + 23 + 25 n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 n 11 + n 12 + n 13 + n 14 + n 21 + n 22 + n 23 + n 24 + n 31 + n 32 + n 33 + n 34 Statistika I (KMI/PSTAT) 5 / 15

Sumační symbolika Sumační symbolika - pravidla n ( ) Rozepište výraz xi + y i i=1 Statistika I (KMI/PSTAT) 6 / 15

Sumační symbolika Sumační symbolika - pravidla n ( ) Rozepište výraz xi + y i i=1 Sumační symbolika - suma součtu, rozdílu n [ ] n [ ] n [ ] f(i) + g(i) = f(i) + g(i) i=1 n [ ] n [ ] n [ ] f(i) g(i) = f(i) g(i) i=1 Statistika I (KMI/PSTAT) 6 / 15

Sumační symbolika Sumační symbolika - pravidla n ( ) Rozepište výraz xi + y i i=1 Sumační symbolika - suma součtu, rozdílu n [ ] n [ ] n [ ] f(i) + g(i) = f(i) + g(i) i=1 n [ ] n [ ] n [ ] f(i) g(i) = f(i) g(i) i=1 10 ( 5n 3 3n 2 + 2n 11 ) = 10 ( 5n 3 ) 10 ( 3n 2 ) + 10 ( ) 10 ( ) 2n 11 Statistika I (KMI/PSTAT) 6 / 15

Sumační symbolika Sumační symbolika - pravidla 6 ( Rozepište výraz 5n 2 ) Statistika I (KMI/PSTAT) 7 / 15

Sumační symbolika Sumační symbolika - pravidla 6 ( Rozepište výraz 5n 2 ) Sumační symbolika - suma součinu s konstantou n [ ] n [ ] c f(i) = c f(i) i=1 i=1 Statistika I (KMI/PSTAT) 7 / 15

Sumační symbolika Sumační symbolika - pravidla 6 ( Rozepište výraz 5n 2 ) Sumační symbolika - suma součinu s konstantou n [ ] n [ ] c f(i) = c f(i) i=1 i=1 10 ( 5n 3 3n 2 + 2n 11 ) = 5 10 ( n 3 ) 3 10 ( n 2 ) + 2 10 ( ) 10 ( ) n 11 1 Statistika I (KMI/PSTAT) 7 / 15

Sumační symbolika Sumační symbolika - pravidla 6 ( Rozepište výraz 5n 2 ) Sumační symbolika - suma součinu s konstantou n [ ] n [ ] c f(i) = c f(i) i=1 i=1 10 ( 5n 3 3n 2 + 2n 11 ) = 5 10 ( n 3 ) 3 10 ( n 2 ) + 2 10 ( ) 10 ( ) n 11 1 n ( 2k 1 ) =??? k=1 Statistika I (KMI/PSTAT) 7 / 15

Základní pojmy statistická statistický hodnota jednotka znak znaku Jan Novák výška 184 cm hmotnost 92 cm barva vlasů černá počet sourozenců 1 pohlaví muž Jiří Novotný výška 176 cm hmotnost 72 kg barva vlasů hnědá počet sourozenců 2 pohlaví muž Jana Rychtářová výška 171 cm hmotnost 65 kg barva vlasů hnědá počet sourozenců 1 pohlaví žena Jitka Kovářová výška 166 cm hmotnost 64 kg barva vlasů blond počet sourozenců 0 pohlaví žena Statistika I (KMI/PSTAT) 8 / 15

Typy veličin kvalitativní pohlaví (muž, žena,...) výsledek přijímacího řízení (uspěl, neuspěl) barva očí (modrá, hnědá, zelená, šedivá,...) nejvyšší dosažené vzdělání (ZŠ, SŠ, VŠ) kvantitativní hmotnost (64 kg) pořadí v závodě (1. místo) cena akcie (542 Kč) teplota (15 C) Číselné (kvantitativní) proměnné dále děĺıme na nespojité (diskrétní): počet sourozenců, počet vypůjčených knih, počet vlastněných mobilů atd. spojité (kontinuální): hmotnost, výška, čas atd. Statistika I (KMI/PSTAT) 9 / 15

