RO1416, NAZV KUS QJ

Certifikovaná metodika RO1416 CM 29 - název: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka Certifikovaná uplatnìná metodika a technicko-organizaèní doporuèení, opatøení a postupy v systému vyhodnocení výsledkù analýz bazénových vzorkù mléka v kontrole kvality syrového mléka pøi aplikaci transformaèní rovnice pøepoètu bakteriálních elektronických impulsù prùtoèné cytometrie na legislativnì definovaný celkový poèet mikroorganismù v kolonie tvoøících jednotkách pro podporu bezpeènosti a kvality mléèného potravinového øetìzce a zdraví spotøebitelù. I) Cíl certifikované uplatnìné metodiky: Cílem certifikované metodiky RO1416 CM29 je zajistit metody pøepoètù výsledkù prùtoèné cytometrie v bazénových vzorcích mléka na celkový poèet mikroorganismù pro kontrolu kvality syrového mléka dle potravináøských legislativních standardù a podporu zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Náplò certifikované uplatnìné metodiky: Náplní certifikované metodiky RO1416 CM29 je implementace dosažených výsledkù, získaných na základì pøedchozího výzkumu a vývoje v rámci øešení projektù MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214, do prostøedí rutinní kontroly kvality syrového mléka v Èeské republice pro celkové zlepšení vìrohodnosti hodnocených dat a pro podporu bezpeènosti a kvality mléèného potravinového øetìzce a zdraví spotøebitelù. Zdroj certifikované uplatnìné metodiky: Projekty MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214. Zpracovali dne: 24. 3. 216; Oto Hanuš 1, Marcela Klimešová 1, Radoslava Jedelská 1, Gustav Chládek 2, Daniel Falta 2, Jaroslav Kopecký 1, Ludmila Nejeschlebová 1, Eva Vondrušková 1 ; 1 Výzkumný ústav mlékárenský s.r.o., Praha; 2 Mendelova univerzita v Brnì, Agronomická fakulta, Ústav chovu a šlechtìní zvíøat Uplatnìní bylo provedeno zavedením všech principù metodiky od 23. 12. 216. 1

II) Vlastní popis certifikované metodiky Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka Struktura certifikované metodiky: 1) Úvod a souèasný stav problematiky 2) Cíl aplikace certifikované metodiky 3) Vlastní výzkum a vývoj pro certifikovanou metodiku zpracování validace dosavadních predikèních rovnic a návrhy inovovaných transformaèních predikèních rovnic pro IBC-FC CPM I) Podmínky srovnávacího sledování a použité metodické postupy II) Vyhodnocení výsledkù validace a stanovení pøedchozích a inovovaných predikèních rovnic pro IBC-FC CPM v kontrole spotøebitelské bezpeènosti a kvality syrového mléka 4) Závìr certifikované metodiky 5) Použité vlastní výsledky a publikace pøi návrhu a validaci certifikované metodiky 6) Použité jiné literární prameny pøi tvorbì certifikované metodiky 7) Pøílohové materiály s podklady pro vývoj certifikované metodiky Nejèastìji použité zkratky: BEI = bakteriální elektronický impuls; CFU = kolonie tvoøící jednotka; CPM = celkový poèet mezofilních mikroorganismù; FC = prùtoèná cytometrie; IBC = pøístroj Bentley, prùtoèná cytometrie; LRM = laboratoø rozborù mléka; RE = reference, hodnota, metoda; 2

1) Úvod a souèasný stav problematiky Kontrola jakosti mléka Jakost syrového mléka, jako suroviny, je dùležitým, ne-li nejvýznamnìjším, faktorem kvality následných mléèných výrobkù. Musí být pravidelnì kontrolována, protože mléko, pro svùj vysoký obsah vody a živin, je ideálním prostøedím pro rozvoj mikroorganismù, a tudíž od momentu nadojení je materiálem, který je vysoce ohrožen kažením. Otázka jeho uložení a transportu je proto citlivým technologickým procesem. Pojem kvalita mléka pak zahrnuje v širším pojetí jeho chemické složení, fyzikální a technologické vlastnosti, biochemické a zdravotní ukazatele a mikrobiologické zastoupení. V užším slova smyslu lze hovoøit jen o hygienických (mikrobiologických) aspektech. Kvalita mléka ovlivòuje trvanlivost mléèných výrobkù. Dobrá jakost syrového mléka vytváøí a zajiš uje provozní jistotu pro farmáøe (dobrá farmáøská cena), pro zpracovatele mléka (prodejnost a trvanlivost mléèných výrobkù) a podmiòuje bezpeènost potravinového øetìzce s ohledem na konzumenty. Protože vyhodnocování kvality dodavatelského mléka slouží ve znaèné míøe, vedle úèelù proplácení mléka, také zdravotní ochranì spotøebitele, splòuje takový úkol dùležitou spoleèenskou zakázku (BAUMGARTNER, 2; AFEMA - Arbeitsgruppe zur Förderung von Eutergesundheit und Milchhygiene in den Alpenländern, Pracovní skupina pro podporu zdraví mléèné žlázy a hygieny mléka v alpských zemích). Bezpeènost a kvalita mléèného potravinového øetìzce jsou tedy dùležitými aspekty ochrany veøejného zdraví. Z výše uvedených dùvodù je výrobní a zpracovatelský mléèný øetìzec zøejmì nejvíce kontrolovaným potravinovým øetìzcem vùbec, a tím pravdìpodobnì nejbezpeènìjší z tìch, které pøipadají v úvahu pro srovnání. Uvedené platí pøedevším v mlékaøsky vyspìlých zemích vèetnì Èeské republiky (ÈR), a to ve smyslu: - širokého spektra a relativnì vysokého poètu vyšetøovaných hygienických (mikrobiologických), složkových (chemických), fyzikálních a technologických mléèných parametrù a vlastností; - pravidelnosti a relativnì vysoké frekvence zmínìných rutinních vyšetøení syrového mléka; - pøevážnì biologického a biochemického charakteru tìchto vyšetøení, kde principem je posoudit bezpeènost kontrolovaného materiálu pro konzumenty. Jednotlivé zemì, podle své mlékaøské technologické vyspìlosti, provozují rùznì dokonalé systémy kontroly kvality syrového mléka, urèeného k potravináøskému zpracování a uvádìní na trh. Obecnì lze konstatovat, že nejpokroèilejší systémy kontroly kvality syrového mléka jsou v Evropì, Severní Americe, Austrálii a na Novém Zélandu. Tyto systémy kontrolují kvalitativní ukazatele syrového mléka v souladu s výèty, které jsou zpravidla uvedeny v lokálnì korespondujících potravináøských a zdravotních legislativních materiálech. S rozvojem analytických a výpoèetních technologií se postupnì rozšiøovalo spektrum kontrolovaných kvalitativních ukazatelù a vlastností syrového mléka, podle rostoucích hygienických, zdravotních a technologických požadavkù. Historicky zapoèalo sledování kvality syrového mléka pøi pøejímce postupnì zpravidla stanovením mechanických neèistot, zmìøením úchovné teploty, obsahu tuku a popøípadì nìjakým jednoduchým testem posouzení hygienické kvality. Zde, u hygienické kvality, se jednalo napø. o resazurinový test, pozdìji stanovení koncentrace kyseliny pyrohroznové (napø. Bavorsko) jako metabolického produktu bakteriální aktivity, pro nepøímý odhad možné bakteriální kontaminace suroviny. Se 3

zmínìným vývojem techniky nastupovalo stále více analytických metod a kvalitativních ukazatelù chemických, biochemických, fyzikálních a mikrobiologických. Znaky jakosti syrového kravského mléka Norma ÈSN EN ISO 9 (13; 26) definuje kvalitu (jakost) jako stupeò splnìní požadavkù souborem inherentních charakteristik. Aktuální požadavky na jakost syrového mléka jsou definovány v pøíslušné legislativì Evropské unie (EU) a v naší národní legislativì, která je s touto evropskou harmonizována. V pøípadì EU se jedná o více pøedpisù potravinového práva, z nichž podstatným pro daný úèel je Naøízení evropského parlamentu a rady (ES) è. 835/24. Zde je urèeno, že standardní syrové kravské mléko mùže obsahovat: celkový poèet mezofilních mikroorganismù (CPM; pøi 3!C kultivace) < 1 1 3 KTJ ml -1 ; poèet somatických bunìk (PSB) < 4 1 3 ml -1 ; žádné stopy výskytu reziduí inhibièních látek (RIL), resp. léèiv, zejména antibiotik. V pøípadì ÈR se rovnìž jedná o více pøedpisù, z nichž aktuálnì nejdùležitìjším pro korespondující úèel je norma pro standardní mléko ÈSN 57 529 Syrové kravské mléko pro mlékárenské ošetøení a zpracování. Tento pøedpis je sice již dnes neplatný, nicménì stejnì zásadnì významný pro konstrukci smluv výkupu syrového mléka. Vedle výše uvedených základních znakù kvality syrového mléka definuje na národní úrovni (Tab. 1) ještì výèet znakù dalších hlavních a doplòkových, nad rámec požadavkù EU, které mohou být v pøípadì potøeby zaøazeny do kontroly kvality a proplácení mléka. Mimoto uvádí definici, že mléko má pocházet od zdravých dojnic a z chovù prostých tuberkulózy a že z mléka nesmí být nic odebráno, ani mu naopak pøidáno. V lokálních podmínkách pak jednotlivé mlékárenské podniky zapracovávají limity tìchto uvedených pøedpisù, v pøípadì CPM, PSB a RIL povinnì a v pøípadì dalších ukazatelù již neplatné ÈSN 57 529 podle svých potøeb, do dodavatelsko-odbìratelských smluv. Smlouvy pak urèují podmínky proplácení mléka podle kvality. Rovnìž frekvence vyšetøování zanesených kvalitativních ukazatelù je dána pøedpisem, pro CPM, PSB a RIL povinnì zpravidla dvakrát mìsíènì (je možné i vícekrát) a u dalších ukazatelù pak podle konkrétní smlouvy, resp. dohody. 4

Tab. 1 Vymezení limitù standardní kvality syrového kravského mléka podle jednotlivých mléèných ukazatelù (dnes neplatná, ale výstižná ÈSN 57 529, harmonizováno s legislativou EU). Ukazatel kvality mléka Jednotka Povolené limity Poznámka Obsah tuku g 1ml -1 > 3,3 3,21 g 1g -1 Obsah bílkovin g 1ml -1 > 2,8; základ 2,72 g 1g -1 ; základ zpenìžování 3,11 zpenìžování 3,2 Bod mrznutí mléka!c < -,515 -,52!C (EU) Titraèní kyselost mléka ml (!SH) 6,2 7,8,25 mol 1ml -1 NaOH Poèet somatických bunìk 1 3 ml -1 < 4 < 3 pro kvalitu výbìr Celkový poèet 1 3 ml -1 < 1 < 5 pro kvalitu výbìr mikroorganismù Rezidua inhibièních látek / negativní mikrobiologický test, pøedevším antibiotika nebo jiná léèiva Poèet psychrotrofních mikroorganismù Poèet termorezistentních mikroorganismù Poèet koliformních baktérií Sporotvorné anaerobní baktérie Látkový obsah volných mastných kyselin v mléèném tuku 1 3 ml -1 < 5 kultivaènì 1 3 ml -1 < 2 kultivaènì 1 3 ml -1 < 1 / negativní v,1 ml mmol 1g -1 < 1,3 metoda stlukem < 3,2 metoda titraèní Mechanické neèistoty / stupeò II max. ÈSN 57 53 Kysací schopnost mléka ml (!SH) < 25,25 mol 1ml -1 NaOH ON 57 534 Obsah sušiny tukuprosté g 1g -1 > 8,5 Základní požadavky na syrové kravské mléko a nìkteré vybrané znaky jakosti Podle ÈSN 57 529 mléko musí být získáno od zdravých dojnic, nevykazujících zjevné pøíznaky onemocnìní pøenosných na lidi. Dále nesmí dojnice vykazovat zjevné pøíznaky poruch celkového zdravotního stavu a zánìtù kùže a mléèné žlázy. Krávy musí dojit nejménì 2 litry mléka dennì. Dodávané mléko nesmí být získáno od krav do 5 dnù po otelení. Kravám nesmí být podány látky nepøíznivì ovlivòující složení mléka ani jiné cizorodé látky. Barva mléka musí být bílá, pøípadnì mírnì nažloutlá. Mléko musí být bez cizích pøíchutí a pachù, bez hrubých neèistot nebo vloèek, popøípadì pøímìsi krve. Mléko musí být èerstvé a pøi pøejímce vychlazené na 7 až 4!C v závislosti na frekvenci svozu mléka (èím ménì èasto, tím nižší teplota). Systém kontroly jakosti syrového mléka V jednotlivých mlékaøsky vyspìlých zemích existují pro kontrolu kvality mléka pracovní sítì mléèných laboratoøí (GRAPPIN, 1993; LERAY, 1993), kam jsou transportovány bazénové vzorky mléka za kontrolovaných podmínek odbìru a pøepravy a v co nejkratší možné dobì, zpravidla do 24 až 48 hodin (chladnièkové podmínky, vzorky konzervované, ale i 5

nekonzervované, napø. pro stanovení bodu mrznutí mléka). V ÈR je umožnìn jak manuální tak automatizovaný odbìr bazénových vzorkù mléka. K tomuto úèelu jsou zpracovány pøíslušné kontrolní metodiky a autorizaèní postupy, které v ÈR garantuje a provádí Èeskomoravská spoleènost chovatelù, jako organizace zastupující zemi v ICAR (International Committee for Animal Recording, Mezinárodní výbor pro kontrolu užitkovosti zvíøat). Zmínìné laboratoøe, které mìøí hodnoty mléèných kvalitativních ukazatelù, jsou obvykle akreditované, tzn., že disponují validovanými analytickými postupy, mají odhadnuty nejistoty výsledkù mìøení a prodìlávají pravidelné audity u kompetentních autorit. Sítì zpravidla sestávají ze dvou typù laboratoøí, referenèních a rutinních. Referenèní laboratoøe používají referenèní mlékaøské analytické metody, produkují referenèní materiály, provádí školení personálu rutinních laboratoøí, zúèastòuji se internacionálních výkonnostních testù analytické zpùsobilosti a organizují národní systémy výkonnostních testù (LERAY, 26, 29 a, b, c, 21). Rutinní laboratoøe èasto mìøí prostøednictvím nepøímých, ale výkonných metod a zúèastòují se ve výkonnostních testech referenèních laboratoøí, odkud zpravidla èerpají i referenèní materiály k pøíslušným instrumentálním kalibracím. Kvalita tìchto kalibrací je obecnì posuzována podle statistických pravidel, které již døíve definoval GRAPPIN (1987). Tak je systematicky zajiš ována vìrohodnost analytických výsledkù. V ÈR existuje nyní následující uspoøádání systému pro kontrolu kvality syrového mléka: - tøi akreditované centrální rutinní laboratoøe urèují kvalitu mléka v obchodních dodávkách podle výsledkù bazénových vzorkù mléka (Laboratoø rozborù mléka Buštìhrad a Brno, Èeskomoravská spoleènost chovatelù; Madeta Èeské Budìjovice); - tøi akreditované referenèní laboratoøe: - Státní veterinární ústav Praha pro poèet somatických bunìk; - Národní referenèní laboratoø pro stanovení reziduí inhibièních látek v mléce ve Státním veterinárním ústavu v Jihlavì; - Mléèná laboratoø Výzkumného ústavu mlékárenského v Praze pro základní chemické složení mléka a pro mikrobiologické kvalitativní ukazatele mléka. Systém kontroly vìrohodnosti analytických výsledkù mlékaøských laboratoøí Výkonnostní testování Národní referenèní laboratoøe pro syrové mléko na národní úrovni je dùležitou souèástí kontroly a øízení kvality mlékaøských analýz. Uvedené se provádí pomocí tzv. kruhových (hvìzdicových) testù, tzn. testování analytické zpùsobilosti (proficiency testing). Ty podléhají urèité èasové frekvenci. Napø. v ÈR je to jeden kalendáøní mìsíc pro obsahy tuku, bílkovin a laktózy v mléce (metody MIR-F a MIR-FT) a tøi mìsíce pro moèovinu (rùzné metody jako Ureakvant, MIR-FT, fotometrické metody), poèet somatických bunìk (PSB; fluoro-opto-elektronická metoda vyšetøení ve filmu na rotujícím disku a ve variantì prùtoèné cytometrie) a bod mrznutí mléka (BMM; kryoskopicky a screeningovì s MIR-FT v kombinaci s konduktivitním èidlem). Poèet vzorkù v referenèní sadì je vždy 1, tyto jsou náležitì ošetøeny, konzervovány (bronopol,2 %, tablety DF Microtabs), vychlazeny a odeslány v termoboxech (< 1!C) do cílových laboratoøí. Z výsledkù mìøení je vyhodnocena Euklidická vzdálenost (ED; LERAY, 1993, 26, 29 a, b, c, 21) od poèátku pro seøazení laboratoøí a posouzení úspìšnosti v testu. U BMM je pak ještì proveden test kryoskopického stanovení na dvou vzorcích definovaného roztoku NaCl s BMM v oboru reálného mléka. Je urèen režim mìøení kryoskopu (plato search mode) a výsledky jsou vyhodnoceny pomocí Z-score (COVENEY, 21; WOOD, 1994; WOOD et al., 1998). Obecnì ovšem je Euklidická vzdálenost (ED) efektivnìjším ukazatelem kvality provádìných analýz oproti Z-score, zejména u vícevzorkových mlékaøských výkonnostních testù. Je tomu 6

tak proto, že ED je ukazatel souøadnicovou povahou dvourozmìrný (d a sd, prùmìrná diference a její smìrodatná odchylka) na rozdíl od Z-score. To umožòuje odhad smìrem ke stupni systematiènosti pøípadné chyby. Také lze dva rozmìry ED graficky odeèítat v pùvodních jednotkách ukazatele (ED není standardizována jako Z-score). To dovoluje uèinit si bezprostøednì praktickou pøedstavu a rozsahu posunu vzhledem k vlastním hodnotám konkrétního ukazatele. Celkový poèet mezofilních mikroorganismù (CPM) Jedná se o všechny mezofilní aerobní baktérie z mléka schopné rùstu na kultivaèní pùdì za podmínek standardní metody pøi 3 C. V praxi se obvykle stanovuje kultivaèními mikrobiologickými metodami nebo jako CPM vèetnì mrtvých baktérií na zaøízení prùtoèného cytometru. Z hlediska fyziologicko-technologického jej lze dìlit podle obecného schématu (Obr. 1) a jak vyplyne z dalšího textu. Obr. 1 Schéma možného technologicko-fyziologického dìlení základní pøípadnì normované (ÈSN 57 529) kontaminující mléèné mikroflóry. CMM PFM TS CPP Coli Mezofilní mikroorganismy= CMM = celková mikroflóra mléka CPM = celkový poèet mikroorganismù CPP = celkový poèet psychrotrofù PFM = psychrofilní mikroorganismy TS = termorezistentní sporuláty Coli = koliformní baktérie CPM Celková mikroflóra mléka (CMM) je zde tvoøena CPM a psychrofilními mikroorganismy, které rostou výhradnì za nízkých teplot kolem 5 C. Z biologického hlediska je CPM pøedstavován zejména druhy rodu Pseudomonas. Hodnota CPM charakterizuje celkovou hygienicko-sanitaèní úroveò získávání mléka. Proto je CPM jedním z hlavních hygienických ukazatelù. Zdrojem CPM v mléce mùže být jednak infikovaná mléèná žláza a kontaminované ústí strukového kanálku, ale zejména všechny mikrobiologicky kontaminované povrchy, které bìhem dojení a skladování pøijdou do styku s mlékem (všeobecnì dle následujícího schématu na Obr. 2). 7

Obr. 2 Pùvod celkového poètu mikroorganismù (CPM) v mléce (podle ROSICKÝ et al., 199). DOJENÍ CPM v tis. CFU/ml NEDOSTATEÈNÁ HYGIENA 4 3 2 1 DOBRÁ HYGIENA 5 z vemene z povrchu z dojicích zaøízení vemene Diference od cca 5 do tis. CFU/ml je dána zejména mikroorganismy z dojicího zaøízení a pomùcek (velké plochy ) nedostateèné èištìní a dezinfekce. Smìrnice EEC 92/46 a ÈSN 57 529 vyžadovaly, jako døívìjší ústøední pøedpisy pro mléko standardní kvality, jak již bylo uvedeno, CPM < 1 tis. CFU/ml. Nìkteré mlékárny pak využívají pro oddìlení tzv. extra kvality (výbìr) pøi proplácení mléka hranice zpravidla < 3 až < 5 tis. CFU/ml. Mléko je ideálním živným médiem pro baktérie. Proto musí být zchlazeno na 4 8 C pøi denním a 4 6 C pøi obdenním svozu do dvou hodin po nadojení. Nedodržení uvedeného postupu má za následek množení baktérií. Za takových okolností (napø. teplota uložení 2 C) mùže dojít k vzrùstu CPM až na 1 7 z 1 4 CFU/ml bìhem 24 hodin a znehodnocení mléka rozkladnou metabolickou èinností baktérií. I pøi dodržení pøedepsaných úchovných teplot mléka lze oèekávat nárùst CPM z bìžných 1 4 po nadojení na 3 14 a 7 14 CFU/ml pøi 4 a 8 C za 24 hodin. Takové poèty však ještì neohrožují kvalitu mléka jako suroviny. Hodnota CPM nijak nenaznaèuje na možný zdroj mikrobiologické kontaminace mléka. Základy prevence proti nežádoucnì vysokým CPM spoèívají v dùsledném dodržování hygienických návykù pøi celé technologii dojení vèetnì dalších postupù v chovu krav a v peèlivém provádìní sanitace a údržby dojicích zaøízení. Pøi problémech s vysokými CPM lze zdroje kontaminace dohledávat mikrobiologickým vyšetøením tzv. fázových vzorkù (mléko, mycí vody atd.) z celého profilu dojicího procesu a zaøízení. Systém odbìru tìchto vzorkù je promìnlivý podle podmínek konkrétní lokality. Moderní technologie dojení, chlazení a sanitace vedly oproti døívìjšku (ruèní dojení, atd.) k omezení kontaminace mléka acidogenní mikroflórou (baktérie mléèného kvašení). Tato pak 8

nemùže pùsobit dostateènì antagonisticky proti lipolytickým a proteolytickým baktériím, jak je pro ni typické, tzn. okyselením pøi rozkladu laktózy a produkci kyseliny mléèné. To pøináší mnohá technologická rizika pøi dalším mlékárenském zpracování mléka. Pomìr kyselomléèných : nekyselomléèným baktériím tak dnes dosahuje podle úrovnì a stupnì mechanizace dojení 1 : 7 až 1 : 12, namísto 1 :,5 až 1 : 4. Vývoj celkového poètu mikroorganismù Stanovení celkového poètu mezofilních mikroorganismù (CPM) je stálým hlavním ukazatelem hygieny mléka a kritériem pro proplácení mléka za jeho kvalitu od vzniku prvních kvalitativních ukazatelù. Pro CPM v syrovém kravském mléce kodifikuje Naøízení Evropského Parlamentu a Rady (ES) è. 853/24 hygienický limit!1 CFU ml -1 mléka. CPM je jedním z hlavních ukazatelù hygienické jakosti syrového kravského mléka a je rovnìž využíván pro stanovení výkupní ceny mléka. Z hodnot CPM se stanovuje klouzavý geometrický prùmìr za dobu dvou mìsícù pøi alespoò dvou vzorcích za mìsíc. V Tab. 2 je uveden vývoj limitních hodnot pro CPM od roku 1985. Do konce roku 1997 bylo mléko ještì klasifikováno podle tøíd, pøièemž mléko s nejlepšími hodnotami bylo zaøazeno do tzv. výbìrové kvality Q, která je však v dnešní dobì pouze doplòkovým ukazatelem. Tato kvalita byla vyžadována napø. pøi zpracování mléka pro kojeneckou dìtskou výživu. V Tab. 3 je uveden pøehled celorepublikového prùmìru CPM a poètu somatických bunìk jako hlavních hygienických ukazatelù od roku 27. Z výsledkù je zøejmé, že mikrobiologická kvalita mléka (CPM) se pohybuje na vysoké úrovni, a to dokonce pod hranici pro výbìrové mléko. Tab. 2: Historie vývoje hlavního hygienického ukazatele pro syrové kravské mléko. CPM (CFU.ml -1 ) Q tøída (výbìr) I. tøída II. tøída III. tøída 1985-1992 < 2 < < 2 < 2 1993-1994 < 1 < 3 < 8 < 2 1995-1997 < 5 < 1 < 3 < 8 1998 - doposud < 5 < 1 xxx xxx Tab. 3: Prùmìrné ukazatele jakosti syrového kravského mléka. Jakostní ukazatel jednotka 27 28 29 211 214 celkový poèet mikroorganismù tis.ml -1 4,5 4,3 4,5 36,2 47, poèet somatických bunìk tis.ml -1 266,2 262,6 264, 25,8 234, Vedle hlavních hygienických ukazatelù existují tzv. doplòkové ukazatele, které se však v souèasné dobì nesledují pravidelnì. Patøí sem psychrotrofní mikroorganismy (PTM), pro 9

které byl stanoven hygienický limit 5 CFU ml -1 mléka; koliformní bakterie (KB) 1 CFU ml -1 mléka; termorezistentní mikroorganismy (TRM) 2 CFU ml -1 mléka a sporulující anaerobní bakterie (SPAN) platí požadavek test v,1 ml mléka negativní (ÈSN 57 529). Mikrobiální kontaminace mléka Primární kontaminací mléka nazýváme kontaminaci, která pochází z organismu dojnice. Jedná se tudíž zejména o pùvodce mastitid. Sekundární kontaminace mléka pochází z vnìjších zdrojù, jako je okolí dojnice, z krmení, z podestýlky, vzduchu, vody, z odpadních vod, nedostateèné hygieny lidí i zvíøat, z mikrobiální zátìže a vnitropodnikové kontaminace. Mikroorganismy podílející se na kontaminaci mléka Všechny nežádoucí bakterie nemusí být patogenní pro èlovìka. Existují takové, které zpùsobují technologické problémy tím, že se vyskytují ve vysoké koncentraci a produkují enzymy, zpùsobující rozklad bílkovin nebo tukù a tím znehodnocují výrobky chu ovì a èichovì. Ze široké skupiny mikroorganismù to jsou hlavnì pseudomonády (Pseudomonas fluorescens, Ps. fragi) a Proteus), které rozkládají mléènou bílkovinu a tuk. Produkují vìtšinou oba enzymy (proteolytické a lipolytické). Tyto mikroorganismy jsou široce rozšíøeny v prostøedí prvovýroby mléka a mohou rùst i za nízkých rùstových podmínek kolem 6,5 C (psychrotrofní baktérie). Pøi výrobì mléèných produktù je dùležité, aby mléko bylo nejdøíve zahøáto na tzv. pasteraèní teplotu (75 C po dobu nìkolika sekund), která spolehlivì nièí i vìtšinu potravních patogenù. V naší republice se naštìstí mléèné výrobky ze syrového mléka nevyrábìjí. Mnohem spolehlivìjší je tzv. UHT teplota, která se používá jen pro výrobu UHT mléka a pohybuje se kolem 135 C/3 sekundy. Rozdíl mezi pasterovaným mlékem a UHT mlékem je také v délce spotøeby. Vìtšinou pasterované má exspiraci 14 dní, zatímco UHT mléko až 6 mìsícù. Mléko samo o sobì obsahuje vždy nìjaké bakterie, které jsou jeho bìžnou souèástí. Ostatní, které posléze mléko kontaminují, se do suroviny dostávají z mléèné žlázy (rùzné infekce) nebo z prostøedí pøi dojení a pøi nedodržování pøísných hygienických zásad. Faktory ovlivòující mikrobiální kontaminaci syrového mléka Stupeò kontaminace syrového kravského mléka mezofilními a psychrotrofními mikroorganismy ovlivòuje zdravotní stav a hygiena dojnice, hygiena prostøedí, ve kterém jsou dojnice ustájeny a dojeny, použité metody pøípravy vemene a techniky dojení, metody používané pøi èištìní a sanitaci dojícího zaøízení a mléèných bazénù (HANUŠ et al., 215), hygiena obsluhujícího personálu (cit. SAMKOVÁ et al., 212 a, b). Dalším významným faktorem je rychlost zchlazení mléka na požadovanou teplotu a délka doby skladování mléka. Poèet psychrotrofních mikroorganismù po nadojení mléka závisí na skladovací teplotì a èase, VYLETÌLOVÁ a HANUŠ, 2 a, b. 1

Nižší hodnoty kontaminace syrového mléka mezofilními a psychrotrofními mikroorganismy, vèetnì psychrotrofních mikroorganismù s proteolytickou a lipolytickou aktivitou, byly zjištìny u chovù využívajících letní pastvu v porovnání s chovy bez pastvy (P <,1), u farem používajících predipping i postdipping v porovnání s farmami používajícími pouze postdipping a u technologie volného boxového stelivového ustájení s dojením v dojírnì v porovnání s vazným stelivovým ustájením s dojením na stání do potrubí (CEMPÍRKOVÁ, 27). Nepøímé rutinní analýzy mléèných složek Metody, které se využívají ke stanovení ukazatelù chemického složení, jsou v prvé øadì klasické, které slouží jako referenèní pøi nastavování (kalibraci) nepøímých instrumentálních metod. Lze je využít také ve výrobních a zpracovatelských organizacích pøi technické kontrole jakosti. Plošnì rozšíøené a využívané jsou však zejména moderní instrumentální metody. Tyto jsou èasto drahé na poøízení, avšak pracují s vysokým výkonem desítek až stovek analýz za hodinu, pøièemž jsou pracovnì ménì nároèné. Za podmínek sériových analýz jsou tedy efektivnìjší. Metody klasické referenèní mají obvykle nižší poøizovací náklady, jsou však pracnìjší a mají jen omezený výkon v jednotkách až desítkách vzorkù za hodinu. Za podmínek sériových analýz jsou rozbory nepøímé levnìjší v pøepoètu na jednotku, tedy vzorek, v porovnání k referenèním. Stanovení celkového poètu mezofilních mikroorganismù (CPM) CPM je ukazatelem hygieny získávání a ošetøení mléka. Je to základní hygienický a zdravotní ukazatel pro bezpeènost mléèného potravinového øetìzce. Výchozí norma pro pøedpis: ÈSN EN ISO 4833-1 Mikrobiologie potravinového øetìzce - Horizontální metoda pro stanovení poètu mikroorganismù - Èást 1: Technika pøelivem a poèítání kolonií vykultivovaných pøi 3 C. Vzorek nebo jeho øedìní se peèlivì promíchá pipetou (opakovaným nasáváním) nebo 25násobným pøevrácením vzorkovnice nebo zkumavky. Oèkuje se sterilní pipetou po 1 ml zkoušeného vzorku nebo jeho øedìní vždy po dvou sériích Petriho misek. Inokulum se nejpozdìji do 15 min od promíchání zalévá cca 12 až 15 ml agarem s kvasnièním extraktem (GTK, Milcom), který je pøedem vychlazený na 45 C ve vodní lázni, a po utuhnutí média se misky inkubují dnem vzhùru pøi 3 C po dobu 72 ± 3 h. Po kultivaci jsou hodnoceny misky, které obsahují poèet kolonií 1 3 v 1 ml. Testováním uvedených metod se zabývali: VYLETÌLOVÁ et al., 1998, 1999 a, b, 2 a, b. Dalším zpùsobem je nepøímé stanovení CPM metodou prùtoèné cytometrie. Ta mívá èasto automatickou formu v provedení rùzných výrobcù (IBC a Bactocount, Bentley; Bactoscan, Foss; atd.). Fluoro-opto-elektronická metoda prùtoèné cytometrie (FC) pro stanovení celkového poètu mikroorganismù musí být kalibrována na velkých souborech výsledkù referenèní kultivaèní plotnové metody. Nejdøíve se specifickou enzymatickou hydrolýzou a centrifugací v gradientu (mechanicky) odstraní ze vzorku tukové kulièky a somatické buòky, aby nevytváøely interferenèní efekty. Bakteriální buòka je za podmínek metody obarvena barvivem (nejèastìji akridinoranž). Buòka po osvìtlení emituje specifické záøení, které je osciloskopicky registrováno jako elektronický impuls (EI), tedy mikrob. Proud vzorku teèe v laminárním proudu pufrovacích roztokù pod fluoro-optickým mikroskopem. Výsledky elektronických bakteriálních impulsù se pøepoèítávají faktory nebo rovnicemi na výsledky 11

kultivaèních metod, tedy na poèet mikroorganismù (kolonie formujících (tvoøících) jednotek, KTJ) v 1 ml mléka. Pro syrové mléko bývají tøeba specifické kalibrace na rùzné biologické druhy mléka (TOMÁŠKA et al., 26). Døíve se, se stejným principem, využívala i metoda stanovení CPM v nekoneèném pásu vzorkového filmu na rotujícím disku. V principu tedy tyto metody nepøímého stanovení CPM musejí být kalibrovány pøepoètovou rovnicí na hodnoty výše popsané metody referenèní, tedy kultivaèní (plotnové), i když jsou známy rovnìž systémy mikrobiologického hodnocení kvality syrového mléka podle kvantity elektronických impulsù vzorku (bez kalibrace na pøímou metodu), kde je kontrolován jejich poèet na zvláštních vzorcích a rovnìž opakovatelnost stanovení poètu EI. Tìmito otázkami kalibrace, pøepoètu a sjednocení výsledkù z metod pøímých na nepøímé se v oboru stanovení CPM v popsaných intencích zabývala øada autorù, kolektivù autorù a pracovnì legislativních skupin pro tvorbu závazných standardù: RAPP a MÜNCH, 1984; SUHREN a WALTE, 1998 a 21; ÈSN EN ISO 4833-1, 1999; FOSS ELECTRIC, 1999; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; NINANE et al., 2; ISO 8196-2, 2; BOLZONI et al., 2 a 21; SIS STN 57 539, 23; TOMÁŠKA a SUHREN, 23 a 24; ECS 23 a, b; ISO 21187, 24; REGULATION, 853/24; TOMÁŠKA et al., 24, 26 a 214. 2) Cíl aplikace certifikované metodiky Cílem této certifikované metodiky je provést aktualizaci (vývoj, inovaci, rekalkulaci) pøepoètových, resp. transformaèních, rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie (FC) na výsledky referenèní kultivaèní plotnové metody stanovení CPM pøi kontrole kvality syrového kravského mléka v alternativním øešení èetných variant (pùvodní data, oèištìná data, rovnice celkové, intervalové, transformované) pro výbìr nejvhodnìjší možnosti pro Èeskou republiku pro nepøímé metody v laboratoøích rozborù kvality mléka Èeskomoravské spoleènosti chovatelù podle aktuálního souboru výsledkù referenèní metody pro CPM (v jednotkách CFU). 3) Vlastní výzkum a vývoj pro certifikovanou metodiku zpracování validace dosavadních predikèních rovnic a návrhy inovovaných transformaèních predikèních rovnic pro IBC-FC CPM I) Podmínky srovnávacího sledování a použité metodické postupy Bìhem pøedchozího roku byl vytvoøen soubor pøístrojových (nepøímá rutinní metoda; IBC FC (flow cytometry) Bentley Instruments, Chaska, Minnesota, USA) a referenèních dat (RE, kultivaèní metoda podle ÈSN EN ISO 4833-1 a EN ISO 4833, klasika) o zastoupení celkového poètu mezofilních mikroorganismù (CPM v CFU (colony forming unit) v 1 ml mléka) v syrovém kravském mléce v laboratoøích kontroly kvality mléka (ÈMSCH, LRM Brno-Tuøany a LRM Buštìhrad). Metoda IBC je již dva roky považována za nepøímou, ale ekvivalentní referenèní metodì ve smyslu EN-ISO 4833-1: 213 a EN-ISO 4833-2: 213 (dle pøíslušného certifikátu Microval, 214). Pøi stanovení CPM bylo postupováno podle relevantních standardních operaèních postupù (SOP, vèetnì pùvodní transformaèní rovnice 1^(,142466+,964266*LOG1(IBC))) akreditovaných laboratoøí, manuálu výrobce (IBC Bentley) a pøíslušné normy (STN 57 539; EN ISO 1614). 12

Zkouška stanovení CPM kultivaènì (ÈSN EN ISO 4833-1, klasika, RE, pøílohy) je založena na metodì pøímého výsevu 1 ml vzorku nebo jeho øedìní na Petriho misky a promíchání s kultivaèním médiem (GTK-M, Milcom Tábor). Naoèkované Petriho misky se kultivují dnem vzhùru pøi 3 o C po dobu 72 hodin. Po skonèení kultivace se hodnotí misky s takovým øedìním, kde je poèet kolonií v rozmezí od 1 do 3. Výsledek se vyjádøí jako KTJ/ml nebo CFU/ml (kolonie tvoøící jednotky, colony forming units). Soubor dat zahrnoval, po mìsíèních intervalech celého roku, celkem 1 651 výsledkù párových vyšetøení CPM na identických vzorcích syrového kravského mléka obìma metodami (CPM pro IBC a RE kultivaènì (klasika)). Byl zpracován ve dvou laboratoøích na ètyøech pøístrojích IBC (2 v každé laboratoøi a relevantní kultivaèní metoda pro CPM). V laboratoøích vzniklo 848 a 83 kompletních párových vzorkových vyšetøení CPM a po pøístrojích se pohyboval poèet párových vyšetøení od 282, pøes 285 a 518, do 566. Podle uvedených kritérií byl pak soubor dat rozdìlen a sumárnì a oddìlenì zpracováván. Kalendáøní mìsíce byly, jako tøídící faktor a jako metodické kritérium pro vìrohodnost výsledkù mikrobiologických analytických metod, z logických dùvodù, zamítnuty (pøedpoklad, že konzistentní analytická metoda nevykazuje závislost vìrohodnosti výsledkù na jakékoliv sezónì). Statistické vyhodnocení bylo provedeno v programu MS Excel (Microsoft, Redmond, USA) metodami vyèíslení základních statistických parametrù mléèných ukazatelù (n = poèet pøípadù, x = prùmìr aritmetický, xg = prùmìr geometrický, sx v = smìrodatná odchylka, vx v = variaèní koeficient (%), min = minimum, max = maximum, Rmax.-min. = variaèní obor, m = medián, q = horní a dolní quartil, sv = poèet stupòù volnosti, t = hodnota testovacího kritéria párového t-testu, pøílohy zprávy) a metodou lineární regrese v obou polohách referenèní metody (x a y) s vyèíslením validaèní nebo transformaèní rovnice, koeficientu determinace (R 2 ) a koeficientu korelace (r, pøílohy zprávy), vèetnì jejich statistické významnosti. Základní statistika byla provedena pro souborové skupiny základních dat podle struktury souboru a také pro relevantní diference výsledkù mezi metodami. Navazujícím testem statistické významnosti prùmìrných rozdílù skupin dat byl párový t-test, i když jeho zpùsobilost k posuzování párových výsledkù analytických metod je do jisté míry omezena. Ponìvadž u výsledkù CPM (také u poètu somatických bunìk) nelze oèekávat normální frekvenèní distribuci dat (ALI a SHOOK, 198; SHOOK, 1982; RAUBERTAS a SHOOK, 1982; RENEAU et al., 1983, 1988; RENEAU, 1986; WIGGANS a SHOOK, 1987; ARNDT et al., 1991; HANUŠ et al., 21, 27, 29 a, b, 211; JANÙ et al., 27), ale spíše lognormální, byla všechna pøíslušná data, pro možnost nezbytného srovnání výsledkù, také logaritmicky transformována pomocí dekadických logaritmù (log 1 ). Uvedené vedlo i k vyèíslení geometrických prùmìrù pro základní soubory. Ze stejných dùvodù bylo také provedeno ošetøení datových souborù testy odlehlosti a uøíznutím dat. Uøíznutí dat bylo, ve vazbì na normy kvality mléka a analytické mikrobiologické požadavky, provedeno empiricky na hodnotách CPM! 1 a 1 3 CFU.ml -1 (tis. CFU v 1 ml mléka, tis.cfu/ml). Uvedené má zvyšovat spolehlivost predikce IBC FC CPM v potøebných a preferovaných (kvalitativnì normovaných) intervalech oboru CPM. Také ze stejných dùvodù byl použit Grubbsùv test odlehlosti výsledkù (na konvenèní hladinì pravdìpodobnosti 95 % konfidenèního intervalu). Zatímco uøíznutí dat bylo aplikováno k redukci n u souborù na hodnoty kultivaèních referenèních výsledkù CPM, tento test odlehlosti byl zamìøen na distribuce souborù dat pro rozdíly mezi hodnotami metod na párových vzorcích a to jak v jejich pùvodních hodnotách (kladné i záporné odchylky párù mezi klasika - IBC), tak na rozdíly v hodnotách absolutních (abs, resp. ABS). Ponìvadž kritická hodnota T Grubbsova testu odlehlosti je v literatuøe tabelována obvykle do max 2 pøípadù (n), relevantní kritické hodnoty T pro více èetné 13

soubory (P,5) byly zde derivovány extrapolací podle nelineární závislosti na Obr. 3, která byla zde úèelovì derivována na logaritmické bázi. Obr. 3 Nelineární závislost kritické hodnoty T (P,5) Grubbsova testu odlehlosti na n. Vlastní tvorba certifikované metodiky transformaèních predikèních rovnic pro výsledky IBC FC CPM pak probìhla podle následujícího harmonogramu, kdy byl odborný postup i prùtoèný harmonogram metodicky konzultován s relevantními laboratorními odborníky na workshopu 14.3.216 v laboratoøi rozborù mléka LRM Buštìhrad: - posouzení struktury souboru pøístrojových a kultivaèních výsledkù CPM, celková a podle laboratoøí a pøístrojù; - posouzení systému filtrace dat podle jejich frekvenèní distribuce s testy odlehlosti a uøíznutím dat ve vazbì na konvenèní a standardní hodnoty CPM; - posouzení zpùsobu transformace dat v dùsledku jejich frekvenèní distribuce; - posouzení výsledkù základní a diferenèní statistiky párový t-test; - hodnocení výsledkù lineárních regresí hodnot mezi metodami (CPM prùtoènou cytometrií (FC) podle dosavadních transformaèních rovnic v CFU a kultivaènì v CFU) a návrh selekce relevantních validaèních rovnic; - ukázka výsledkù modelových výpoètù podle typických dat CPM prostøednictvím vybraných validaèních rovnic (v CFU); - sestavení nových budoucích predikèních rovnic pøepoètu CPM pøímo z BEI u FC na CFU; - modelová validace nových predikèních rovnic podle metody modelu kontroly validaèních rovnic; - harmonogram sestavení certifikované metodiky pro uvedenou metodu stanovování CPM pøi kontrole kvality syrového kravského mléka v LRM na ÈMSCH; - odhad trendù metodické zmìny budoucích výsledkù CPM v pøípadì pøijetí nových transformaèních rovnic pro laboratoøe ÈMSCH. Pro metodické hodnocení analytické podstaty a výsledkù metod (IBC a kultivace) byly využity principy a výsledky prací: RAPP a MÜNCH, 1984; SUHREN a WALTE, 1998 a 21; ÈSN EN ISO 4833-1, 1999; FOSS ELECTRIC, 1999; BAUMGARTNER, 2; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; NINANE et al., 2; ISO 8196-2, 2; BOLZONI et al., 2 a 21; SIS STN 57 539, 23; TOMÁŠKA a SUHREN, 23 a 24; ECS 23 a, b; ISO 21187, 24; REGULATION, 853/24; TOMÁŠKA et al., 24, 26 a 214. 14