Typy veličin nominální (názvové) - nelze objektivně stanovit pořadí hodnot barva vlasů (světlé, zrzavé, černé, fialové, zelené,...) náboženské vyznání (katoĺıci, protestanté, hinduisté,...) obĺıbený sport (běh, fotbal, hokej,...) ordinální (pořadové) lze jednoznačně objektivně seřadit od nejnižší obměny k obměně nejvyšší z hlediska stupně sledované vlastnosti nejvyšší dosažené vzdělání (ZŠ, SŠ, VŠ) známka při zkoušení (výborně, velmi dobře, dobře, nevyhověl) cena zboží (25 Kč, 27 Kč, 28 Kč, 31 Kč) alternativní - hodnoty mohou nabýt pouze dvě obměny pohlaví (muž, žena) výsledek zápočtu (započteno, nezapočteno) množné - více než dvě možné obměny hodnot znaku obĺıbený nápoj (pivo, limo, káva, víno, voda) nejvyšší dosažené vzdělání (ZŠ, SŠ, VŠ) Statistika I (KMI/PSTAT) 10 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? b) Kolik respondentů mělo vysokoškolské vzdělání? Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? b) Kolik respondentů mělo vysokoškolské vzdělání? c) Jaký byl podíl lidí s VŠ vzděláním? Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? b) Kolik respondentů mělo vysokoškolské vzdělání? c) Jaký byl podíl lidí s VŠ vzděláním? d) Kolik respondentů mělo nejvýše středoškolské vzdělání? Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? b) Kolik respondentů mělo vysokoškolské vzdělání? c) Jaký byl podíl lidí s VŠ vzděláním? d) Kolik respondentů mělo nejvýše středoškolské vzdělání? e) Kolik respondentů bylo ve věku 35 let? Statistika I (KMI/PSTAT) 11 / 15

Četnosti V rámci dotazníkového šetření byla shromážděna data od 30 respondentů. Tito byli dotázáni na svůj věk, nejvyšší dosažené vzdělání a pohlaví. Zjištěné výsledky jsou uvedeny v tabulce. respondent č. 1 2 3 4 5 6 7 8 9 10 vzdělání ZŠ ZŠ VŠ SŠ VŠ SŠ SŠ SŠ VŠ SŠ pohlaví M M M Ž M Ž M M Ž Ž věk 23 15 35 27 28 34 65 21 43 25 respondent č. 11 12 13 14 15 16 17 18 19 20 vzdělání SŠ SŠ VŠ VŠ SŠ VŠ ZŠ VŠ SŠ VŠ pohlaví M Ž M Ž Ž Ž Ž Ž Ž Ž věk 35 24 27 28 36 32 41 56 49 37 respondent č. 21 22 23 24 25 26 27 28 29 30 vzdělání VŠ VŠ ZŠ SŠ SŠ SŠ SŠ VŠ SŠ VŠ pohlaví M M Ž M Ž M Ž M M Ž věk 47 28 23 34 48 52 18 24 31 42 a) Kolik bylo mezi respondenty mužů a kolik žen? b) Kolik respondentů mělo vysokoškolské vzdělání? c) Jaký byl podíl lidí s VŠ vzděláním? d) Kolik respondentů mělo nejvýše středoškolské vzdělání? e) Kolik respondentů bylo ve věku 35 let? f) Kolik respondentů bylo ve věku nejvýše 35 let? Statistika I (KMI/PSTAT) 11 / 15

Četnosti hodnot znaku Četnosti hodnot znaku absolutní četnost n i : počet znaků s hodnotou x i relativní četnost p i = n i n kumulovaná absolutní četnost n i = i n k = n 1 + n 2 +... + n i k=1 kumulovaná relativní četnost p i = i k=1 p k = p 1 + p 2 +... + p i = n 1 n + n 2 n +... + n i n = n i n Statistika I (KMI/PSTAT) 12 / 15

Četnosti i A B C D E 1 3 33 ov 15 214 ano 2 2 27 dr 21 463 ano 3 3 35 ov 22 274 ano 4 4 47 ov 32 236 ne 5 5 52 ov 27 148 ano 6 4 43 nv 31 884 ne 7 1 67 ov 15 224 ne 8 4 50 dr 26 398 ano 9 3 32 dr 23 594 ne 10 2 25 ov 45 395 ano 11 1 30 nv 18 964 ano 12 4 35 ov 25 982 ano 13 5 43 ov 27 134 ne 14 2 25 dr 22 546 ne 15 3 29 dr 23 641 ano 16 2 29 dr 25 362 ne 17 2 27 dr 13 547 ano 18 3 25 ov 42 378 ne 19 4 43 dr 38 221 ano 20 4 42 ov 24 635 ne Zadání příkladů i... pořadové číslo domácnosti A... počet členů domácnosti B... věk člena domácnosti s nejvyšším příjmem C... druh vlastnictví bytu (osobní, družstevní, nájemní) D... průměrné měsíční výdaje domácnosti v Kč E... vlastnictví PC. 1 Sestavte tabulku rozdělení četností a kumulovaných četností (absolutních i relativních) počtu členů domácnosti. 2 Sestavte tabulku rozdělení četností (absolutních i relativních) veličiny druh vlastnictví bytu. 3 Sestavte polygon četností a histogram pro počet členů domácnosti a pomocí koláče zobrazte četnosti druhu vlastnictví bytu. Statistika I (KMI/PSTAT) 13 / 15