Pro statistické hodnocení shody, rozdílù, vìrohodnosti výsledkù a vztahù výsledkù testovaných mikrobiologických analytických metod (kultivace a IBC) byly využity výsledky prací: GRAPPIN, 1987 a 1993; LERAY, 1993, 26, 29 a, b, c, 21; WOOD, 1994; WOOD et al., 1998; SUHREN a WALTE, 1998 a 21; BAUMGARTNER, 2; SUHREN a REICHMUTH, 2; SUHREN et al., 2 a 21; COVENEY, 21. II) Vyhodnocení výsledkù validace a stanovení pøedchozích a inovovaných predikèních rovnic pro IBC-FC CPM v kontrole spotøebitelské bezpeènosti a kvality syrového mléka Celkový náhled na výsledky V pøíloze I je statistika CPM (IBC, klasika a jejich rozdíly) v jednotlivých laboratoøích celkem a po mìsících v pùvodních hodnotách i logaritmicky transformovaných a to pro veškerá data bez vyluèování hodnot. Jak již bylo uvedeno, pro pøedpoklad, že konzistentní analytická metoda nevykazuje závislost vìrohodnosti výsledkù na jakékoliv sezónì, nebyl vliv mìsíce dále zohledòován pro metodu selekce k renovaci transformaèních rovnic hodnot z IBC CF BEI na RE (klasika) CFU. Celkem i po mìsících byly prùmìrné rozdíly CPM mezi metodami (Klasika - IBC) èasto statisticky významné, zejména hodnoceno v absolutních hodnotách (P<,1), to je však vìc øešitelná pøijetím nových transformaèních rovnic. V pùvodních hodnotách byly rozdíly v øadì mìsícù v obou laboratoøích statisticky nevýznamné (P>,5). Nìkdy je tato nevýznamnost dána také nižším poètem pøípadù po mìsících, protože významnost rozdílù (P<,1 a P<,1) je v celkovém hodnocení obou laboratoøí. Korelaèní koeficienty mezi výsledky metod (Klasika IBC, CFU) pro CPM po mìsících byly témìø všechny, až na jeden pøípad pùvodních hodnot CPM (zde však byla významná závislost logaritmovaných hodnot), významné (P<,1), i když po mìsících pomìrnì kolísaly, jak u hodnot pùvodních, tak i logaritmicky transformovaných. Ne vždy mìly logaritmované hodnoty CPM mezi metodami vyšší korelace, tìsnìjší vztahy, než pùvodní, jak by se dalo oèekávat. Z toho plyne, v tomto pøípadì, že ne nezbytnì musí jít závìreèná selekce pro transformaèní rovnice pøes postup logaritmování pùvodních dat. V pøíloze II je nejvýznamnìjší èást hodnocení za celý soubor, který by umožòoval výbìr jedné transformaèní rovnice. Ménì vhodnou variantou by byly pøístrojovì specifické rovnice, avšak možnost generálního hodnocení je potøebné validovat. V souboru II jsou uvedena hodnocení celkem bez selekce a s omezením dat uøíznutím (!1 a! tis.cfu/ml; vše A) stejnì jako s vylouèením odlehlých hodnot pøíliš velkých rozdílù jak v pùvodních (B) tak absolutních hodnotách (C). Ve vìtšinì hodnocení A, B a C jsou rozdíly mezi aritmetickými a geometrickými prùmìry CPM obou metod (IBC FC a RE) celkem podobné, jen u celkového hodnocení A je rozdíl geometrických prùmìrù CPM výraznìji nižší. Všechny rozdíly mezi aritmetickými prùmìry pro všechny zpùsoby ošetøení dat jsou však statisticky významné (P<,1 a P<,1). Uvedené je ovšem korigovatelné prostøednictvím stanovení nových transformaèních rovnic. V celkovém hodnocení A existuje výraznì vyšší variabilita dat CPM než v souborech redukovaných A, B a C, pøevážnì o 1 % a více, v dùsledku vysokých maximálních hodnot (IBC 4 268 a RE 7 55 tis.cfu/ml). Maxima v redukovaných souborech jsou výraznì nižší (3 2 tis.cfu/ml). V dùsledku toho je aritmetický prùmìr IBC CPM nižší u celkového hodnocení A oproti klasickému CPM, zatímco u prùmìrù geometrických je tomu zde naopak, pøestože u aritmetických prùmìrù všech redukovaných souborù A, B a C je to právì naopak (IBC > RE (klasika)) a to v souladu s prùmìry geometrickými. S ohledem na tuto skuteènost a na hygienický standardní limit CPM 1 tis.cfu/ml (maximum pro standardní mléko), se jeví redukované soubory A (!1 a! tis.cfu/ml), B a C jako logicky vhodnìjší k následnému pøíslušnému výbìru souborù pro finální derivace 15

transformaèních predikèních rovnic. Je zde, touto validací, rovnìž celkovì naznaèeno, že pøijetí redukovaných souborù pro odvození nové transformaèní predikèní rovnice povede ke snížení CPM stanovených na IBC CF prùmìrnì o 1 až 15 tis.cfu/ml. Tento jev mùže být výsledkem starší pøedchozí rovnice (1^(,142466+,964266*LOG1(IBC))), kdy za dobu její aplikace (cca 1 rokù) mohlo dojít k posunu ve skladbì CPM v terénu (chovech dojnic) s ohledem na technologické skupiny baktérií (ve vazbì na optimálnì vhodné jejich kultivaèní teploty) v dùsledku specifických hygienických režimù dojení nebo antibiotické léèby krav a tím k uplatnìní zmìnìných interferenèních efektù na vztah mezi výsledky obou metod (IBC CF a RE) stanovení CPM. To ukazuje, pomìrnì pøesvìdèivì, že renovace transformaèní rovnice z BEI na CFU u IBC CF je nezbytná, aèkoliv poslední nedávné vyhodnocení (ØÍHA, 215) na menším poètu vzorkù (n = 352) ukazovalo, že výsledky by mohly být ekvivalentní (IBC = RE (klasika)) a renovace nadbyteèná. Regresní vztahy výsledkù Celkové regresní vztahy v pøíloze II naznaèují významné korelace (P<,1) mezi hodnotami metod (RE a IBC FC) pro všechna ošetøení souborù. Pro celkový soubor A je to,872 pro hodnoty pùvodní a,911 pro hodnoty logaritmicky transformované (P<,1). Uøíznutím (A, (!1 a! tis.cfu/ml) dat souborù, tedy redukcí souborù, klesá logicky tìsnost tìchto závislostí pro hodnoty pùvodní i logaritmované, nicménì všechny vztahy jsou stále významné (P<,1). Je dùležité, že se, oproti celkovému hodnocení, uøíznutím dat výraznì redukuje hodnota smìrodatných odchylek prùmìrné diference z hodnot kolem 35 (36 a 352) tis.cfu/ml na 7 až 1 (98 až 14 a 73 až 77) tis.cfu/ml pro A!1 a! tis.cfu/ml. Naopak oèištìním souborù dat (B a C) daným zpùsobem o odlehlé hodnoty rozdílù logicky tìsnost této závislosti roste. To je však dáno nikoliv laboratornì-analytickou realitou, nýbrž spíše zpùsobem statistického ošetøení. Soubìžná relevantní redukce hodnot smìrodatných odchylek prùmìrné diference u ošetøení B a C na hodnoty 28 až 36 tis.cfu/ml je sice velmi zajímavá, ale principiálnì umožnìna právì také hlavnì zpùsobem statistického ošetøení. Je otázkou, mohla-li by to být cesta k vìtší vìrohodnosti predikèní transformaèní rovnice, vše ale naznaèuje, že spíše ne, pro pøíliš velký vliv statistického ošetøení na realitu. Více mùže naznaèit jen model pro validaèní rovnice. Posouzení variability metodických rozdílù Jak vyplývá z výsledkù prací REICHMUTH et al. (1988) a SUHREN et al. (1988), existuje i v mlékaøské mikrobiologické analytice vliv vis maior. Jedná se o obèasný výskyt specifických vzorkù mléka, kterému nelze zabránit a které jsou zdrojem výrazných metodických rozdílù mezi CPM derivovaným z BEI a CPM stanoveným klasicky. Na Obr. 4 je patrný soubor výsledkù BEI a CPM použitý k derivaci transformaèní predikèní rovnice u zaøízení Bactoscan III. Zaøazeny byly zøejmì všechny dosažené hodnoty, nebo jsou zøetelné i znaèné výsledkové disproporce mezi výsledky srovnávaných metod. Jak lze, napø., demonstrativnì pomìrnì snadno odeèíst jeden pøíklad za všechny, který ovšem není z kategorie tìch nejvýraznìjších, a je tedy pomìrnì èasto v rùzných obmìnách postøehnutelný: - ve vodorovné linii od hodnoty 5 tis.cfu/ml pro CPM (osa y, prùmìrné mléko) se vyskytuje celá øada instrumentálních položek s rùznou hodnotou BEI; - podle pøíslušné transformaèní rovnice bude této hodnotì pøíslušet hodnota cca 15 BEI; - tedy hodnotì cca 15 BEI bude transformací pøiøazeno 5 tis.cfu/ml; - ve svislé pøímce na úrovni 15 BEI ovšem leží škála výsledkù CPM kultivaènì od cca 2 tis.cfu/ml do 37 tis.cfu/ml; - všem tìmto hodnotám CPM kultivaènì (2 až 37 tis.cfu/ml) bude pøiøazena hodnota 5 tis.cfu/ml CPM instrumentálnì; - v maximech jsou patrny velké rozdíly, kde diference 5 tis.cfu/ml je relativnì pomìrnì malým èíslem; - 16

v celém souboru (Obr. 4) lze rozkrýt øadu takovýchto diferencí. Pøesto, z nìjakého dùvodu, zùstaly tyto zjevné rozdíly v datovém souboru pro transformaèní rovnici zachovány. Autoøi je tedy považovali za reálné z dùvodu ovìøení správnosti mìøení obou metod pro CPM v daných konkrétních pøípadech. Je rovnìž dobøe známo, že akreditované mléèné laboratoøe vykazují nejistoty výsledkù mìøení CPM podle metod instrumentálních a kultivaèních bìžnì od ±15 do ±3 až ±35 % nad prùmìrnými hodnotami vìtších souborù. Opakovatelnost klasické mikrobiologické analytické metody pro CPM je pak bìžnì ±2 %, proto výše uvedené zase tolik nepøekvapuje. Ve smyslu zmínìného je pak striktnì nezbytné provádìt srovnání výsledkù CPM laboratoøí a metod pøi jakýchkoliv komerèních sporech o kvalitu syrového mléka. Ve stejném smyslu bude ještì k uvedené záležitosti také referováno pozdìji v odstavci k variabilitì individuálních diferencí mìøení CPM. Zøejmì z uvedených dùvodù nìkteré zemì pøistoupily ke kontrole kvality syrového mléka pøímo podle kvantity elektronických impulsù (BEI) vzorku, tedy bez kalibrace instrumentální metody na pøímou kultivaèní (referenèní) metodu pomocí transformaèní rovnice CPM, aby se pøedcházelo nekoneèným diskusím na dané téma a neøídkým (a také ne vždy kompetentním) výsledkovì-srovnávacím vstupùm èetných jiných laboratoøí mimo systém rutinní kontroly kvality mléka. Pro kontrolu BEI zde pak byly vyvinuty pro pøístroje i specifické mléèné standardy. Tyto metodické excesy se samozøejmì vyskytnou i pøi pøijetí nové transformaèní rovnice pro IBC a tuto skuteènost je nutné brát jako fakt a vyhnout se její praktické, hospodáøské dramatizaci, nìjakým náhradním metodickým opatøením, jako tøeba opakováním vzorkù a konsensuálním nahrazením tìchto neèetných (výjimeèných) výsledkù hodnotami kultivaèní metody (RE). Tento problém reálnì a trvale existuje, právì i z dùvodù, proè je také tøeba rekalkulovat novou transformaèní IBC rovnici. Je tedy zøejmì rovnìž zapøíèinìn historickou, i lokálnì specifickou dynamikou ve vývoji složení CPM, co do zastoupení bakteriálních druhù s rùznými nároky na kultivaèní teploty, v dùsledku specifických hygienických režimù dojení, pøípadnì léèby krav, kteréžto efekty interferují negativnì do jinak vìtšinou pomìrnì tìsného a pozitivního vztahu použitých metod stanovení CPM, tedy pøesnì podle obecného moudra, výjimka potvrzuje pravidlo. V tomto smyslu lze proto oprávnìnì uvažovat, že zmínìnou èasovou zmìnou zastoupení bakteriálních druhù v CPM a celkové mikroflóøe mléka (Obr. 1), z naznaèených dùvodù druhù s rozdílnou afinitou ke kultivaèní teplotì, v jistém smyslu driftují èasem i bazální hodnoty referenèních metod, kdy kultivaèní metoda mùže poskytnout stejný výsledek CPM pøi rozdílném zastoupení celkové (bakteriální hmoty) mikroflóry mléka (Obr. 1) a naopak. Je tedy tímto i v mlékaøské mikrobiologii potvrzeno Archimédovské rèení, že neexistuje pevného bodu ve vesmíru. Další kapitolou je také optimálnost nastavení prahu FC s ohledem na velikost pøítomných baktérií atd. Samozøejmì ovšem, že od roku 1988 došlo i technickým vývojem ke zlepšení citlivosti a vìrohodnosti výsledkù instrumentálních mlékaøských mikrobiologických analýz, tzn. k omezení frekvence výskytu takovýchto metodických rozdílù v CPM, oproti jejich záznamu na Obr. 4. Mezi jinými byl napøíklad realizován analytickotechnologický pøechod od daného principu èítání baktérií v nekoneèném pásu filmu na povrchu rotujícího disku k jejich èítání v proudu pufrové kapaliny (flow cytometry), stejnì jako nìkteré kroky v biochemické (napø. urèité enzymatické ošetøení) a fyzikální (napø. aplikace ultrazvuku) pøedúpravì baktérií ve vzorku mléka k vlastnímu èítání optickoelektronických impulsù CPM. Nicménì, existence výskytu urèitých specifických vzorkù (s ohledem na vztah k principùm použitých analytických metod pro CPM) mléka zùstala s nejvyšší pravdìpodobností do jisté míry zachována. Proto je urèitý další výskyt takových neshodných mìøení CPM, i pøi korektním dodržení postupù obou metod, s jistotou pøedvídatelný. Reálné bude jen to, co je v technologických možnostech obou metod. 17

Obr. 4 Bactoscan III: Vztah mezi výsledky Bactoscanové hodnoty (nápoètu, BEI) a urèením poètu bakteriálních makrokolonií v syrovém mléce (podle SUHREN et al., 1988). Jak již bylo avizováno, zcela zvláštní a samostatnou kapitolou øešení kalibrace, resp. transformace BEI na CFU, u IBC nebo Bactoscanu versus referenèní kultivaèní metoda, je vyhodnocení variability individuální shody, resp. rozdílù, mìøení CPM rùznými metodami, která je u tìchto mikrobiologických metod relativnì zdaleka vyšší, než u mìøení chemických složek mléka referenèními a nepøímými metodami. Proto problém zasluhuje specifický pøístup. Pøi hodnocení (pøíloha II) celého souboru A (n = 1 651) èinila smìrodatná odchylka prùmìrného rozdílu ±36 tis.cfu/ml a byla tak velmi vysoká. Hodnoty variability diferencí prùmìrného rozdílu podobné hodnocení A (n = 1 651), pøípadnì i vyšší, lze odhadovat také z variability dat na Obr. 4 (SUHREN et al., 1988). U redukovaných souborù uøíznutím dat klasického CPM (A!1 a! tis.cfu/ml; n = 1 579 a 1 543) klesla tato smìrodatná odchylka prùmìrné diference mezi metodami na ±14 a ±77 tis.cfu/ml. I tak je to hodnota relativnì vyšší. Až u redukovaných souborù dat testem odlehlosti na vlastní velikost diference (B a C; n = 1 551 a 1 548) byl pokles smìrodatné odchylky prùmìrné diference logicky ještì vyšší na ±35 a ±36 tis.cfu/ml, a vykazoval relativnì žádoucí rozmìr. Pro pøedstavu uvedené znamená, že 67 % rozdílù výsledkù CPM mezi metodami se pohybuje v oborech ±35 a ±36 tis.cfu/ml. Relativnì, s ohledem na prùmìr CPM v systému cca 4 tis.cfu/ml (Tab. 3) je patrné, že se nejedná o hodnotu zcela zanedbatelnou (cca 9 %) v pøípadì øešení pøípadných 18

komerèních sporù o výsledky CPM. U analýz chemického složení mléka (tuk, bílkoviny, laktóza, sušina tukuprostá, sušina celková) je takové relevantní, korespondující, relativní vyjádøení variability metodických diferencí vùèi praktickému prùmìru analytu na úrovni cca 1 až 2, maximálnì 3 %. To je zcela diametrální rozdíl oproti mikrobiologickým metodám, jak zjevnì patrno. Nicménì, takové jsou specifické vlastnosti srovnávání výsledkù mikrobiologických analytických metod, které je však nezbytné respektovat. Ukazatele variability individuálních rozdílù výsledkù metod CPM podle pøístrojù jsou v pøíloze III a IV. Celkem tato variabilita uvnitø pøístrojù u celkového souboru (A), ale také u redukovaných souborù uøíznutím dat klasických CPM (A!1 a! tis.cfu/ml) a Grubbsovým testem odlehlosti diferencí (B a C) byla podobná celkovému souboru, ale u nìkterých pøístrojù i výraznì nižší, cca na polovièních hodnotách, oproti celkovému hodnocení (pøíloha II), což mùže být logické, nebo pøístroje vykazují do jisté míry specificky inherentní a vzájemnì mírnì odlišné vlastnosti. Modelový výbìr vhodných souborù Principiálnì, pøílohy III a IV ukazují totéž, strukturou vyhodnocení, pøibližnì i hodnotou výsledkù i ve zpùsobu praktické interpretace a hlavních trendù výsledkù, jako pøíloha II, ovšem, v rámci obou laboratoøí oddìlenì a pak rovnìž oddìlenì podle jednotlivých pøístrojù IBC FC. Jeden malý rozdíl oproti pøíloze II je, že v LRM Brno Tuøany (pøíloha III), zøejmì pro nižší maximální hodnoty CPM i pøi celkovém vyhodnocení aritmetický prùmìr CPM níže u klasické metody oproti IBC. Podle laboratoøí se pak jeví, že pøijetím nové transformaèní rovnice by prùmìrné hodnoty CPM III (A!1 a! tis.cfu/ml) klesly o cca 1 (19 a 6 podle pøístrojù) tis.cfu/ml a prùmìrné hodnoty CPM IV (LRM Buštìhrad, A!1 a! tis.cfu/ml) o cca 2 (17 a 24 podle pøístrojù) tis.cfu/ml. Uvedené trendy, aèkoliv jsou nìkdy protichùdné statisticky, dovolují jako optimum, z dùvodù statistických i praktických mikrobiologických analytických argumentù, vybrat pro model validaèní rovnice ze souborù A (! tis.cfu/ml), A (!1 tis.cfu/ml) a B, pùvodních i transformovaných, pro hodnocení celkem (pøíloha II, n = 1 543, 1 579 a 1 551) a podle jednotlivých pøístrojù (pøílohy III a IV, n = 276 a 257, 536 a 542, 476 a 47 a 255 a 246) v porovnání k celému souboru A (n = 1651). Modelové hodnocení predikce je provedeno pro prakticky významné hodnoty CPM: 1 (technologická zpùsobilost souèasných dojíren); 4 (cca prùmìr CPM v Èeské republice); 1 (standardní limit CPM v ÈR a v Evropské unii); (horní limit uøíznutí dat CPM pro prakticky vyhovující hranici vyšší analytické vìrohodnosti výsledkù CPM) tis.cfu/ml (Tab. 4). Pro teoretické kultivaèní stanovení CPM (1, 4, 1 a tis.cfu/ml) by rovnice pro dané validaèní soubory s použitou pùvodní transformaèní rovnicí (z BEI na CPM) vykazovaly v tabulce uvedené instrumentální (transformované) CPM. 19

Tab. 4 Model aplikace selektovaných validaèních rovnic ze souborù hodnot pùvodních CPM i logaritmicky transformovaných pro hodnocení A celkem, A ( tis.cfu/ml), A (1 tis.cfu/ml) a B (pøíloha II) a podle jednotlivých pøístrojù (pøílohy III a IV) A ( tis.cfu/ml) a B. Pø S/P STAT n Data Validaèní rovnice CPM model tis.cfu/ml 1 4 1 II A - 1 651 pùv y=,5913x+55,3948 61 79 115 351 II A - 1 651 log y=,7363x+,5763 21 57 112 366 II A 1 543 pùv y=1,264x+13,8671 24 55 117 527 II A 1 543 log y=,6699x+,6635 22 55 11 296 II A 1 1 579 pùv y=,9968x+14,511 24 54 114 513 II A 1 1 579 log y=,687x+,6416 21 55 14 313 II B Grubbs 1 551 pùv y=,981x+12,281 22 51 11 52 II B Grubbs 1 551 log y=,6998x+,6198 21 55 15 323 III A/63 276 pùv y=,996x+22,4893 32 59 113 477 III A/63 276 log y=,6135x+,773 24 57 99 267 III B/63 Grubbs 257 pùv y=,935x+13,7533 23 51 17 479 III B/ 63 Grubbs 257 log y=,6174x+,7313 22 53 92 25 III A/73 536 pùv y=1,186x+4,7598 15 46 17 514 III A/73 536 log y=,8144x+,3589 15 46 97 361 III B/73 Grubbs 542 pùv y=,9977x+3,6882 14 44 13 53 III B/73 Grubbs 542 log y=,8332x+,3293 15 46 99 379 IV A/5 476 pùv y=,9797x+19,798 3 59 118 51 IV A/5 476 log y=,6448x+,7478 25 6 19 38 IV B/5 Grubbs 47 pùv y=,9238x+18,495 28 55 111 48 IV B/5 Grubbs 47 log y=,6523x+,7346 24 6 19 313 IV A/55 255 pùv y=1,1979x+14,3395 26 62 134 613 IV A/55 255 log y=,6831x+,6811 23 6 112 335 IV B/55 Grubbs 246 Pùv y=,9983x+15,3912 25 55 115 515 IV B/55 Grubbs 246 log y=,6898x+,6661 23 59 111 337 (Pø = pøíloha; S/P = soubor/pøístroj; STAT = statistické ošetøení souboru; n = poèet pøípadù; Data, pùv = pùvodní, log = logaritmovaný; pøístroje IBC 63, 73, 5 a 55.) 2

Z tohoto modelového vyhodnocení lze odvodit, že nejvhodnìjšími soubory pro odvození nové transformaèní rovnice celkové a pro jednotlivé pøístroje jsou soubory A ( tis.cfu/ml) a B (s Grubbsovým testem odlehlosti metodických rozdílù na hladinì intervalu pravdìpodobnosti 95 %). Další èástí je derivace nových transformaèních rovnic CPM pøímo z BEI na CFU u souborù A ( tis.cfu/ml) a B a pro srovnání také u A celkem (pro všechny 4 pøístroje) podle principù pøedchozí selekce (Tab. 4) z validaèních rovnic a model jejich finální validace. Zpìtné potvrzení pùvodní rovnice Pøed odvozením nových transformaèních rovnic byl kontrolnì proveden reverzní regresní výpoèet pùvodní transformaèní rovnice (1^(,142466+,964266*LOG1(IBC))), který je na Obr. 5, a to ze vztahu IBC BEI a IBC CPM v CFU (n = 1 651). Je zøejmý tvar rovnice korespondující s pùvodní transformaèní rovnicí, se kterou je témìø ekvivalentní v pøedpokládaném oboru mìøení, ovšem v lineárním tvaru (y =,3x + 2,1962), pøi korelaci,999 (P<,1). Další reverzní aproximace pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU (n = 1 651)) byla provedena v logaritmované verzi dat k získání nejbližšího ekvivalentu rovnice v lineární verzi (Obr. 6). Rovnice (1^(,142466+,964266*LOG1(IBC))! y =,9149x - 2,971) jsou ve své úèinnosti prakticky témìø ekvivalentní v pøedpokládaném oboru mìøení CPM pøi ještì nepatrnì vyšší tìsnosti závislosti (r = 1) výpoètu a jejich rozdílné matematické formì. Obr. 5 Reverzní lineární regresní výpoèet pøibližnì nejbližšího možného ekvivalentu pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU), 1^(,142466+,964266*LOG1(IBC))! y =,3x + 2,1962, pùvodní hodnoty. 4 4 3 3 2 2 1 1 y =,3x + 2,196 R 2 =,9978 5 1 15 2 IBC impulsy n = 1 651; r =,999; (P<,1) 21

Obr. 6 Reverzní lineární regresní výpoèet pøibližnì nejbližšího možného ekvivalentu pùvodní transformaèní rovnice (IBC BEI a IBC CPM v CFU), 1^(,142466+,964266*LOG1(IBC))! y =,9149x - 2,971 na bázi logaritmicky transformovaných dat. 4, 3, 3, 2, 2, 1, 1,,, y =,9149x - 2,971 R 2 =,9998, 2, 4, 6, 8, n = 1 651; r = 1; (P<,1) log IBC impulsy Kalkulace nových lineárních ekvivalentù predikèních transformaèních rovnic na selektovaných datových souborech Byly provedeny výpoèty lineárních regresí kombinací vztahù výsledkù BEI a CFU pro CPM mezi metodami uvnitø celkových a pøístrojových, celých a redukovaných, transformovaných a netransformovaných (IBC BEI a CPM CFU) a nìkdy specificky selektovaných souborù dat (pøílohy V a VI). To bylo provedeno pro soubory celkem (n = 1 651), A1 ( tis.cfu/ml, n = 1 543), B (n = 1 551) a byl vytvoøen nový soubor B1 (B a tis.cfu/ml, n = 1 517). Pro všechny provedené výpoèty platila statistická významnost (P,1; pøílohy V a VI) vztahù mezi BEI a CPM mezi metodami. Z cílenì vybraných vztahù byly, s ohledem na výsledky pùvodní transformaèní rovnice, provedeny modelové pøepoèty (Tab. 5) podle specifických IBC-BEI, odpovídajících pøibližnì významným, aktuálnì-praktickým (kvalita mléka), potravináøsky-legislativním a laboratornì-analyticky-praktickým limitùm (1, 5, 1, 2, a 1 BEI). Pro všechny regresní vztahy (Tab. 5) platil významný statistický vztah (P,1) výsledkù metod CPM. Toto porovnání ukázalo (Tab. 5), že, z øady analyticko-laboratornì praktických a teoretickostatistických dùvodù, nejvhodnìjším modelem a pøedlohou pro modifikaci pùvodní transformaèní rovnice IBC (z BEI na CPM, resp. CFU) na novou verzi (pro celkový i pøístrojový výpoèet), je nová varianta souboru B1 s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P,1; n = 1 517; Obr. 7). Také varianta B by v tomto pøípadì byla vhodná: y = 1,28x 3,6457 (r =,885; P,1; n = 1 551; Obr. 8). Varianta bez logaritmické transformace dat vykázala rovnìž dobrý vztah, ale s nižší horní srovnávací hodnotou 32 (pøíliš sníženou) oproti 381 tis.cfu/ml pùvodní transformaèní rovnice (B1; y =,3x + 1,9336; r =,881; n = 1 517 Tab. 5; Obr. 9). I varianty A1 poskytovaly podobné výsledky v bìžné kvalitativnì standardní škále CPM do 1 tis.cfu/ml a nižší srovnávací hodnoty v nejvyšší poloze 229 a 3 tis.cfu/ml, ale logicky nižší korelace (pro uøíznutí dat) oproti ošetøení souborù Grubbsovým testem. 22

Tab. 5 Vybrané kombinace souborù a lineárních regresních vztahù výsledkù metod pro pøepoèet BEI (1 3 ) na CPM (tis.cfu/ml) a výbìr modelu pro modifikaci transformaèní rovnice. Soubor Kombinace Rovnice r n BEI BEI BEI BEI BEI 1 5 1 2 1 BEI CPM PTR-IBC 6 25 47 89 381 A1 BEI CPM y=,2x+29,678,667 1 543 31 39 49 69 229 A1 logbei logcpm y=,9885x-3,454,849 1 543 3 16 31 61 3 B1 BEI CPM y=,3x+1,9336,881 1 517 5 17 32 62 32 B1 logbei logcpm y=1,32x-3,6565,859 1 517 3 15 31 64 335 B logbei logcpm y=1,28x-3,6457,885 1 551 3 15 31 64 333 B1 logbei CPM y=118,417x-533,8312,736 1 517-6 23 58 94 177 B logbei CPM y=272,6255x-1281,9143,635 1 551-191 -1 81 163 354 B1, 63 logbei logcpm y=,9629x-3,3331,81 272 3 16 3 59 278 B1, 73 logbei logcpm y=,9487x-3,1352,91 533 5 21 41 78 361 B1, 5 logbei logcpm y=1,963x-4,73,873 468 2 12 26 55 32 B1, 55 logbei logcpm y=1,16x-3,65,855 244 3 13 27 54 279 (Všechny vybrané vztahy, P!,1; n = poèet pøípadù; r = korelaèní koeficient; PTR-IBC = pùvodní transformaèní rovnice IBC.) Obr. 7 Varianta v souboru B1 s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì). 3, 2, 2, 1, 1,, y = 1,32x - 3,6565 R 2 =,7383,, 2, 4, 6, 8, log IBC impulsy B1; n = 1 517; r =,859***; P!,1; log CPM kultivaènì = 1,32 logbei(ibc) 3,6565 23

Obr. 8 Varianta v souboru B s lineární kombinací vztahu log BEI (IBC) log CPM referenènì (kultivaènì). 4, 3, 3, 2, 2, 1, 1,, y = 1,28x - 3,6457 R 2 =,7839,, 2, 4, 6, 8, log IBC impulsy B; n = 1 551; r =,885***; P!,1 Obr. 9 Varianta v souboru B1 s lineární kombinací vztahu BEI (IBC) CPM referenènì (kultivaènì). 6 4 3 2 1 y =,3x + 1,9336 R 2 =,7763 1 1 2 IBC impulsy B1; n = 1 517; r =,881***; P!,1 Kalkulace nové predikèní transformaèní rovnice Vztah log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P!,1; n = 1 517) se stal pøedlohou (modelem, log CPM kultivaènì = 1,32 logbei(ibc) 3,6565) pro modifikaci pùvodní transformaèní rovnice (1^(,142466+,964266*LOG1(IBC))/1 ). Pøepis nové lineární transformaèní rovnice do instrumentální verze (IBC) je: 1^(-3,6565+1,32*LOG1(IBC)). Pro shodu s novým modelovým lineárním vztahem byly také empiricky upravovány parametry v exponentu pùvodní transformaèní rovnice do tvaru (1^(-,67+1,21LOG1(IBC))/1 ) nové transformaèní rovnice pro pøepoèet IBC BEI na CPM. Podobným zpùsobem je, podle lineárních modelù (B1) v Tab. 5, možné, v pøípadì zvláštní analytické potøeby, modifikovat specifické pøístrojové transformaèní rovnice (63, 73, 5 a 55; pøíloha VI), také z pùvodní transformaèní rovnice. Podle analytických okolností a potøeby mléèných laboratoøí je tedy možné použít celkovou transformaèní rovnici v pùvodní lineární podobì (log CPM kultivaènì = 1,32 logbei(ibc) 3,6565), nebo stejnou, pøepsanou v pøístrojové verzi (1^(- 3,6565+1,32*LOG1(IBC))), nebo modifikovanou v pøístrojové verzi (1^(-,67+1,21LOG1(IBC))/1 ), s prakticky stejnými výsledky CPM v potøebném oboru mìøení, popøípadì stejnì odvozené rovnice jednotlivých pøístrojù IBC. 24

Pøevody nové, odvpozené a modifikované transformaèní rovnice (z BEI na CPM) a validace novì navrženého postupu V Tab. 6 je znázornìna efektivita nové transformaèní smìrnice a jejího pøepisu do instrumentální verze a pøiblížení nové transformaèní rovnice IBC, po modifikaci exponentových parametrù pùvodní transformaèní rovnice, ke vztahu log BEI (IBC) log CPM referenènì z Tab. 5 (B1, n = 1 517). Je patrné, že modifikovaná nová pøístrojová verze rovnice kopíruje modelové hodnoty BEI a následnì CPM metodicky odvozené lineární transformaèní rovnice. V celkovém referenèním souboru zachycené minimální a maximální hodnoty BEI (4 815 a 14 374 479) poskytují po pøepoètu hodnoty CPM 1,443 a 5 95,672 tis.cfu/ml, tedy i okraje rovnice vyhovují praktickým podmínkám mléèných mikrobiologických laboratoøí pøi kontrole kvality syrového mléka. Tab. 6 Pøiblížení nové transformaèní rovnice IBC ke vztahu log BEI (IBC) log CPM referenènì z Tab. 5 (B1, n = 1 517), pøepoèet BEI (1 3 ) na CPM (tis.cfu/ml). Kombinace Rovnice BEI BEI BEI BEI BEI 1 5 1 2 1 BEI CPM PTR-IBC 6 25 47 89 381 logbei logcpm y=1,32x-3,6565 3 15 31 64 335 NTR-IBC BEI CPM NTR-IBC 3 15,7 31,9 64,8 335,2 PTR-IBC = (1^(,142466+,964266*LOG1(IBC)))/1 ; NTR-IBC (nová transformaèní rovnice IBC) = novì odvozená a instrumentálnì pøepsaná transformaèní rovnice log CPM kultivaènì = 1,32 logbei(ibc) 3,6565 = 1^(- 3,6565+1,32*LOG1(IBC)); NTR-IBC (novì modifikovaná transformaèní rovnice IBC) = (1^(-,67+1,21LOG1(IBC)))/1. S novì modifikovanou transformaèní rovnicí byl proveden pøepoèet pùvodních BEI (nápoètová hodnota prùtoèné cytometrie, IBC, Bentley) vybraných datových souborù a provedena statistická validace novì navrženého postupu (pøíloha VII). Byla provedena základní a diferenèní statistika u souborù celkem (n = 1 651), A1 (n = 1 543), B (n = 1 551) a zejména B1 (1 517) mezi IBC CPM (nová transformaèní rovnice), IBC CPM (pùvodní transformaèní rovnice) a CPM referenènì (kultivaènì, klasicky) a obdobnì lineární regrese pùvodních a logaritmicky transformovaných dat CPM (pøíloha VII) mezi IBC CPM (nová transformaèní rovnice) a CPM klasicky. Validace hodnot CPM novì modifikované transformaèní rovnice s ohledem na referenèní výsledky (pøíloha VII) ukázala dobrou shodu výsledkù se statistickými parametry referenèního souboru CPM. Byl tedy potvrzen posun dolù na prùmìru CPM cca o 15 tis.cfu/ml. 25

4) Závìr certifikované metodiky Je možné pomìrnì objektivnì odhadovat, že pùvodní pøepoètová rovnice (1^(,142466+,964266*LOG1(IBC))/1 ) pro BEI by stále ještì procházela pøípadnými výkonnostními testy analytické zpùsobilosti a vìrohodnosti výsledkù, i když poskytovala, pravdìpodobnì z diskutovaných dùvodù, mírnì vyšší výsledky CPM o cca 15 tis.cfu/ml na hladinì prùmìrných hodnot kolem 4 tis.cfu/ml, než klasická metoda, což není na mikrobiologické metodické pomìry nìjaký velký rozdíl. Pøesto validace výsledkù IBC FC CPM výsledky klasickými kultivaèními poukázala na potøebu derivace (rekonstrukce, rekalkulace) rovnice nové. Vliv sezóny na transformaèní rovnici z BEI IBC na CPM v CFU byl oznaèen za metodicky nevýznamný. Redukce pùvodního souboru dat CPM o odlehlé hodnoty vlastních mìøení, nebo rozdílù mezi výsledky metod, pøinesla mírný pokles tìsnosti vztahu výsledkù metod (IBC a klasicky), ale také redukci variability metodických rozdílù ve stanovení CPM. Z øady porovnání a diskuse dalších dùvodù vyplynulo, že nejvhodnìjšími soubory, po statistickém ošetøení, pro odvození nové transformaèní rovnice z BEI IBC na CPM v CFU jsou: - soubor po redukci hodnot CPM (! tis.cfu/ml; - soubor po redukci metodických diferencí testem odlehlosti. Validací pùvodní transformaèní rovnice IBC byla doložena potøeba výpoètu nové transformaèní rovnice, kdy uvedené povede ke snížení CPM stanovených na IBC CF prùmìrnì o 1 až 15 tis.cfu/ml. Tento jev mùže být výsledkem starší pøedchozí rovnice, kdy za dobu její aplikace (cca 1 rokù) mohlo dojít k posunu ve skladbì CPM a celkové mikroflóry mléka v terénu (chovech dojnic) s ohledem na technologické skupiny baktérií (ve vazbì na optimálnì vhodné jejich kultivaèní teploty) v dùsledku specifických hygienických režimù dojení nebo antibiotické léèby krav a tím k uplatnìní zmìnìných interferenèních efektù na vztah mezi výsledky obou metod (IBC CF a RE) stanovení CPM. Vztah log BEI (IBC) log CPM referenènì (kultivaènì) y = 1,32x 3,6565 (r =,859; P!,1; n = 1 517) lze ekvivalentnì pøepsat do instrumentální (IBC) podoby 1^(- 3,6565+1,32*LOG1(IBC)) a stal se také pøedlohou pro modifikaci pùvodní transformaèní rovnice 1^(,142466+,964266*LOG1(IBC))/1. Pro shodu s lineárním vztahem byly upraveny parametry do tvaru 1^(-,67+1,21LOG1(IBC))/1 novì modifikované transformaèní rovnice. Podobnì je možné, v pøípadì potøeby, modifikovat specifické individuální pøístrojové transformaèní rovnice. Podle analytických okolností a potøeby mléèných laboratoøí je tedy možné použít celkovou transformaèní rovnici v lineární podobì, nebo modifikovanou v pøístrojové verzi, popøípadì stejnì odvozené rovnice jednotlivých pøístrojù IBC. Z výsledkù a diskuse také vyplývá, metodou kvalifikovaného odhadu, že následné rekalkulace transformaèní rovnice CPM (z BEI na CFU/ml) by mìly být provádìny cca po 5 až 8 rocích. Nelze však, pøijetím nové transformaèní rovnice IBC z BEI na CPM (v CFU), vylouèit budoucí výskyt výraznì odlehlých výsledkù mezi metodou prùtoèné cytometrie a kultivaèní, kdy je jednak tøeba prakticky uplatnit srovnávání na principu zahrnutí vykazovaných relevantních nejistot výsledkù mìøení akreditovaných laboratoøí a dále pøípadnì opakované rozhodèí stanovení CPM referenèní kultivaèní metodou ve sporných pøípadech. 26

III) Srovnání novosti postupù a pøedání certifikované metodiky: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka: - vyvinutá certifikovaná metodika byla pøedána do užívání systému kontroly kvality mléka ÈR v elektronické i písemné formì 24. 3. 216; - jedná se o validaci a inovovaný postup podpory vìrohodnosti výsledkù CPM po transformaci z bakteriálních elektronických impulsù prùtoèné cytometrie v situaci potøeby rekalkulace transformaèní rovnice z dùvodù pravdìpodobného èasového (vývojového) posunu v referenèních hladinách CPM pro zajištìní objektivity zpenìžování mléka (tedy i z komerènì-ekonomických dùvodù) a bezpeènosti mléèného potravinového øetìzce; - vývoj postupu je doložen vlastními konkrétními výsledky. Vyhodnocením zmínìných výsledkù vznikl postup jako doklad pro pøípadná jednání dodavatelù syrového mléka a mlékáren pøi kontrole a proplácení kvality mléka; - uvedené postupy validace a predikce inovovaly pøedchozí stav z dùvodù pravdìpodobné pøedchozí dynamiky v druhové skladbì CPM. IV) Popis uplatnìní certifikované metodiky - Závìr - Kontrola uplatnìní certifikované metodiky: - kontrola existence certifikované metodiky jako pracovního postupu a jeho validace pro transformaci instrumentálních FC BEI na CPM v rámci kontroly kvality mléka pro zajištìní vìrohodnosti výsledkù CPM a zajištìní vyšší efektivity kontroly bezpeènosti mléèného potravinového øetìzce; - kontrola aplikace certifikované metodiky je proveditelná prostøednictvím revize dokladù o provádìní mikrobiologických analýz syrového mléka v systému kontroly kvality mléka v ÈR; - certifikovaná metodika validace a derivace transformaèních predikèních rovnic pro pøepoèet BEI na CPM byla zpracována ve tøech exempláøích a pøedána v kroužkové vazbì na pøíslušné pracovištì Svazu výrobcù mléka a.s. Šumperk a do knihoven na pracovištích Výzkumný ústav mlékárenský Praha a Mendelova univerzita v Brnì a informace o certifikované metodice do RIV. V) Ekonomické aspekty Ekonomický dopad je souèástí kontroly kvality mléka (CPM) pro využití v zajištìní objektivity zpenìžování potravináøské suroviny a bezpeènosti mléèného potravinového øetìzce. To lze úèinnì realizovat pouze na základì spolehlivých výsledkù o vlastnostech mléka. Postup podporuje tuto spolehlivost výsledkù (CPM) kontroly kvality syrového mléka pro úèely potravinové zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Na bázi zajištìní potravinové bezpeènosti mùže tvoøit podíl do,5 % z efektu ve smyslu podílu 27

kontroly kvality a objektivity zpenìžování, stejnì jako pøíspìvku k eliminaci mastitid zvýšenou hygienou procesu získávání mléka v prvovýrobì na stabilizaci a pøípadné zvýšení kvality potravinové suroviny. Objem možných ekonomických ztrát, v pøípadì absence takového postupu, je ovšem obtížné vyèíslit konkrétnìji. Na úrovni státu mùže pøínos z redukce ztráty efektivity chybami a posílení kvality, èinit èástky v øádu statisícù až milionù. Náklady na konkrétní zavedení postupu uvedeného v metodice mohou pro uživatele èinit podle kvalifikovaného odhadu celkem 25 tis. Kè (náklady na doplnìní software a metodických postupù pro pracovníky). Pøínos pro uživatele v podobì udržení rozsahu produkce mléka a kontroly jeho kvality mùže být odhadnut na 4 tis. Kè tržeb roènì s možností opakování efektu po rocích. VI) Seznam použité související literatury 5) Použité jiné literární prameny pøi tvorbì certifikované metodiky ALI, A. K. A.- SHOOK, G. E.: An optimum transformation for somatic cells concentration in milk. Journal of Dairy Science, 63, 198, 487-49. ARNDT, G.- WEISS, F.- UBBEN, E. H.: Der Gehalt somatischer Zellen in der Rohmilch: Beiträge zur Messung, Interpretation und praktischer Bedeutung für Milchqualität und Mastitisbekämpfung. I Statistische Verfahren zur Beurteilung der Datenkualität von Ringversuchsergebnissen, dargestellt am Beispiel der Zählung somatischer Zellen in Milch. Kieler milchwirtsch. Forsch. Ber., 43, 1991, 167-178. BAUMGARTNER, CH. und Expertengruppe für Qualitätssicherung und Qualitätsmanagement (2): Qualitäts 2. Leitfaden für den Betrieb von Routine Untersuchungsgeräten in Rohmilch Prüfungslaboratorien, 1. Ausgabe, Oktober, 32. BOLZONI, G.- MARCOLINI, A.- VARISCO, G.: Evaluation of the Bactoscan FC. 1. Accuracy, comparison with Bactoscan 8 and somatic cells effect. Milchwissenschaft, 55, 2, 67-8. BOLZONI, G.- MARCOLINI, A.- VARISCO, G.: Evaluation of the Bactoscan FC. 2. Stability, repeatability, carry-over and linearity. Milchwissenschaft, 56, 21, 318-321. CEMPÍRKOVÁ, R.: Contamination of cow s raw milk by psychrotrophic and mesophilic microflora in relation to selected factor. Czech J. Anim. Sci., 52, 11, 27, 387-393. COVENEY, L.: Milk testing proficiency scheme, Round 26 November 21. Example laboratory, Savant Technologies, 21, 12. ÈSN EN ISO 4833-1 Mikrobiologie potravinového øetìzce - Horizontální metoda pro stanovení poètu mikroorganismù - Èást 1: Technika pøelivem a poèítání kolonií vykultivovaných pøi 3 C. European Committee for Standardization, General requirements for the competence of testing and calibration laboratories, EN ISO/IEC 1725, Brussels, Belgium, 1999. EUROPEAN COMMITTEE FOR STANDARDIZATION (ECS): Microbiology of food and animal feeding stuffs Horizontal method for the enumeration of microorganisms Colony-count technique at 3 degrees C, EN ISO 4833, Brussels, Belgium, 23 a. EUROPEAN COMMITTEE FOR STANDARDIZATION (ECS): Microbiology of food and animal feeding stuffs Protocol for the validation of alternative methods, EN ISO 1614, Brussels, Belgium, 23 b. FOSS ELECTRIC: Test of Bactoscan FC on sheep's milk at LIAL Aurillac, France Autumn 28