Intervalové rozdělení četností Pro spojitou (metrickou) veličinu sestavujeme intervalové rozdělení četností, tj. neurčujeme četnosti pro konkrétní hodnoty, ale četnosti hodnot, které se nacházejí v jistém rozmezí hodnot (tj. v jistém intervalu reálných čísel). Obecně: pokud by při diskrétním rozdělení byly četnosti jednotlivých znaků menší než celkový počet znaků, použijeme intervalové rozdělení četností. Statistika I (KMI/PSTAT) 14 / 15

Intervalové rozdělení četností Pro spojitou (metrickou) veličinu sestavujeme intervalové rozdělení četností, tj. neurčujeme četnosti pro konkrétní hodnoty, ale četnosti hodnot, které se nacházejí v jistém rozmezí hodnot (tj. v jistém intervalu reálných čísel). Obecně: pokud by při diskrétním rozdělení byly četnosti jednotlivých znaků menší než celkový počet znaků, použijeme intervalové rozdělení četností. Počet kategoríı (tj. intervalů) lze určit např. pomocí tzv. Sturgesova pravidla. Sturgesovo pravidlo Počet kategoríı: k = 1 + 3, 3 log n, k... počet kategoríı (intervalů), n... počet hodnot (pozorování). Statistika I (KMI/PSTAT) 14 / 15

Intervalové rozdělení četností Pro spojitou (metrickou) veličinu sestavujeme intervalové rozdělení četností, tj. neurčujeme četnosti pro konkrétní hodnoty, ale četnosti hodnot, které se nacházejí v jistém rozmezí hodnot (tj. v jistém intervalu reálných čísel). Obecně: pokud by při diskrétním rozdělení byly četnosti jednotlivých znaků menší než celkový počet znaků, použijeme intervalové rozdělení četností. Počet kategoríı (tj. intervalů) lze určit např. pomocí tzv. Sturgesova pravidla. Sturgesovo pravidlo Počet kategoríı: k = 1 + 3, 3 log n, k... počet kategoríı (intervalů), n... počet hodnot (pozorování). Počet kategoríı Při dotazníkovém šetření jsme zjišt ovali údaje od 125 respondentů. Zjištěné hodnoty (spojité veličiny) se pohybovaly v rozmezí od 20 do 60. Navrhněte počet intervalů a jejich hranice, ve kterých budeme měřit četnosti hodnot. Statistika I (KMI/PSTAT) 14 / 15

Intervalové rozdělení četností Pro spojitou (metrickou) veličinu sestavujeme intervalové rozdělení četností, tj. neurčujeme četnosti pro konkrétní hodnoty, ale četnosti hodnot, které se nacházejí v jistém rozmezí hodnot (tj. v jistém intervalu reálných čísel). Obecně: pokud by při diskrétním rozdělení byly četnosti jednotlivých znaků menší než celkový počet znaků, použijeme intervalové rozdělení četností. Počet kategoríı (tj. intervalů) lze určit např. pomocí tzv. Sturgesova pravidla. Sturgesovo pravidlo Počet kategoríı: k = 1 + 3, 3 log n, k... počet kategoríı (intervalů), n... počet hodnot (pozorování). Počet kategoríı Při dotazníkovém šetření jsme zjišt ovali údaje od 125 respondentů. Zjištěné hodnoty (spojité veličiny) se pohybovaly v rozmezí od 20 do 60. Navrhněte počet intervalů a jejich hranice, ve kterých budeme měřit četnosti hodnot. počet kategoríı: k = 1 + 3, 3 log 125. = 1 + 3, 3 2, 097. = 7, 92. = 8 šířka intervalu: (60 20)/8 = 5 Statistika I (KMI/PSTAT) 14 / 15

Kontingenční tabulka velikost bytu 1+0 1+1 2+1 3+1 4+1 celkem 0 54 46 84 62 24 270 počet 1 23 59 112 84 69 347 dětí 2 6 41 76 76 45 244 3 1 15 35 34 33 118 4 0 3 6 7 5 21 celkem 84 164 313 263 176 1000 1 Kolik rodin s 2 dětmi bydĺı v bytech o velikosti 3+1? 2 Kolik rodin bydĺı v bytech 1+1? 3 Kolik rodin má právě 3 děti? 4 Kolik rodin bydĺı v bytě s nejvýše 2 místnostmi? 5 Kolik rodin má více než 2 děti? 6 Jaký je průměrný počet dětí v rodinách, které bydĺı v bytech 1+0? 7 Jaký je průměrný počet dětí v rodinách v bytech s nejvýše 3 místnostmi? 8 Jaký je průměrný počet místností v bytech, kde bydĺı bezdětné rodiny? 9 Kolik dětí dohromady bydĺı v bytech o velikosti 2+1? 10 V jaké velikosti bytů bydĺı celkem nejvíce dětí? Kolik je těchto dětí? Statistika I (KMI/PSTAT) 15 / 15