1998, Hillerd, February, 1999. GRAPPIN, R.: Definition and evaluation of the overall accuracy of indirect methods of milk analysis - aplication to calibration procedure and quality control in dairy laboratory. Bulletin of the International Dairy Federation, Doc. 28, IDF Provisional Standard 128, 1987, 3-12. GRAPPIN, R.: European network of dairy laboratories. V: Proceedings of an International Analytical Quality Assurance and Good Laboratory Practice in Dairy Laboratories. Sonthofen / Germany, 1992-5-18/2, Brussels 1993, 25-211. INTERNATIONAL STANDARD ORGANIZATION (ISO): Milk - Definition and evaluation of the overall accuracy of indirect methods of milk analysis - Part 2: Calibration and quality control in the dairy laboratory, ISO 8196-2, Geneva, Switzerland, 2. INTERNATIONAL STANDARD ORGANIZATION (ISO): Milk - Quantitative determination of bacteriological quality - Guidance for establishing and verifying a conversion relationship between routine method results and anchor method results, ISO 21187, Geneva, Switzerland, 24. LERAY, O.: CECALAIT: an organization to support analytical quality assurance in dairy laboratories. V: Proceedings of an International Analytical Quality Assurance and Good Laboratory Practice in Dairy Laboratories. Sonthofen / Germany, 1992-5-18/2, Brussels, 1993, 349-36. LERAY, O.: Reference and calibration system for routine milk testing advantages / disadvantages, choice criteria. 3rd ICAR reference laboratory network meeting Kuopio, Finland 6th June, 49-65. Breeding, production recording, health and the evaluation of farm animals. EAAP publication No. 121, 27, Proceedings of the 35th biennial session of ICAR, ISBN: 978-9-8686-3-2, 26, 311-317. LERAY, O.: Update on ICAR reference laboratory network. Identification, breeding, production, health and recording of farm animals. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN 1563-254, ISBN 92-9514-9-X, 29 a, 291-294. LERAY, O.: ICAR AQA strategy International anchorage and harmonisation. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN 1563-254, ISBN 92-9514-9-X, 29 b, 295-3. LERAY, O.: Interlaboratory reference system and centralised calibration Prerequisites and standard procedures. Proc. of 36th ICAR biennial session, Niagara Falls, USA, June 28, ICAR Technical series no. 13, ISSN 1563-254, ISBN 92-9514-9-X, 29 c, 31-35. LERAY, O.: Analytical precision performance in ICAR proficiency testing programmes. ICAR 37th Annual Meeting, Riga, Latvia, 31 May 4 June, 21. MICROVAL : Certificate of compliance Microval. Llooyd s register quality assurance. BactoCount IBC, Raw cow milk. 214. NINANE, V.- DE REU, K.- OGER, R.- REYBROECK, W.- GUYOT, A.: Evaluation du Bactoscan FC pour la numeration des bacteries du lait cru. Lait, 8, 2, 527-538. RAPP, M.- MÜNCH, S.: Neuentwicklung von flüssigen Konservierungsmitteln für Milchproben. Deutsche Molkerei-Zeitung, 15, 1984, 1264-1272. RAUBERTAS, J. K.- SHOOK, G. E.: Relationship between lactation measures of SCC and milk yield. Journal of Dairy Science, 65, 1982, 419-425. REGULATION (EC) No 853/24 of the European Parliament and of the Council of 29 April 24 laying down specific hygiene rules for on the hygiene of foodstuffs. Official Journal of the European Union L 139/55, 3.4.24. REICHMUTH, J.- SUHREN, G.- UBBEN, E. H.- HEESCHEN, H.: Die Anwendung der Linearitätshypothese beim Bactoscan-Verfahren. Deutsche Molkerei-Zeitung, 19, 42, 1988, 138-1312. 29

RENEAU, J. K.- APPLEMAN, R. D.- STEUERNAGEL, G. R.- MUDGE, J. W.: Somatic cell count. An effective tool in controlling mastitis. Agricultural Extension Service, University of Minnesota, AG-FO-447, 1983, 1988. RENEAU, J. K.: Effective use of dairy herd improvement somatic cell counts in mastitis control. Journal of Dairy Science, 69, 1986, 178-172. ROSICKÝ, B.- MIKULÁŠKOVÁ, R.- MIKULÁŠEK, S.- MATYÁŠ, Z.- SIXL, W.: Hygienické aspekty v prvovýrobì mléka. Arbeits- und Betriebshygiene, Hygiene Institut der Universität Graz, Österreich, 199, 3 (Sixl, W., Mikulaskova, M., Mikulasek, S., Watzek, A., Sixl-Voigt, B.: Hygiene-Aspekte in der Rohmilchproduktion: Qualitätsmilchgewinnung Normen und praktische Auswertungen. Hygiene Institut der Universität Graz, Österreich, 199, 21). ØÍHA, J.: Kalibraèní rovnice pro jednotlivé pøístroje IBC CFU ref. Kalibraèní rovnice podle laboratoøí IBC CFU ref. Spoleèná kalibraèní rovnice IBC CFU ref. Srovnání IBC CFU a klasiky. Vyhodnocení homogenity mìøení dvojic vzorkù. Nepublikované výsledky, Bentley Czech, 215, 1-8. SHOOK, G. E.: Approaches to summarizing somatic cell count which improve interpretability. Nat. Mast. Council, Louisville, Kentucky 1982, 1-17. SLOVAK INSTITUTE FOR STANDARDIZATION (SIS): Automatic determination of microorganisms in raw milk by direct enumeration of bacterial cells. STN 57 539, Bratislava, Slovakia, 23. SUHREN, G.- REICHMUTH, J.: Interpretation of quantitative microbiological results. Milchwissenschaft, 55, 2, 18-22. SUHREN, G.- REICHMUTH, J.- HEESCHEN, H.: Zur Messung der bakteriologischen Beschaffenheit der Rohmilch mit dem Bactoscan-Gerät. Deutsche Molkerei-Zeitung, 19, 44, 1988, 3-11. SUHREN, G.- REICHMUTH, J.- WALTE, H. G.: Bacteriological quality of raw milk: Conversion of Bactoscan-FC counts onto the scale of the official method. Milchwissenschaft, 56, 21, 38-384. SUHREN, G.- WALTE, H. G.: First experiences with automatic flow cytometric determination of total bacterial count in raw milk. Kiel. Milchwirtsch. Forschungsber., 5, 1998, 249-275. SUHREN, G.- WALTE, H. G.: Determination of precision data of the Bactoscan FC-method by an interlaboratory study. Kiel. Milchwirtsch. Forschungsber., 53, 21 269-282. SUHREN, G.- WALTE, H. G.- REICHMUTH, J.: Zum Einsatz der automatisierten Durchflusszytometrie als Routinemethode für die Erfassung der bakteriologischen Qualität von Anlieferngsmilch. Kiel. Milchwirtsch. Forschungsber., 52, 2, 97-143. TOMÁŠKA, M.- SUHREN, G.: Experiences with introduction of the Bactoscan FC in Slovakia, Bull. Int. Dairy Fed., 383, 23, 58-6. TOMÁŠKA, M.- SUHREN, G.: Verification Study on Bactoscan FC counts conversion onto the scale of the reference method. Milchwissenschaft, 59, 24, 261-262. TOMÁŠKA, M.- HOFERICOVÁ, M.- SLOTTOVÁ, A.: Bactoscan FC TM alternatívna metóda merania mikrobiologickej kvality surového mlieka. In: Burdová O., Baranová M. (Eds.), Proceedings from Hygiena Alimentorum XXV, 27 th 28 th May 24, Štrbské Pleso Vysoké Tatry, University of Veterinarian Medicine, Košice, Slovakia, 24, 62 65. WIGGANS, G. R.- SHOOK, G. E.: A lactation measure of somatic cell count. Journal of Dairy Science, 7, 1987, 2666-2672. WOOD, R.: Proficiency testing and accreditation of food analysis Laboratories. 1. Conference on practical application of European legislation on foodstuffs. Bled, Slovenia 1994-1-517, Ljubljana, 1994, 55-65. WOOD, R.- NILSSON, A.- WALLIN, H.: Role of proficiency testing in the assessment of laboratory quality. In Quality in the food analysis laboratory. The Royal Society of 3

Chemistry, Cambridge, UK, 1998, 172-22. VII) Seznam publikací, které pøedcházely metodice 6) Použité vlastní výsledky a publikace pøi návrhu a validaci certifikované metodiky HANUŠ, O.- BJELKA, M.- TICHÁÈEK, A.- JEDELSKÁ, R.- KOPECKÝ, J.: Analýza nezbytnosti a úèelnosti transformací dat u souborù výsledkù nìkterých mléèných parametrù. Substantiation and usefulness of transformations in data sets of analyzed milk parameters. In Chov a šlechtìní skotu pro konkurenceschopnou výrobu: sborník referátù VÚCHS Rapotín, In Rearing and breeding of cattle for competitionable production: proceedings of the seminar VÚCHS Rapotín, 21, 122-135. HANUŠ, O.- GENÈUROVÁ, V.- YONG, T.- KUÈERA, J.-, ŠTOLC, L.- JEDELSKÁ, R.- KOPECKÝ, J.: Reference and indirect instrumental determination of basic milk composition and somatic cell count in various species of mammals. Scientia Agriculturae Bohemica, 4, 4, ISSN 1211-3174, 29 a, 196-23. HANUŠ, O.- JANÙ, L.- SCHUSTER, J.- KUÈERA, J.- VYLETÌLOVÁ, M.- GENÈUROVÁ, V.: Exploratory analysis of dynamics of frequency distribution of raw cow milk quality indicators in the Czech Republic. Prùzkumná analýza dynamiky rozložení èetností hodnot ukazatelù kvality syrového kravského mléka v Èeské republice. Acta univ. agric. et silvic. Mendel. Brun., ISSN 1211-8516, LIX, 1, 211, 83-1. HANUŠ, O.- JANÙ, L.- VYLETÌLOVÁ, M.- KUÈERA, J.: Research and development of a synthetic quality indicator for raw milk assessment. Folia Veterinaria, 53, 2, ISSN 15-5748, 29 b, 9-1. HANUŠ, O.- JANÙ, L.- VYLETÌLOVÁ, M.- MACEK, A.: Validace použitelnosti algoritmu relativního syntetického ukazatele kvality syrového mléka (SQSM) pro konzistentní modifikaci farmáøské ceny. A validation of algorithm practicability of the relative synthetic raw milk quality indicator (SQSM) for consistent modification of farmer price. (In Czech) Acta univ. agric. et silvic. Mendel. Brun., ISSN 1211-8516, LV, 5, 27, 71-82. HANUŠ, O.- SOJKOVÁ, K.- KLIMEŠOVÁ, M.- ROUBAL, P.- KOPECKÝ, J.- JEDELSKÁ, R.- NEJESCHLEBOVÁ, L.: Upøesnìní mikrobiálních limitù pracovních materiálù fázové analýzy hygieny získávání mléka. Specification of microbial limits of working materials of milking hygiene phase analyse. Mlékaøské listy - zpravodaj, 151, ISSN 1212-95X, 215, IV-IX. JANÙ, L.- HANUŠ, O.- BAUMGARTNER, C.- MACEK, A.- JEDELSKÁ, R.: The analysis of state, dynamics and properties of raw cow milk quality indicators in the Czech Republic. Analýza stavu, dynamiky a vlastností ukazatelù kvality syrového kravského mléka v Èeské republice. Acta fytotechnica et zootechnica, 1, 3, ISSN 1335-258X, 27, 74-85. ØÍHA, J.- HANUŠ, O.: Softwarová podpora pro øízení kvality mìøení pomocí IBC a grafické vyhodnocení kruhových mezilaboratorních testù. PP prezentace projektù: MSM 267884621; MZe NAZV 1B4436. Nepublikované výsledky. SAMKOVÁ, E. et al. (CEMPÍRKOVÁ, R., HANUŠ, O., HASOÒOVÁ, L., HLAVÁÈEK, J., JELEN, P., JEØÁBKOVÁ, J., KOPÁÈEK, J., LUŽOVÁ, T., NAVRÁTILOVÁ, P., SEYDLOVÁ, R., ŠUSTOVÁ, K., ŠPIÈKA, J., VORLOVÁ, L., VYLETÌLOVÁ, M.): Mléko: produkce a kvalita. Milk: production and quality. Vìdecká monografie, Zemìdìlská fakulta, Jihoèeská univerzita v Èeských Budìjovicích. SAMKOVÁ, E.- ŠPIÈKA, J.- HANUŠ, O.: 5. Jakostní ukazatele mléka. 5.1. Mléèný tuk. 5. Milk quality indicators. 5.1. Milk fat.; HANUŠ, O.- VYLETÌLOVÁ, M.: 5. Jakostní ukazatele mléka. 5.11. Technologické vlastnosti mléka. 5. Milk quality indicators. 5.11. Milk technological properties.; CEMPÍRKOVÁ, R.- SAMKOVÁ, E.- VYLETÌLOVÁ, M.: 5.6. Celkový poèet mikroorganismù. 5.6. Total count of microorganisms.; HANUŠ, O.- VYLETÌLOVÁ, M.- JEØÁBKOVÁ, J.: 6. Kontrola jakosti mléka. 6. Milk quality control. 31

ISBN: 978-8-7394-383-7, Jihoèeská univerzita v Èeských Budìjovicích, Zemìdìlská fakulta, 212 a, 24. SAMKOVÁ, E. et al. (CEMPÍRKOVÁ, R., HANUŠ, O., HASOÒOVÁ, L., JÙZL, M., KOPÁÈEK, J., KOPECKÝ, J., LUŽOVÁ, T., ROUBAL, P., SMETANA, P., ŠUSTOVÁ, K. VYLETÌLOVÁ, M.): Mlékaøství, edukativní DVD. Dairy, educational DVD. Zemìdìlská fakulta, Jihoèeská univerzita v Èeských Budìjovicích. Dva díly DVD: SAMKOVÁ, E.- CEMPÍRKOVÁ, R.- HASOÒOVÁ, L.- SMETANA, P.- HANUŠ, O.- VYLETÌLOVÁ, M.- KOPECKÝ, J.: 1. Získávání mléka. 1. Milk harvesting. 14:3 minut:vteøin; SAMKOVÁ, E.- HANUŠ, O.- VYLETÌLOVÁ, M.- CEMPÍRKOVÁ, R.- HASOÒOVÁ, L.- SMETANA, P.- KOPECKÝ, J.: 3. Kontrola jakosti mléka. 3. Milk quality control. 18:42 minut:vteøin; ISBN: 978-8-7394-393-6, 212 b, MOONFILM creating ideas, 59:51 minut:vteøin celkem, 4 dílné DVD. TOMÁŠKA, M.- HANUŠ, O.- HOFERICOVÁ, M.- SLOTTOVÁ, A.- DRONÈOVSKÝ, M.- KOLOŠTA, M.: Verifikácia merania mikrobiologickej kvality surového mlieka metódou BactoScan FC. Verification of measurement of microbiological quality of raw milk by BactoScan FC method. In: Zborník prác z medzinárodnej vedeckej konferencie Bezpeènos a kontrola potravín (Angelovièová, M. et al.; ed.) 127-131, 27. 28. marec 214, Smolenice, KHBP, FBT, SPU, Nitra. TOMÁŠKA, M.- SUHREN, G.- HANUŠ, O.- WALTE, H. G.- SLOTTOVÁ, A.- HOFERICOVÁ, M.: The application of flow cytometry in determining the bacteriological quality in raw sheep s milk in Slovakia. Lait, 86, ISSN 23-732, 26, 127-14. VYLETÌLOVÁ, M.- BENDA, P.- HANUŠ, O.- KOPUNECZ, P.: Stanovení celkového poètu psychrotrofních bakterií v bazénových vzorcích mléka a jejich vztah k celkovému poètu mikroorganismù. Determination of total psychrotrophic microorganisms in bulk milk samples and their relationship to total count of mikroorganisms. Czech Journal of Food Sciences, Potravináøské vìdy, 1999 a, 17, 6, 216-222. VYLETÌLOVÁ, M.- FICNAR, J.- HANUŠ, O.: Vliv lipolytických enzymù Pseudomonas fluorescens na uvolòování mastných kyselin z mléèného tuku. Effects of lipolytic enzymes Pseudomonas fluorescens on liberation of fatty acids from milk fat. (In Czech) Czech J. Food Sci., 2 a, 18, 5, 175-182. VYLETÌLOVÁ, M.- HANUŠ, O.: Mikrobiologická kontaminace syrového mléka. Náš chov, 2 a, 6, 37. VYLETÌLOVÁ, M.- HANUŠ, O.: Vliv kontaminace Pseudomonas fluorescens na hlavní složky a technologické vlastnosti pasterizovaného mléka bìhem skladování. Effects of contamination by Pseudomonas fluorescens on principal components and technological parameters of pasteurized milk during storage. (In Czech) Czech J. Food Sci., 18, 2 b, 224-234. VYLETÌLOVÁ, M.- HANUŠ, O.- BENDA, P.- KOPUNECZ, P.: Psychrotrofní a celková mikrobiální kontaminace syrového kravského mléka. Psychrotrophic and total bacteria counts in raw cowœ milk. Veterináøství, 1998, 9, 373-374. VYLETÌLOVÁ, M.- HANUŠ, O.- URBANOVÁ, E.: Výskyt proteolytických a lipolytických psychrotrofních bakterií v bazénových vzorcích kravského mléka. Veterináøství, 1999 b, 49, 11, 48-482. VYLETÌLOVÁ, M.- HANUŠ, O.- URBANOVÁ, E.- KOPUNECZ, P.: Výskyt a identifikace psychrotrofních bakterií s proteolytickou a lipolytickou aktivitou v bazénových vzorcích mléka v podmínkách technologií prvovýrobního uskladnìní. The occurrence and identification of psychrotrophic bacteria with proteolytic and lipolytic activity in bulk milk samples at storage in primary production conditions. (In Czech) Czech J. Anim. Sci., 2 b, 45, 373-383. Ne všechny práce ze seznamu literatury (5, 6), jejichž studium a poznatky byly využity pøi 32

vývoji metodiky, jsou citovány explicitnì v textu vlastní metodiky pro praxi. Jsou však pro úplnost uvedeny v seznamu výše. Afilace RO1416 CM 29 Projekty a podpory rozvoje instituce (podíly): MZe RO1416 (3 %), NAZV KUS QJ12131 (5 %) a IGA AF MENDELU TP 5/214 (2 %). Oponenti CM: Ing, Václava Genèurová, Ph.D. (v oboru laktologie), Vápenka Vitošov, analytik specialista; MVDr. Jiøí Hlaváèek, Ústøední veterinární správa Státní veterinární správy, odbor veterinární hygieny. Autorský kolektiv (podíly): Oto Hanuš (2 %), Marcela Klimešová (15 %), Radoslava Jedelská (15 %), Gustav Chládek (1 %), Daniel Falta (1 %), Jaroslav Kopecký (1 %), Ludmila Nejeschlebová (1 %), Eva Vondrušková (1 %). Pøílohy, dokumenty a doklady: technická øešení a postupy této certifikované metodiky byly zejména podpoøeny výsledky vlastního výzkumu, vývoje a empirických poznatkù, které byly publikovány. Datum: 3. 9. 216 Za zhotovitele: prof. Ing. Oto Hanuš, Ph.D.... 33

Certifikovaná metodika pro praxi byla podporována øešením projektù MZe RO1416, NAZV KUS QJ12131 a IGA AF MENDELU TP 5/214. 7) Pøílohové materiály s podklady pro vývoj certifikované metodiky Pøílohy této certifikované uplatnìné metodiky (Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka) tvoøí vlastní výsledky vývoje a metodického testování, tzn. tabulkové a grafické zpracování statistických dat. Pøílohy I Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika (I CMP statistika) II Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 (II grubbs_cmp statistika_celk) III Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 1 LRM Brno Celkem za LRM Brno (III grubbs_cmp statistika_br) IV Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laboratoø 2 LRM Buštìhrad (IV grubbs_cmp statistika_bu) V Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 lineární regrese vztahù mezi výsledky CPM metod ve vybraných souborech (V Rovnice_CPM_celk) VI Rovnice vybraných souborù pro jednotlivé pøístroje IBC 63, 73, 5 a 55 (VI Rovnice_CPM_pristroje) VII Validace hodnot novì modifikované transformaèní rovnice s ohledem na referenèní výsledky ve vybraných souborech CPM, Laboratoø 1 a Laboratoø 2 - LRM Brno a LRM Buštìhrad - pøístroj 63 a 73 a 5 a 55 (VII nove_rovnice_cpm_celk) 34

VIII) Podklady pro registraci do RIV CERTIFIKOVANÁ METODIKA RO1416 CM 29 název: Transformace bakteriálních elektronických impulsù prùtoèné cytometrie na klasické hodnoty celkového poètu mesofilních mikroorganismù v laboratoøích rozborù mléka. Tato je doložená statutárnì podepsanou smlouvou o aplikaci certifikované metodiky mezi Výzkumným ústavem mlékárenským s.r.o. Praha a Svazem výrobcù mléka a.s. Šumperk, z 5. 1. 216. Datum certifikace 8. 12. 216. HANUŠ, O. 1 - KLIMEŠOVÁ, M. 1 - JEDELSKÁ, R. 1 - CHLÁDEK, G. 2 - FALTA, D. 2 - KOPECKÝ, J. 1 - NEJESCHLEBOVÁ, L. 1 - VONDRUŠKOVÁ, E. 1. CERTIFIED METHOD RO1416 CM 29 - title: Transformation of bacterial electronic impulses of flow cytometry on clasical values of total mesophilic microorganisms in dairy laboratories. It is confirmed by signed treaty about application of this certified method between Dairy Research Institute Ltd. Prague and Association of milk producers Šumperk, from October 5 th 216. Date of certification December 8 th 216. HANUŠ, O. 1 - KLIMEŠOVÁ, M. 1 - JEDELSKÁ, R. 1 - CHLÁDEK, G. 2 - FALTA, D. 2 - KOPECKÝ, J. 1 - NEJESCHLEBOVÁ, L. 1 - VONDRUŠKOVÁ, E. 1. 1 Výzkumný ústav mlékárenský s.r.o., Praha; 2 Mendelova univerzita v Brnì, Agronomická fakulta, Ústav chovu a šlechtìní zvíøat Zaøazení GM, EE syrové kravské mléko, celkový poèet mezofilních mikroorganismù, prùtoèná cytometrie, bakteriální elektronický impuls, kalibrace, pøímá referenèní metoda, nepøímá rutinní metoda raw cow milk, total count of mesophilic microorganisms, flow cytometry, bacterial electronic impuls, calibration, direct reference method, indirect routine method Certifikovaná aplikovaná metodika je zamìøena na instrumentální stanovení CPM v syrovém mléce. Cílem bylo provést aktualizaci pøepoètových rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie na výsledky referenèní metody stanovení celkového poètu mesofilních mikroorganismù (CPM) v mléce v alternativním øešení pro výbìr nejvhodnìjší možnosti pro nepøímé metody v laboratoøích rozborù kvality mléka podle aktuálního souboru výsledkù referenèní plotnové kultivaèní metody. Databáze byla tvoøena 1 651 páry referenèních a rutinních mìøení CPM. Metodou statistického oèistìní dat, lineární regrese a èetnými transformacemi dat byla analyzována a vypoètena sada relevantních konverzních rovnic pro pùvodní a oèistìné soubory dat. Tyto alternativní rovnice korespondovaly s rùznými praktickými laboratorními a prostøeïovými faktory. Pùvodní celková transformaèní rovnice 1^(,142466+,964266*LOG1(BEI))/1 zmìnila tvar na 1^(-3,6565+1,32*LOG1(IBC)), podle její lineární pøedlohy, log BEI log CPM referenènì y = 1,32x 3,6565 (r =,859, P!,1). Nové transformaèní rovnice jsou možným øešením pro softwarové portfolio systému kontroly kvality mléka v Èeské republice. Certified applied method is focused on the instrumental TCM determination in raw milk. The aim was to update the recalculation equations of flow cytometry bacterial electronic impulses (BEI) to the results of the reference method of determination of total mesophilic microorganisms (TCM) in milk in the alternative solution to select the most appropriate options for the indirect methods in the laboratories for analysis of milk quality by the current data file of the reference plate cultivation method. The database was created by 1,651 pairs of 35

reference and routine measurements of TCM. The set of relevant conversion equations was analyzed and calculated for the original and refined data files by statistic data purification, linear regression method and multiple transformations. These alternative equations corresponded with various practical laboratory and environment factors. Original total transformation equation 1^(.142466+.964266*LOG1(BEI))/1 has changed its shape to 1^(-,6565+1,32*LOG1(IBC)) according to its linear model, log BEI log CPM reference y = 1.32x 3.6565 (r =.859, P!.1). The new transformation equations are a possible solution for the software portfolio of milk quality control in the Czech Republic. Specifické údaje výsledku Interní kód produktu Certifikovaná metodika RO1416 CM 29 Lokalizace výsledku Pracovištì Svazu výrobcù mléka a.s., Šumperk. Technické parametry výsledku Pravidelná systematická podpora vìrohodnosti výsledkù CPM v kontrole kvality mléka vede k vyšší objektivitì zpenìžování mléèné suroviny, podpoøe kvality v sytému a bezpeènosti mléèného potravinového øetìzce. Výsledky podporují kontrolu kvality i produkce mléka a také dokumentují toto zajištìní pro dozorové orgány. Ekonomické parametry výsledku Ekonomický dopad je souèástí kontroly kvality mléka (CPM) pro využití v zajištìní objektivity zpenìžování potravináøské suroviny a bezpeènosti mléèného potravinového øetìzce. To lze úèinnì realizovat pouze na základì spolehlivých výsledkù o vlastnostech mléka. Postup podporuje tuto spolehlivost výsledkù (CPM) kontroly kvality syrového mléka pro úèely potravinové zdravotní bezpeènosti spotøebitelù mléèných výrobkù. Na bázi zajištìní potravinové bezpeènosti mùže tvoøit podíl do,5 % z efektu ve smyslu podílu kontroly kvality a objektivity zpenìžování, stejnì jako pøíspìvku k eliminaci mastitid zvýšenou hygienou procesu získávání mléka v prvovýrobì na stabilizaci a pøípadné zvýšení kvality potravinové suroviny. Objem možných ekonomických ztrát, v pøípadì absence takového postupu, je ovšem obtížné vyèíslit konkrétnìji. Na úrovni státu mùže pøínos z redukce ztráty efektivity chybami a posílení kvality, èinit èástky v øádu statisícù až milionù. Náklady na konkrétní zavedení postupu uvedeného v metodice mohou pro uživatele èinit podle kvalifikovaného odhadu celkem 25 tis. Kè (náklady na doplnìní software a metodických postupù pro pracovníky). Pøínos pro uživatele v podobì udržení rozsahu produkce mléka a kontroly jeho kvality mùže být odhadnut na 4 tis. Kè tržeb roènì s možností opakování efektu po rocích. Kategorie výsledku podle nákladù na jeho dosažení A náklady < 5 mil. Kè (do 5 MKè) Vlastník výsledku IÈ organizace 26722861, 62156489 Název organizace Výzkumný ústav mlékárenský s.r.o., Praha; Mendelova univerzita v Brnì, Agronomická fakulta 36

Stát organizace CZ Možnost využívání výsledku Povinnost získání licence N nevyžaduje se (ne) Povinnost odvést licenèní poplatek N nevyžaduje se (ne) 37

Abstrakty: RIV Cílem bylo provést aktualizaci pøepoètových rovnic z bakteriálních elektronických impulsù (BEI) prùtoèné cytometrie na výsledky referenèní metody stanovení celkového poètu mesofilních mikroorganismù (CPM) v mléce v alternativním øešení pro výbìr nejvhodnìjší možnosti pro nepøímé metody v laboratoøích rozborù kvality mléka podle aktuálního souboru výsledkù referenèní plotnové kultivaèní metody. Databáze byla tvoøena 1 651 páry referenèních a rutinních mìøení CPM. Pùvodní celková transformaèní rovnice 1^(,142466+,964266*LOG1(BEI))/1 zmìnila tvar na 1^(- 3,6565+1,32*LOG1(IBC)), podle její lineární pøedlohy, log BEI log CPM referenènì y = 1,32x 3,6565 (r =,859, P!,1). Nové transformaèní rovnice jsou možným øešením pro softwarové portfolio systému kontroly kvality mléka v Èeské republice. syrové kravské mléko, celkový poèet mezofilních mikroorganismù, prùtoèná cytometrie, bakteriální elektronický impuls, kalibrace, pøímá referenèní metoda, nepøímá rutinní metoda RIV The aim was to update the recalculation equations of flow cytometry bacterial electronic impulses (BEI) to the results of the reference method of determination of total mesophilic microorganisms (TCM) in milk in the alternative solution to select the most appropriate options for the indirect methods in the laboratories for analysis of milk quality by the current data file of the reference plate cultivation method. The database was created by 1,651 pairs of reference and routine measurements of TCM. Original total transformation equation 1^(.142466+.964266*LOG1(BEI))/1 has changed its shape to 1^(- 3,6565+1,32*LOG1(IBC)) according to its linear model, log BEI log CPM reference y = 1.32x 3.6565 (r =.859, P!.1). The new transformation equations are a possible solution for the software portfolio of milk quality control in the Czech Republic. raw cow milk, total count of mesophilic microorganisms, flow cytometry, bacterial electronic impuls, calibration, direct reference method, indirect routine method 38

Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laborato 1 - LRM Brno n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem 848 119,32 291,599 244,4 4 2875 2871 45, 28, 84,25 848 112,32 37,757 274, 2 32 318 37,5 2, 74, 848 1,724 52,97,454,621 3,4586 2,8565 3,4586 1,4472 1,9256 848 1,628 41,76,515,31 3,48 3,179 3,48 1,31 1,8692 Klasika - IBC 848-7, 61,318-876, -612 489 111-5, -17, 4, 846 3,32 *** abs (Klasika - IBC) 848 25,56 56,169 219,8 612 612 1, 5, 23, 846 13,24 *** Leden 6 31,6 11,49 36,1 14 62 48 29, 24, 36,25 6 24,1 14,612 6,6 7 77 7 21,5 14, 32, 6 1,4738 29,77,1 1,1461 1,7924,6463 1,7924 1,382 1,5586 6 1,3171 2,75,235,8451 1,8865 1,414 1,8865 1,1461 1,551 Klasika - IBC 6-7,5 11,186-149,1-47 19 66-6, -14, -,75 58 5,15 *** abs (Klasika - IBC) 6 9,93 9,55 91,2 47 47 7,5 3, 15, 58 8,42 *** Únor 144 124,5 321,243 259, 8 267 2599 49, 27,75 93,75 144 119,26 363,25 34,4 4 3 2996 44, 21,75 78, 144 1,7389 54,82,458,931 3,4161 2,513 3,4161 1,4433 1,972 144 1,6626 45,98,53,621 3,4771 2,875 3,4771 1,3374 1,8921 Klasika - IBC - 144-4,78 6,612 1268, -222 452 674-5, -17,25 4,25 142,94 ns abs (Klasika - IBC) 144 24,47 55,625 227,3 452 452 1, 5, 23,25 142 5,26 *** Bezen 7 41,44 2,458 49,4 4 95 91 42, 3, 52, 7 35,11 23,74 67,5 3 12 99 3, 19,25 43,75 7 1,5471 35,25,282,621 1,9777 1,3756 1,9777 1,4771 1,716 7 1,4315 27,1,355,4771 2,86 1,5315 2,86 1,2844 1,641 Klasika - IBC 7-6,33 14,494-229, -41 57 98-6, -13,75-3, 68 3,63 *** abs (Klasika - IBC) 7 11,21 11,96 99, 57 57 8, 4, 16, 68 8,39 *** Duben Klasika - IBC abs (Klasika - IBC) Kvten 12 84,6 282,751 334,2 8 218 21 39,5 26,25 6,5 12 75,55 27,399 357,9 4 197 1966 35, 2, 5,5 12 1,5956 39,41,382,931 3,3239 2,428 3,3239 1,4191 1,7817 12 1,4949 31,25,431,621 3,2945 2,6924 3,2945 1,31 1,7325 Klasika - IBC 12-9,5 21,844-241,4-138 27 165-6, -11,75-1,25 1 4,16 *** abs (Klasika - IBC) 12 14,25 18,84 132,2 138 138 8, 5, 17, 1 7,6 *** erven 38 36,92 36,74 99,5 13 188 175 28, 23, 33,75

38 32,84 23,722 72,2 12 121 19 31, 18,5 37,25 38 1,4727 29,7,248 1,1139 2,2742 1,163 2,2742 1,3617 1,52825 38 1,4431 27,74,242 1,792 2,828 1,36 2,828 1,266725 1,57875 Klasika - IBC 38-4,8 18,638-456,8-67 21 88,5-15,5 7, 36 1,33 ns abs (Klasika - IBC) 38 13,24 13,583 12,6 67 67 1,5 6, 16,75 36 5,93 *** ervenec 2 77,1 44,364 57,5 34 159 125 59, 38, 124,5 2 59,7 38,284 64,1 19 131 112 44,5 3, 12, 2 1,8212 66,25,243 1,5315 2,214,6699 2,214 1,5798 2,9515 2 1,6935 49,37,273 1,2788 2,1173,8385 2,1173 1,4771 2,86 Klasika - IBC 2-17,4 15,873-91,2-54 8 62-15, -24,5-8,75 18 4,78 *** abs (Klasika - IBC) 2 18,9 13,951 73,8 2 54 52 15, 8,75 24,5 18 5,91 *** Srpen 54 23,63 419,142 181,7 3 1888 1858 86, 61,75 12,5 54 228,81 431,146 188,4 31 169 1659 68, 57, 123,5 54 2,461 111,2,426 1,4771 3,276 1,7989 3,276 1,79525 2,8925 54 2,116 12,71,445 1,4914 3,2279 1,7365 3,2279 1,755125 2,91125 Klasika - IBC - 54-1,81 95,899 5298,3-198 456 654-5, -21,75 6,75 52,14 ns abs (Klasika - IBC) 54 41,78 86,149 26,2 456 456 16, 6, 29,75 52 3,53 *** Záí 18 13,29 163,36 158,1 6 912 96 55, 33, 87,75 18 94,89 131,683 138,8 6 685 679 49, 28, 12, 18 1,7737 59,39,48,7782 2,96 2,1818 2,96 1,5185 1,943 18 1,7496 56,18,416,7782 2,8357 2,575 2,8357 1,4472 2,86 Klasika - IBC - 18-8,4 87,16 135,9-612 11 713-2, -11,5 12,25 16 1, ns abs (Klasika - IBC) 18 3,77 81,776 265,8 612 612 12,5 5,75 3,25 16 3,89 *** íjen 76 364,62 432,24 118,5 13 161 1597 176, 89,75 41,75 76 381,58 466,288 122,2 11 171 1699 25, 88, 43, 76 2,378 23,14,477 1,1139 3,268 2,929 3,268 1,953 2,63925 76 2,2849 192,71,54 1,414 3,233 2,1916 3,233 1,9445 2,6335 Klasika - IBC 76 16,96 97,143 572,8-155 489 644, -23, 28,5 74 1,51 ns abs (Klasika - IBC) 76 51,36 83,999 163,5 489 489 24, 13,5 57,25 74 5,3 *** Listopad 118 114,72 368,59 32,8 11 2875 2864 42,5 25,25 73,25 118 86,97 39 448,4 2 32 318 22, 12, 4, 118 1,6881 48,76,434 1,414 3,4586 2,4172 3,4586 1,42175 1,864725 118 1,3626 23,5,519,31 3,48 3,179 3,48 1,792 1,621 Klasika - IBC 118-27,75 62,565-225,5-259 189 448-11,5-26,75-5, 116 4,8 *** abs (Klasika - IBC) 118 38,72 56,385 145,6 259 259 16, 7,25 34, 116 7,43 *** Prosinec 58 36,9 32,57 9,1 7 162 155 27, 16, 4, 58 37,19 37,369 1,5 6 182 176 25, 18, 39, 58 1,4318 27,3,321,8451 2,295 1,3644 2,295 1,241 1,6165 58 1,4232 26,5,347,7782 2,261 1,4819 2,261 1,2553 1,5911 Klasika - IBC 58 1,1 9,24 82,4-25 27 52, -4, 6, 56,92 ns abs (Klasika - IBC) 58 6,62 6,17 93,2 27 27 6, 2,25 8, 56 8,1 ***

Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika - Laborato 2 - LRM Bušthrad n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem 83 226,2 589,118 26,4 3 4268 4265 48, 2, 114, 83 284,44 92,427 323,6 1 755 7549 27, 9, 91,5 83 1,7516 56,44,621,4771 3,632 3,1531 3,632 1,31 2,569 83 1,538 33,95,799, 3,8779 3,8779 3,8779,9542 1,9614 Klasika - IBC 83 58,25 51,85 876,9-1519 5131 665-1, -28,5 1, 81 3,23 ** abs (Klasika - IBC) 83 141,17 494,331 35,2 5131 5131 2, 8, 51, 81 8,9 *** Leden 78 31,82 15,125 47,5 9 93 84 29,5 23, 39,5 78 26,26 17,177 65,4 7 85 78 23, 14, 32, 78 1,4592 28,79,196,9542 1,9685 1,143 1,9685 1,3617 1,5965 78 1,3444 22,1,251,8451 1,9294 1,843 1,9294 1,1461 1,551 Klasika - IBC 78-5,56 1,731-193, -47 19 66-4, -1,75, 76 4,55 *** abs (Klasika - IBC) 78 8,51 8,55 1,5 47 47 6, 2, 11,75 76 8,73 *** Únor 13 133,23 336,846 252,8 7 267 26 53, 28, 1,75 13 127,69 381,198 298,5 4 3 2996 49, 21, 83,25 13 1,762 57,81,471,8451 3,4161 2,571 3,4161 1,4472 2,32 13 1,6675 46,51,535,621 3,4771 2,875 3,4771 1,3222 1,921 Klasika - IBC - 13-5,54 63,746 115,6-222 452 674-6, -19, 4,75 128,99 ns abs (Klasika - IBC) 13 26,69 58,18 217,7 452 452 11,5 5, 24, 128 5,22 *** Bezen 118 46,17 26,47 56,4 4 158 154 44, 3,25 56,75 118 39,27 24,94 63,4 3 18 15 33, 21,5 5,5 118 1,5927 39,15,27,621 2,1987 1,5966 2,1987 1,487 1,754 118 1,4961 31,34,321,4771 2,334 1,5563 2,334 1,3321 1,733 Klasika - IBC 118-6,9 15,746-228,2-6 57 117-6, -13, -2, 116 4,74 *** abs (Klasika - IBC) 118 12,5 12,226 11,5 6 6 8, 4, 16,75 116 1,66 *** Duben 152 86,16 233,496 271, 8 218 21 44, 28, 81,75 152 76,47 222,812 291,4 4 197 1966 4,5 26,75 66,25 152 1,6849 48,41,37,931 3,3239 2,428 3,3239 1,4472 1,9125 152 1,651 4,28,42,621 3,2945 2,6924 3,2945 1,4273 1,8212 Klasika - IBC 152-9,68 21,965-226,9-138 27 165-7, -18, 5, 15 5,42 *** abs (Klasika - IBC) 152 15,97 17,89 112, 138 138 9,5 6, 2, 15 1,97 *** Kvten 6 198,28 413,532 28,6 6 1888 1882 53,5 33,75 8,75 6 214,83 423,922 197,3 6 169 1684 67,5 28, 16, 6 1,8232 66,56,549,7782 3,276 2,4978 3,276 1,52825 1,971 6 1,8431 69,68,595,7782 3,2279 2,4497 3,2279 1,4472 2,253 Klasika - IBC 6 16,55 92,395 558,3-198 456 654 2,5-8,25 24,5 58 1,38 ns abs (Klasika - IBC) 6 44,25 82,69 186,7 456 456 16, 6,75 4,5 58 4,11 *** erven 6 128,43 196,49 152,9 1 912 92 59,5 37,75 11,75 6 12,4 138,64 134,8 18 685 667 52, 32, 97,

6 1,8578 72,8,419 1 2,96 1,96 2,96 1,5769 2,44175 6 1,825 63,46,382 1,2553 2,8357 1,584 2,8357 1,551 1,9868 Klasika - IBC 6-26,3 11,546-424,7-612 46 658-5,5-16,5 4,25 58 1,81 ns abs (Klasika - IBC) 6 36,37 17,54 295,7 1 612 611 11, 5, 28, 58 2,6 * ervenec 59 366,24 45,977 11,8 13 1592 1579 27, 98,5 45, 59 378,66 434,828 114,8 11 171 1699 215, 9, 435, 59 2,331 213,85,474 1,1139 3,219 2,88 3,219 1,9918 2,6745 59 2,3194 28,64,511 1,414 3,233 2,1916 3,233 1,9542 2,6385 Klasika - IBC 59 12,42 11,343 816-155 489 644-1, -22,5 21, 57,93 ns abs (Klasika - IBC) 59 47,58 9,138 189,4 489 489 22, 8, 42, 57 4,2 *** Srpen 1 496, 657,59 132,6 68 161 1542 117, 82,5 847,75 1 521,4 727,831 139,6 25 168 1655 19,5 38,75 14,5 1 2,3252 211,45,578 1,8325 3,268 1,3743 3,268 1,913775 2,87825 1 2,184 152,76,751 1,3979 3,2253 1,8274 3,2253 1,56665 2,8931 Klasika - IBC 1 25,4 94,366 371,5-46 249 295-6,5-43, 59,5 8,81 ns abs (Klasika - IBC) 1 68, 66,963 98,5 24 249 225 43,5 38,5 64, 8 3,5 * Záí 2 455,1 825,338 181,4 59 2875 2816 173, 117,75 286,25 2 427,6 896,598 29,7 24 32 2996 97, 26, 31, 2 2,3363 216,92,451 1,779 3,4586 1,6877 3,4586 2,71 2,456525 2 2,492 112,,68 1,382 3,48 2,998 3,48 1,415 2,4786 Klasika - IBC 2-27,5 13,14-472,8-259 189 448-28, -89, 57,25 18,92 ns abs (Klasika - IBC) 2 14,2 79,186 76 21 259 238 72,5 4,5 13, 18 5,74 *** íjen 4 87,33 74,121 84,9 21 378 357 57, 42,5 12,75 4 41,98 37,79 89,8 16 235 219 29, 22,5 55, 4 1,8356 68,49,287 1,3222 2,5775 1,2553 2,5775 1,628325 2,81875 4 1,528 33,73,265 1,241 2,3711 1,167 2,3711 1,351825 1,744 Klasika - IBC 4-45,35 58,757-129,6-256 1 266-19,5-91,25-7, 38 4,82 *** abs (Klasika - IBC) 4 46,95 57,454 122,4 2 256 254 19,5 7, 91,25 38 5,1 *** Listopad 36 36,78 18,73 5,9 12 74 62 31, 21,5 46,75 36 24,53 36,1 147,2 2 159 157 13, 8, 22,25 36 1,51 32,36,226 1,792 1,8692,79 1,8692 1,3325 1,66965 36 1,1286 13,45,457,31 2,214 1,94 2,214,931 1,34135 Klasika - IBC 36-12,25 27,244-222,4-42 96 138-15,5-25, -9, 34 2,66 * abs (Klasika - IBC) 36 22,31 19,618 87,9 3 96 93 19,5 9,75 26,25 34 6,73 *** Prosinec 4 23,35 13,364 57,2 9 71 62 17, 16, 28,25 4 19, 16,572 87,2 3 81 78 14,5 1, 21,25 4 1,3177 2,78,21,9542 1,8513,8971 1,8513 1,241 1,451 4 1,1625 14,54,324,4771 1,985 1,4314 1,985 1 1,325225 Klasika - IBC 4-4,35 7,533-173,2-23 12 35-5, -9,25,25 38 3,61 *** abs (Klasika - IBC) 4 7, 5,89 72,7 23 23 6, 3, 1, 38 8,59 ***

Porovnání hodnot CPM IBC x CPM Klasika - LRM Brno - Laborato 1 / / Rovnice n R 2 r Rovnice R 2 r Celkem y = 1,348x - 11,1556 848,9614,981 *** y =,929x + 14,976,9614,9851 *** log Celkem y = 1,35x -,1558 848,8248,98 *** y =,84x +,4268,8248,982 *** Leden y =,8395x - 2,427 6,4296,655 *** y =,5118x + 19,2655,4296,65544 *** log Leden y =,994x -,232 6,3359,58 *** y =,3693x +,9874,3359,5796 *** Únor y = 1,127x - 19,7598 144,9835,992 *** y =,8776x + 19,3836,9835,99172 *** log Únor y = 1,32x -,129 144,8818,939 *** y =,8559x +,3159,8818,939 *** Bezen y =,923x - 3,266 7,639,794 *** y =,6855x + 17,373,639,79429 *** log Bezen y = 1,489x -,1913 7,6915,832 *** y =,6593x +,633,6915,8316 *** Duben log Duben Kvten y =,9543x - 5,1815 12,9958,998 *** y = 1,435x + 5,7655,9958,9979 *** log Kvten y = 1,65x -,1972 12,8819,939 *** y =,8316x +,3524,8819,9391 *** erven y =,5798x + 11,4363 38,863,898 *** y = 1,397x - 8,7535,863,89794 *** log erven y =,623x +,5257 38,465,638 *** y =,6526x +,539,465,6376 *** ervenec y =,883x - 2,6232 2,8774,937 *** y = 1,855x + 12,297,8774,9367 *** log ervenec y =,9781x -,878 2,7529,868 *** y =,7698x +,5176,7529,8677 *** Srpen y = 1,29x - 2,4775 54,955,975 *** y =,9478x + 13,7567,955,97494 *** log Srpen y = 1,1x -,347 54,9165,957 *** y =,9164x +,227,9165,9573 *** Záí y =,6831x + 24,3288 18,7177,847 *** y = 1,57x + 3,5918,7177,84717 *** log Záí y =,9196x +,1185 18,818,9 *** y =,8818x +,231,818,94 *** íjen y = 1,567x - 3,7177 76,9594,979 *** y =,979x + 18,1931,9594,97949 *** log íjen y = 1,944x -,248 76,9376,968 *** y =,8567x +,353,9376,9683 *** Listopad y = 1,469x - 33,1396 118,9762,988 *** y =,9325x + 33,6284,9762,9883 *** log Listopad y =,967x -,259 118,6447,83 *** y =,6711x +,7737,6447,829 *** Prosinec y = 1,1222x - 3,369 58,953,976 *** y =,8492x + 4,546,953,97622 *** log Prosinec y = 1,317x -,54 58,9136,956 *** y =,8855x +,1716,9136,9558 ***

Porovnání hodnot CPM IBC x CPM Klasika - LRM Bušthrad - Laborato 2 / / Rovnice n R 2 r Rovnice R 2 r Celkem y = 1,3446x - 19,748 83,747,861 *** y =,558x + 69,5146,747,8664 *** log Celkem y = 1,185x -,5448 83,8472,92 *** y =,7149x +,6572,8472,924 *** Leden y =,458x + 19,714 78,954,952 *** y = 1,9769x - 24,3851,954,95153 *** log Leden y = 1,256x -,2829 78,7836,885 *** y =,764x +,587,7836,8852 *** Únor y = 1,3268x - 17,795 13,3729,611 *** y =,281x + 39,443,3729,6166 *** log Únor y = 1,395x -,2925 13,639,799 *** y =,6147x +,7315,639,7994 *** Bezen y =,8379x + 13,3538 118,9297,964 *** y = 1,196x + 3,1598,9297,96421 *** log Bezen y = 1,2133x -,6611 118,8481,921 *** y =,699x +,733,8481,929 *** Duben y = 1,3619x - 23,493 152,8621,928 *** y =,6331x + 6,664,8621,92849 *** log Duben y = 1,2654x -,7252 152,933,965 *** y =,7352x +,6651,933,9645 *** Kvten y = 3,4921x - 158,2521 6,982,991 *** y =,2812x + 46,8695,982,9996 *** log Kvten y = 1,342x -,5845 6,889,943 *** y =,6817x +,5829,889,9429 *** erven y = 1,45x - 75,5856 6,8411,917 *** y =,5986x + 157,658,8411,91712 *** log erven y = 1,2177x -,6991 6,9269,963 *** y =,7612x +,6839,9269,9628 *** ervenec y =,7954x + 3,3798 59,7941,891 *** y =,9983x + 2,8241,7941,89112 *** log ervenec y = 1,2537x -,668 59,857,926 *** y =,6836x +,7166,857,9257 *** Srpen y =,2196x + 3,8597 1,7889,888 *** y = 3,593x - 8,4612,7889,8882 *** log Srpen y =,5619x +,6556 1,825,96 *** y = 1,463x -,6356,825,958 *** Záí y = 1,1223x - 2,3651 2,8969,947 *** y =,7992x + 22,8216,8969,9475 *** log Záí y = 1,459x -,9799 2,8217,96 *** y =,5844x +,86,8217,965 *** íjen y =,248x + 37,276 4,797,282 ns y =,3892x + 44,7155,797,28231 ns log íjen y = 1,695x -,3447 4,6925,832 *** y =,6475x +,6931,6925,8322 *** Listopad y = 1,3682x + 46,675 36,5764,759 *** y =,4213x + 55,8889,5764,75921 *** log Listopad y = 1,1559x -,369 36,7435,862 *** y =,6432x +,6964,7435,8623 *** Prosinec y = 2,4141x + 1,2496 4,8756,936 *** y =,3627x + 29,159,8756,93574 *** log Prosinec y = 1,2813x -,726 4,885,941 *** y =,697x +,756,885,947 ***

Regresní hodnocení CPM IBC x CPM Klasika - LRM Brno Celkem 3 3 2 2 1 1 y = 1,348x - 11,156 R 2 =,9614-1 2 3 4 3 3 2 2 1 1 y =,929x + 14,971 R 2 =,9614 1 2 3 4 Lineární y = 1,348x - 11,1556 n =848 Lineární y =,929x + 14,976 R 2 =,9614 r =,981*** R 2 =,9614 r =,981*** log Celkem 4, 3, y = 1,35x -,1558 R 2 =,8248 4, 3, y =,84x +,4268 R 2 =,8248 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,35x -,1558 n = 848 Lineární y =,84x +,4268 R 2 =,8248 r =,98*** R 2 =,8248 r =,98*** Leden 9 8 7 6 5 4 3 2 1 y =,8395x - 2,427 R 2 =,4296 2 4 6 8 7 6 5 4 3 2 1 y =,5118x + 19,266 R 2 =,4296 2 4 6 8 1 Lineární y =,8395x - 2,427 n =6 Lineární y =,5118x + 19,2655 R 2 =,4296 r =,655*** R 2 =,4296 r =,655*** log Leden 2, 1,8 1,6 1,4 1,2 1,,8,6,4,2, y =,994x -,232 R 2 =,3359,, 1, 1, 2, 2, 1,8 1,6 1,4 1,2 1,,8,6,4,2, y =,3693x +,9874 R 2 =,3359,, 1, 1, 2, Lineární y =,994x -,232 n = 6 Lineární y =,3693x +,9874 R 2 =,3359 r =,58*** R 2 =,3359 r =,58***

Únor 3 3 2 2 1 1 y = 1,127x - 19,76 R 2 =,9835-1 2 3 3 2 2 1 1 y =,8776x + 19,384 R 2 =,9835 1 2 3 4 Lineární y = 1,127x - 19,7598 n = 144 Lineární y =,8776x + 19,3836 R 2 =,9835 r =,992*** R 2 =,9835 r =,992*** log Únor 4, 3, y = 1,32x -,129 R 2 =,8818 4, 3, y =,8559x +,3159 R 2 =,8818 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,32x -,129 n = 144 Lineární y =,8559x +,3159 R 2 =,8818 r =,939*** R 2 =,8818 r =,939*** Bezen 12 1 8 6 4 2 y =,923x - 3,266 R 2 =,639 2 4 6 8 1 1 9 8 7 6 5 4 3 2 1 y =,6855x + 17,373 R 2 =,639 5 1 15 Lineární y =,923x - 3,266 n = 7 Lineární y =,6855x + 17,373 log Bezen R 2 =,639 r =,794*** R 2 =,639 r =,794*** 2, 2, 1, 1,, y = 1,489x -,1913 R 2 =,6915 2, 2, 1, 1,, y =,6593x +,633 R 2 =,6915,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y = 1,489x -,1913 n = 7 Lineární y =,6593x +,633 R 2 =,6915 r =,832*** R 2 =,6915 r =,832***

Kvten 2 2 1 1 y =,9543x - 5,1815 R 2 =,9958 2 2 1 1 y = 1,435x + 5,7655 R 2 =,9958 1 1 2 2 1 1 2 2 Lineární y =,9543x - 5,1815 n = 12 Lineární y = 1,435x + 5,7655 log Kvten R 2 =,9958 r =,998*** R 2 =,9958 r =,998*** 3, 3, y = 1,65x -,1972 R 2 =,8819 3, 3, y =,8316x +,3524 R 2 =,8819 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,65x -,1972 n = 12 Lineární y =,8316x +,3524 R 2 =,8819 r =,939*** R 2 =,8819 r =,939*** erven 14 12 1 8 6 4 2 y =,5798x + 11,436 R 2 =,863 5 1 15 2 2 18 16 14 12 1 8 6 4 2 y = 1,397x - 8,7535 R 2 =,863 5 1 15 Lineární y =,5798x + 11,4363 n = 38 Lineární y = 1,397x - 8,7535 R 2 =,863 r =,898*** R 2 =,863 r =,898*** log erven 2, 2, 1, 1,, y =,623x +,5257 R 2 =,465 2, 2, 1, 1,, y =,6526x +,539 R 2 =,465,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y =,623x +,5257 n = 38 Lineární y =,6526x +,539 R 2 =,465 r =,638*** R 2 =,465 r =,638***

ervenec 14 12 1 8 6 4 2 y =,883x - 2,6232 R 2 =,8774 5 1 15 2 18 16 14 12 1 8 6 4 2 y = 1,855x + 12,297 R 2 =,8774 5 1 15 Lineární y =,883x - 2,6232 n = 2 Lineární y = 1,855x + 12,297 log ervenec R 2 =,8774 r =,937*** R 2 =,8774 r =,937*** 2, 2, 1, 1,, y =,9781x -,878 R 2 =,7529 2, 2, 1, 1,, y =,7698x +,5176 R 2 =,7529,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y =,9781x -,878 n = 2 Lineární y =,7698x +,5176 R 2 =,7529 r =,868*** R 2 =,7529 r =,868*** Srpen 2 18 16 14 12 1 8 6 4 2 y = 1,29x - 2,4775 R 2 =,955 1 1 2 2 18 16 14 12 1 8 6 4 2 y =,9478x + 13,757 R 2 =,955 1 1 2 Lineární y = 1,29x - 2,4775 n = 54 Lineární y =,9478x + 13,7567 R 2 =,955 r =,975*** R 2 =,955 r =,975*** log Srpen 3, 3, y = 1,1x -,347 R 2 =,9165 3, 3, y =,9164x +,227 R 2 =,9165 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,1x -,347 n = 54 Lineární y =,9164x +,227 R 2 =,9165 r =,957*** R 2 =,9165 r =,957***

Záí 8 7 6 4 3 2 1 y =,6831x + 24,329 R 2 =,7177 2 4 6 8 1 1 9 8 7 6 4 3 2 1 y = 1,57x + 3,5918 R 2 =,7177 2 4 6 8 Lineární y =,6831x + 24,3288 n = 18 Lineární y = 1,57x + 3,5918 log Záí R 2 =,7177 r =,847*** R 2 =,7177 r =,847*** 3, 2, 2, 1, 1,, y =,9196x +,1185 R 2 =,818 3, 3, 2, 2, 1, 1,, y =,8818x +,231 R 2 =,818,, 1, 2, 3, 4,,, 1, 2, 3, Lineární y =,9196x +,1185 n = 18 Lineární y =,8818x +,231 R 2 =,818 r =,9*** R 2 =,818 r =,9*** íjen 18 16 14 12 1 8 6 4 2 y = 1,567x - 3,7177 R 2 =,9594 1 1 2 18 16 14 12 1 8 6 4 2 y =,979x + 18,193 R 2 =,9594 1 1 2 Lineární y = 1,567x - 3,7177 n = 76 Lineární y =,979x + 18,1931 R 2 =,9594 r =,979*** R 2 =,9594 r =,979*** log íjen 3, 3, y = 1,944x -,248 R 2 =,9376 3, 3, y =,8567x +,353 R 2 =,9376 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,944x -,248 n = 76 Lineární y =,8567x +,353 R 2 =,9376 r =,968*** R 2 =,9376 r =,968***

Listopad 3 3 2 2 1 1 y = 1,469x - 33,14 R 2 =,9762-1 2 3 4 3 3 2 2 1 1 y =,9325x + 33,628 R 2 =,9762 1 2 3 4 Lineární y = 1,469x - 33,1396 n = 118 Lineární y =,9325x + 33,6284 R 2 =,9762 r =,988*** R 2 =,9762 r =,988*** log Listopad 4, 3, y =,967x -,259 R 2 =,6447 4, 3, y =,6711x +,7737 R 2 =,6447 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y =,967x -,259 n = 118 Lineární y =,6711x +,7737 R 2 =,6447 r =,83*** R 2 =,6447 r =,83*** Prosinec 2 18 16 14 12 1 8 6 4 2 y = 1,1222x - 3,369 R 2 =,953 5 1 15 2 18 16 14 12 1 8 6 4 2 y =,8492x + 4,546 R 2 =,953 5 1 15 2 Lineární y = 1,1222x - 3,369 n = 58 Lineární y =,8492x + 4,546 R 2 =,953 r =,976*** R 2 =,953 r =,976*** log Prosinec 2, y = 1,317x -,54 R 2 =,9136 2, y =,8855x +,1716 R 2 =,9136 2, 1, 1,, 2, 1, 1,,,,, 1, 1, 2, 2,,,, 1, 1, 2, 2, Lineární y = 1,317x -,54 n = 58 Lineární y =,8855x +,1716 R 2 =,9136 r =,956*** R 2 =,9136 r =,956***

Regresní hodnocení CPM IBC x CPM Klasika - LRM Buthrad Celkem 8 7 6 4 3 2 1 y = 1,3446x - 19,75 R 2 =,747-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,558x + 69,515 R 2 =,747 2 4 6 8 Lineární y = 1,3446x - 19,748 n =83 Lineární y =,558x + 69,5146 R 2 =,747 r =,861*** R 2 =,747 r =,861*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1, y = 1,185x -,5448 R 2 =,8472 4, 3, 3, 2, 2, 1, 1, y =,7149x +,6572 R 2 =,8472,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,185x -,5448 n = 83 Lineární y =,7149x +,6572 R 2 =,8472 r =,92*** R 2 =,8472 r =,92*** Leden 12 1 8 6 4 2 y =,458x + 19,714 R 2 =,954 1 1 2 2 2 2 1 1 y = 1,9769x - 24,385 R 2 =,954 1 1 - Lineární y =,458x + 19,714 n = 78 Lineární y = 1,9769x - 24,3851 R 2 =,954 r =,952*** R 2 =,954 r =,952*** log Leden 3, 3, y = 1,256x -,2829 R 2 =,7836 4, 3, y =,764x +,587 R 2 =,7836 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,256x -,2829 n = 78 Lineární y =,764x +,587 R 2 =,7836 r =,885*** R 2 =,7836 r =,885***

Únor 1 9 8 7 6 4 3 2 y = 1,3268x - 17,795 R 2 =,3729 1-1 1 2 3 35 3 25 2 15 1 5 y =,281x + 39,44 R 2 =,3729 2 4 6 8 1 Lineární y = 1,3268x - 17,795 n = 13 Lineární y =,281x + 39,443 R 2 =,3729 r =,611*** R 2 =,3729 r =,611*** log Únor 3, 3, y = 1,395x -,2925 R 2 =,639 3, 2, y =,6147x +,7315 R 2 =,639 2, 2, 1, 1, 2, 1, 1,,,,, 1, 2, 3,,, 1, 2, 3, 4, Lineární y = 1,395x -,2925 n = 13 Lineární y =,6147x +,7315 R 2 =,639 r =,799*** R 2 =,639 r =,799*** Bezen 4 3 3 2 2 1 1 y =,8379x + 13,354 R 2 =,9297 1 2 3 4 4 4 3 3 2 2 1 1 y = 1,196x + 3,1598 R 2 =,9297 1 2 3 4 Lineární y =,8379x + 13,3538 n = 118 Lineární y = 1,196x + 3,1598 R 2 =,9297 r =,964*** R 2 =,9297 r =,964*** log Bezen 4, 3, y = 1,2133x -,6611 R 2 =,8481 4, 3, y =,699x +,733 R 2 =,8481 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,2133x -,6611 n = 118 Lineární y =,699x +,733 R 2 =,8481 r =,921*** R 2 =,8481 r =,921***

Duben 4 4 3 3 2 2 1 1 y = 1,3619x - 23,49 R 2 =,8621-1 2 3 4 3 3 2 2 1 1 y =,6331x + 6,66 R 2 =,8621 1 2 3 4 Lineární y = 1,3619x - 23,493 n = 152 Lineární y =,6331x + 6,664 R 2 =,8621 r =,928*** R 2 =,8621 r =,928*** log Duben 4, 3, y = 1,2654x -,7252 R 2 =,933 4, 3, y =,7352x +,6651 R 2 =,933 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,2654x -,7252 n = 152 Lineární y =,7352x +,6651 R 2 =,933 r =,965*** R 2 =,933 r =,965*** Kvten 8 7 6 4 3 2 1 y = 3,4921x - 158,25 R 2 =,982-1 1 1 2 2 2 2 1 1 y =,2812x + 46,869 R 2 =,982 2 4 6 8 Lineární y = 3,4921x - 158,2521 n = 6 Lineární y =,2812x + 46,8695 log Kvten R 2 =,982 r =,991*** R 2 =,982 r =,991*** 4, 4, 3, 3, 2, 2, 1, 1, y = 1,342x -,5845 R 2 =,889 3, 3, 2, 2, 1, 1, y =,6817x +,5829 R 2 =,889,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,342x -,5845 n = 6 Lineární y =,6817x +,5829 R 2 =,889 r =,943*** R 2 =,889 r =,943***

erven 7 6 4 3 2 1 y = 1,45x - 75,586 R 2 =,8411-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,5986x + 157,7 R 2 =,8411 2 4 6 8 Lineární y = 1,45x - 75,5856 n = 6 Lineární y =,5986x + 157,658 log erven R 2 =,8411 r =,917*** R 2 =,8411 r =,917*** 4, 3, y = 1,2177x -,6991 R 2 =,9269 4, 3, y =,7612x +,6839 R 2 =,9269 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,2177x -,6991 n = 6 Lineární y =,7612x +,6839 ervenec R 2 =,9269 r =,963*** R 2 =,9269 r =,963*** 18 16 14 12 1 8 6 4 2 y =,7954x + 3,38 R 2 =,7941 2 2 1 1 y =,9983x + 2,8241 R 2 =,7941 1 1 2 2 1 1 Lineární y =,7954x + 3,3798 n = 59 Lineární y =,9983x + 2,8241 R 2 =,7941 r =,891*** R 2 =,7941 r =,891*** log ervenec 4, 3, y = 1,2537x -,668 R 2 =,857 4, 3, y =,839x +,5553 R 2 =,9345 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,2537x -,668 n = 59 Lineární y =,6836x +,7166 R 2 =,857 r =,926*** R 2 =,857 r =,926***

Srpen 16 14 12 1 8 6 4 2 y =,2196x + 3,86 R 2 =,7889 2 4 6 6 4 3 2 1 y = 3,593x - 8,461 R 2 =,7889-1 5 1 15 Lineární y =,2196x + 3,8597 n = 1 Lineární y = 3,593x - 8,4612 R 2 =,7889 r =,888*** R 2 =,7889 r =,888*** log Srpen 2, 2, 1, 1,, y =,5619x +,6556 R 2 =,825 3, 2, 2, 1, 1,, y = 1,463x -,6356 R 2 =,825,, 1, 2, 3,,,, 1, 1, 2, 2, Lineární y =,5619x +,6556 n = 1 Lineární y = 1,463x -,6356 R 2 =,825 r =,96*** R 2 =,825 r =,96*** erven 7 6 4 3 2 1 y = 1,45x - 75,586 R 2 =,8411-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,5986x + 157,7 R 2 =,8411 2 4 6 8 Lineární y = 1,45x - 75,5856 n = 6 Lineární y =,5986x + 157,658 log erven R 2 =,8411 r =,917*** R 2 =,8411 r =,917*** 4, 3, y = 1,2177x -,6991 R 2 =,9269 4, 3, y =,7612x +,6839 R 2 =,9269 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,2177x -,6991 n = 6 Lineární y =,7612x +,6839 R 2 =,9269 r =,963*** R 2 =,9269 r =,963***

ervenec 18 16 14 12 1 8 6 4 2 y =,7954x + 3,38 R 2 =,7941 2 2 1 1 y =,9983x + 2,8241 R 2 =,7941 1 1 2 2 1 1 Lineární y =,7954x + 3,3798 n = 59 Lineární y =,9983x + 2,8241 R 2 =,7941 r =,891*** R 2 =,7941 r =,891*** log ervenec 4, 3, y = 1,2537x -,668 R 2 =,857 4, 3, y =,839x +,5553 R 2 =,9345 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, Lineární y = 1,2537x -,668 n = 59 Lineární y =,6836x +,7166 R 2 =,857 r =,926*** R 2 =,857 r =,926*** Srpen 16 14 12 1 8 6 4 2 y =,2196x + 3,86 R 2 =,7889 2 4 6 6 4 3 2 1 y = 3,593x - 8,461 R 2 =,7889-1 5 1 15 Lineární y =,2196x + 3,8597 n = 1 Lineární y = 3,593x - 8,4612 R 2 =,7889 r =,888*** R 2 =,7889 r =,888*** log Srpen 2, 2, 1, 1,, y =,5619x +,6556 R 2 =,825 3, 2, 2, 1, 1,, y = 1,463x -,6356 R 2 =,825,, 1, 2, 3,,,, 1, 1, 2, 2, Lineární y =,5619x +,6556 n = 1 Lineární y = 1,463x -,6356 R 2 =,825 r =,96*** R 2 =,825 r =,96***

Záí 3 25 2 15 1 5 y = 1,1223x - 2,365 R 2 =,8969 25 2 15 1 5 y =,7992x + 22,822 R 2 =,8969 5 1 15 2 25-5 1 2 3 Lineární y = 1,1223x - 2,3651 n = 2 Lineární y =,7992x + 22,8216 R 2 =,8969 r =,947*** R 2 =,8969 r =,947*** log Záí 3, 2, 2, 1, 1, y = 1,459x -,9799 R 2 =,8217 2, 2, 1, 1, y =,5844x +,86 R 2 =,8217,,,,, 1, 1, 2, 2,,, 1, 2, 3, Lineární y = 1,459x -,9799 n = 2 Lineární y =,5844x +,86 R 2 =,8217 r =,96*** R 2 =,8217 r =,96*** íjen 35 3 25 2 15 1 5 y =,248x + 37,271 R 2 =,797 7 6 4 3 2 1 y =,3892x + 44,715 R 2 =,797 2 4 6 8 1 2 3 4 Lineární y =,248x + 37,276 n = 4 Lineární y =,3892x + 44,7155 R 2 =,797 r =,282ns R 2 =,797 r =,282ns log íjen 3, 2, y = 1,695x -,3447 R 2 =,6925 3, 3, y =,6475x +,6931 R 2 =,6925 2, 1, 1,, 2, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, 4, 5, Lineární y = 1,695x -,3447 n = 4 Lineární y =,6475x +,6931 R 2 =,6925 r =,832*** R 2 =,6925 r =,832***

Listopad 2 2 1 1 y = 1,3682x + 46,671 R 2 =,5764 16 14 12 1 8 6 4 2 y =,4213x + 55,889 R 2 =,5764 1 1 2 1 1 2 2 Lineární y = 1,3682x + 46,675 n = 36 Lineární y =,4213x + 55,8889 R 2 =,5764 r =,759*** R 2 =,5764 r =,759*** log Listopad 3, 3, y = 1,1559x -,369 R 2 =,7435 3, 3, y =,6432x +,6964 R 2 =,7435 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, Lineární y = 1,1559x -,369 n = 36 Lineární y =,6432x +,6964 R 2 =,7435 r =,862*** R 2 =,7435 r =,862*** Prosinec 9 8 7 6 4 3 2 1 y = 2,4141x + 1,25 R 2 =,8756 4 3 3 2 2 1 1 y =,3627x + 29,159 R 2 =,8756 1 2 3 4 2 4 6 8 Lineární y = 2,4141x + 1,2496 n = 4 Lineární y =,3627x + 29,159 Prosinec R 2 =,8756 r =,936*** R 2 =,8756 r =,936*** 4, 4, 3, 3, 2, 2, 1, 1, y = 1,2813x -,726 R 2 =,885 4, 3, 3, 2, 2, 1, 1, y =,697x +,756 R 2 =,885,,,, 1, 2, 3, 4,,, 1, 2, 3, 4, 5, Lineární y = 1,2813x -,726 n = 4 Lineární y =,697x +,756 R 2 =,885 r =,941*** R 2 =,885 r =,941***

Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 1651 171,3 463,892 27,8 3 4268 4265 46, 25, 96, 1651 196,4 683,966 348,9 1 755 7549 33, 14, 77,5 1651 1,7374 54,63,5414,48 3,63 3,1 1,6628 1,3979 1,9823 1651 1,577 37,76,6696, 3,88 3,88 1,5185 1,1461 1,8893 Klasika - IBC 1651 24,73 36,32 1456,9-1519 5131 665-8, -22, 3, 1649 2,79 ** abs (Klasika - IBC) 1651 81,79 351,762 43,1 5131 5131 14, 6, 34, 1649 9,44 *** Do tis (A) 1543 71,26 18,496 152,3 3 29 26 43, 24, 81, 1543 55,92 74,428 133,1 1 49 489 3, 13, 68, 1543 1,6427 43,92,491,4771 3,33 2,8259 3,33 3,33 3,33 1543 1,4616 28,95,5185, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC 1543-15,34 77,71-52,4-1519 326 1845-8, -22, 1, 1541 7,82 *** abs (Klasika - IBC) 1543 28,94 73,55 252,4 1519 1519 13, 6, 27, 1541 15,56 *** Do 1 tis (A) 1579 85,83 165,27 192,3 3 2286 2283 44, 24, 85,5 1579 71,55 128,92 18,2 1 997 996 31, 14, 71, 1579 1,6677 46,53,4389,4771 3,3591 2,882 3,3591 3,3591 3,3591 1579 1,4935 31,15,5536, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC 1579-14,27 13,534-725,5-1519 714 2233-8, -22, 1, 1577 5,48 *** abs (Klasika - IBC) 1579 35,61 98,256 275,9 1519 1519 13, 6, 29, 1577 14,4 *** grubs rozdíl (B) 1551 89,14 24,961 229,9 3 2875 2872 43, 24, 83, 1551 78,42 25,936 262,6 1 32 319 31, 13,5 69, 1551 1,6582 45,52,4399,4771 3,4586 2,9815 3,4586 3,4586 3,4586 1551 1,4839 3,47,5566, 3,48 3,48 3,48 3,48 3,48 Klasika - IBC 1551-1,72 35,835-334,3-183 16 343-8, -21, 1, 1549 11,78 *** abs (Klasika - IBC) 1551 23,44 29,145 124,3 183 183 13, 6, 28, 1549 31,66 *** grubs ABS(rozdíl) (C) 1548 88,87 25,63 23,7 3 2875 2872 43, 24, 82,25 1548 78,46 26,13 262,7 1 32 319 31, 13, 69, 1548 1,6568 45,37,4392,4771 3,4586 2,9815 3,4586 3,4586 3,4586 1548 1,4835 3,44,557, 3,48 3,48 3,48 3,48 3,48 Klasika - IBC 1548-1,41 35,132-337,5-158 16 318-8, -21, 1, 1546 11,65 *** abs (Klasika - IBC) 1548 23,15 28,399 122,7 16 16 13, 6, 27, 1546 32,6 ***

Regresní hodnocení Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,2853x - 24,1398 1651,7599 r =,872*** y =,5913x + 55,3948,7599 r =,872*** log Celkem y = 1,1264x -,38 1651,8293 r =,911*** y =,7363x +,5763,8293 r =,911*** Do y =,483x + 21,4991 1543,4957 r =,74*** y = 1,264x + 13,8671,4957 r =,74*** log Do y = 1,763x -,363 1543,721 r =,849*** y =,6699x +,6635,721 r =,849*** Do 1 y =,683x + 19,3419 1579,664 r =,779*** y =,9968x + 14,511,664 r =,779*** log Do 1 y = 1,932x -,3296 1579,751 r =,867*** y =,687x +,6416,751 r =,867*** grubs rozdíl (B) y =,9895x - 9,7852 1551,9698 r =,985*** y =,981x + 12,281,9698 r =,985*** log grubs rozdíl (B) y = 1,123x -,3739 1551,784 r =,885*** y =,6998x +,6198,784 r =,885*** grubs ABS(rozdíl) (C) y =,995x - 9,5642 1548,971 r =,985*** y =,983x + 11,9495,971 r =,985*** log grubs ABS(rozdíl) (C) y = 1,1243x -,3794 1548,7861 r =,887*** y =,6992x +,6197,7861 r =,887***

Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - pístroj 63 a 73 a 5 a 55 Celkem 8 7 6 4 3 2 1 y = 1,2853x - 24,14 R 2 =,7599-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,5913x + 55,395 R 2 =,7599 2 4 6 8 Lineární y = 1,2853x - 24,1398 n = 1651 Lineární y =,5913x + 55,3948 R 2 =,7599 r =,872*** R 2 =,7599 r =,872*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1, y = 1,1264x -,38 R 2 =,8293 4, 3, 3, 2, 2, 1, 1, y =,7363x +,5763 R 2 =,8293,,, 1, 2, 3, 4,,,, 1, 2, 3, 4, 5, Lineární y = 1,1264x -,38 n = 1651 Lineární y =,7363x +,5763 R 2 =,8293 r =,911*** R 2 =,8293 r =,911*** Do 12 1 8 6 4 2 y =,483x + 21,499 R 2 =,4957 1 1 2 2 2 2 1 1 y = 1,264x + 13,867 R 2 =,4957 2 4 6 Lineární y =,483x + 21,4991 n = 1543 Lineární y = 1,264x + 13,8671 R 2 =,4957 r =,74*** R 2 =,4957 r =,74***

log Do 3, 3, y = 1,763x -,363 R 2 =,721 3, 3, y =,6699x +,6635 R 2 =,721 2, 2, 1, 1, 2, 2, 1, 1,,,,, 1, 2, 3, 4,,, 1, 2, 3, Lineární y = 1,763x -,363 n = 1543 Lineární y =,6699x +,6635 Do 1 R 2 =,721 r =,849*** R 2 =,721 r =,849*** 16 14 12 1 8 6 4 2 y =,683x + 19,342 R 2 =,664 2 2 1 1 y =,9968x + 14,51 R 2 =,664 1 1 2 2 1 1 Lineární y =,683x + 19,3419 n = 1579 Lineární y =,9968x + 14,511 R 2 =,664 r =,779*** R 2 =,664 r =,779*** log Do 1 4, 3, y = 1,932x -,3296 R 2 =,751 4, 3, y =,687x +,6416 R 2 =,751 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, 3, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,932x -,3296 n = 1579 Lineární y =,687x +,6416 R 2 =,751 r =,867*** R 2 =,751 r =,867***

grubs rozdíl (B) 3 3 2 2 1 1 y =,9895x - 9,7852 R 2 =,9698-1 2 3 4 3 3 2 2 1 1 y =,981x + 12,28 R 2 =,9698 1 2 3 4 Lineární y =,9895x - 9,7852 n = 1551 Lineární y =,981x + 12,281 log grubs rozdíl (B) R 2 =,9698 r =,985*** R 2 =,9698 r =,985*** 4 3,5 3 2,5 2 1,5 1,5 y = 1,123x -,3739 R 2 =,784 1 2 3 4 4 3,5 3 2,5 2 1,5 1,5 y =,6998x +,6198 R 2 =,784 1 2 3 4 Lineární y = 1,123x -,3739 n = 1551 Lineární y =,6998x +,6198 R 2 =,784 r =,885*** R 2 =,784 r =,885*** grubs ABS(rozdíl) (C) 3 3 2 2 1 1 y =,995x - 9,5642 R 2 =,971-1 2 3 4 3 3 2 2 1 1 y =,983x + 11,949 R 2 =,971 1 2 3 4 Lineární y =,995x - 9,5642 n = 1548 Lineární y =,983x + 11,9495 R 2 =,971 r =,985*** R 2 =,971 r =,985*** log grubs ABS(rozdíl) (C) 4 3,5 3 2,5 2 1,5 1,5 y = 1,1243x -,3794 R 2 =,7861 1 2 3 4 4 3,5 3 2,5 2 1,5 1,5 y =,6992x +,6197 R 2 =,7861 1 2 3 4 Lineární y = 1,1243x -,3794 n = 1548 Lineární y =,6992x +,6197 R 2 =,7861 r =,887*** R 2 =,7861 r =,887***

Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 1 LRM Brno Celkem za LRM Brno n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 848 119,32 291,599 244,4 4 2875 2871 45, 28, 84,25 848 112,32 37,757 274, 2 32 318 37,5 2, 74, 848 1,724 52,97,4538,6 3,46 2,86 1,6532 1,4472 1,9256 848 1,628 41,76,5149,3 3,48 3,18 1,574 1,31 1,8692 Klasika - IBC 848-7, 61,318-876, -612 489 111-5, -17, 4, 846 3,32 *** abs (Klasika - IBC) 848 25,56 56,169 219,8 612 612 1, 5, 23, 846 13,24 *** Do tis (A) 812 68,59 82,912 12,9 4 912 98 44, 27, 74,25 812 58,47 71,648 122,5 2 44 438 35, 2, 69, 812 1,6658 46,32,3642,621 2,96 2,3579 2,96 2,96 2,96 812 1,5572 36,7,423,31 2,6435 2,3425 2,6435 2,6435 2,6435 Klasika - IBC 812-1,12 43,86-432,9-612 12 732-5, -16, 3, 81 6,58 *** abs (Klasika - IBC) 812 19,76 4,382 24,4 612 612 1, 5, 22, 81 13,94 *** Do 1 tis (A) 828 8,27 12,158 149,7 4 192 188 44,5 27, 79,25 828 7,8 11,536 157,7 2 96 958 36, 2, 71, 828 1,6879 48,74,394,621 3,382 2,4361 3,382 3,382 3,382 828 1,5814 38,14,4533,31 2,9823 2,6813 2,9823 2,9823 2,9823 Klasika - IBC 828-1,19 45,59-442,2-612 12 732-5, -16, 3, 826 6,5 *** abs (Klasika - IBC) 828 2,92 41,185 196,9 612 612 1, 5, 23, 826 14,61 *** grubs rozdíl (B) 816 83,37 164,33 196,8 4 218 214 44, 27, 75,25 816 77,28 165,943 214,7 2 197 1968 35,5 2, 71, 816 1,683 47,9,3951,621 3,349 2,728 3,349 3,349 3,349 816 1,5821 38,2,4637,31 3,2945 2,9935 3,2945 3,2945 3,2945 Klasika - IBC 816-6,9 25,18-41,8-117 11 218-5, -16, 3,25 814 6,95 *** abs (Klasika - IBC) 816 16,81 19,51 116, 117 117 1, 5, 22, 814 24,61 *** grubs ABS(rozdíl) (C) 798 77,25 15,354 194,6 4 218 214 43, 27, 72, 798 71,39 15,72 211,1 2 197 1968 35, 2, 69, 798 1,665 46,24,3814,621 3,349 2,728 3,349 3,349 3,349 798 1,5693 37,9,4511,31 3,2945 2,9935 3,2945 3,2945 3,2945 Klasika - IBC 798-5,86 2,318-346,7-81 78 159-5, -15, 3, 796 8,14 *** abs (Klasika - IBC) 798 14,91 14,983 1,5 81 81 9, 5, 2,75 796 28,9 ***

Laborato 1 LRM Brno Pístroj 63 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 282 18,4 326,9 31,8 11 2875 2864 43, 29,25 69, 282 93,55 358,96 383,7 2 32 318 3, 17, 55,75 282 1,712 51,52,398 1,4 3,46 2,42 1,6335 1,4661 1,8388 282 1,5181 32,97,4735,3 3,48 3,18 1,4771 1,234 1,7463 Klasika - IBC 282-14,49 57,572-397,3-259 452 711-1, -23, -2, 28 4,22 *** abs (Klasika - IBC) 282 28,11 52,27 185,9 452 452 12,5 7, 24, 28 9,1 *** Do tis (A) 276 65,61 68,518 14,4 11 465 454 42, 29, 66,5 276 47,4 6,928 128,5 2 41 48 3, 17, 52,5 276 1,6786 47,71,3193 1,414 2,6675 1,6261 2,6675 2,6675 2,6675 276 1,484 3,23,3998,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC 276-18,21 4,66-223,3-259 96 355-1, -23, -3, 274 7,43 *** abs (Klasika - IBC) 276 23,58 37,786 16,2 259 259 12, 7, 24, 274 1,35 *** Do 1 tis (A) 278 7,53 89,525 126,9 11 763 752 42, 29, 68, 278 51,59 78,221 151,6 2 63 628 3, 17, 54, 278 1,6872 48,66,3339 1,414 2,8825 1,8411 2,8825 2,8825 2,8825 278 1,4899 3,9,4137,31 2,7993 2,4983 2,7993 2,7993 2,7993 Klasika - IBC 278-18,94 41,427-218,7-259 96 355-1, -23, -3, 276 7,61 *** abs (Klasika - IBC) 278 24,27 38,532 158,8 259 259 12, 7, 24, 276 1,48 *** grubs rozdíl (B) 257 57,1 58,861 13,1 11 465 454 41, 28, 59, 257 46,58 61,8 131, 2 41 48 29, 16, 52, 257 1,6393 43,58,2897 1,414 2,6675 1,6261 2,6675 2,6675 2,6675 257 1,477 29,56,422,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC 257-1,51 16,135-153,5-63 42 15-9, -2, -2, 255 1,42 *** abs (Klasika - IBC) 257 14,88 12,29 82, 63 63 11, 6, 22, 255 19,5 *** grubs ABS(rozdíl) (C) 255 56,89 59,46 13,8 11 465 454 41, 28, 59, 255 46,79 61,23 13,8 2 41 48 3, 16, 53, 255 1,6371 43,36,2898 1,414 2,6675 1,6261 2,6675 2,6675 2,6675 255 1,472 29,65,435,31 2,6128 2,3118 2,6128 2,6128 2,6128 Klasika - IBC 255-1,11 15,522-153,5-57 42 99-9, -19,5-2, 253 1,38 *** abs (Klasika - IBC) 255 14,51 11,499 79,2 57 57 11, 6, 21, 253 2,11 ***

Laborato 1 LRM Brno Pístroj 73 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 566 124,94 272,928 218,4 4 218 214 47,5 27, 88, 566 121,67 278,641 229, 3 197 1967 41, 21,25 85, 566 1,73 53,7,4823,6 3,32 2,72 1,6767 1,4314 1,9445 566 1,6719 46,98,5273,48 3,29 2,81 1,6128 1,3273 1,9294 Klasika - IBC 566-3,27 62,819-1921,1-612 489 111-3, -11,75 6, 564 1,24 ns abs (Klasika - IBC) 566 24,29 58,17 238,9 612 612 9, 4, 22, 564 9,95 *** Do tis (A) 536 7,13 89,446 127,5 4 912 98 45, 26, 8, 536 64,17 76,11 118,5 3 44 437 39, 21, 74, 536 1,6592 45,62,3854,621 2,96 2,3579 2,96 2,96 2,96 536 1,5967 39,51,4295,4771 2,6435 2,1664 2,6435 2,6435 2,6435 Klasika - IBC 536-5,95 44,811-753,1-612 12 732-3, -11, 6, 534 3,7 ** abs (Klasika - IBC) 536 17,79 41,553 233,6 612 612 8, 4, 2, 534 9,9 *** Do 1 tis (A) 55 85,2 132,788 155,9 4 192 188 45,5 27, 85, 55 79,43 122,78 154,5 3 96 957 4, 21, 79, 55 1,6883 48,79,4214,621 3,382 2,4361 3,382 3,382 3,382 55 1,6277 42,43,4656,4771 2,9823 2,552 2,9823 2,9823 2,9823 Klasika - IBC 55-5,77 46,197-8,6-612 12 732-3, -11, 6, 548 2,93 ** abs (Klasika - IBC) 55 19,22 42,396 22,6 612 612 9, 4, 21, 548 1,62 *** grubs rozdíl (B) 542 88,14 18,16 24,3 4 218 214 45, 26,25 81, 542 84,65 179,164 211,7 3 197 1967 39,5 21, 76, 542 1,6792 47,77,425,621 3,349 2,728 3,349 3,349 3,349 542 1,62 41,69,4689,4771 3,2945 2,8174 3,2945 3,2945 3,2945 Klasika - IBC 542-3,49 22,92-633, -89 89 178-3, -11, 6, 54 3,67 *** abs (Klasika - IBC) 542 15,8 16,54 19,4 89 89 8, 4, 2, 54 21,25 *** grubs ABS(rozdíl) (C) 54 86,78 177,47 24,5 4 218 214 45, 26, 81, 54 83,28 177,13 212,7 3 197 1967 39, 21, 74,5 54 1,6766 47,49,4178,621 3,349 2,728 3,349 3,349 3,349 54 1,6166 41,36,4659,4771 3,2945 2,8174 3,2945 3,2945 3,2945 Klasika - IBC 54-3,5 21,457-613,1-72 78 15-3, -11, 6, 538 3,79 *** abs (Klasika - IBC) 54 14,81 15,97 17,4 78 78 8, 4, 2, 538 21,62 ***

Regresní hodnocení Laborato 1 - LRM Brno - pístroj 63 a 73 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,348x - 11,1556 848,9614 r =,981*** y =,929x + 14,976,9614 r =,981*** log Celkem y = 1,35x -,1558 848,8248 r =,98*** y =,84x +,4268,8248 r =,98*** Do y =,7338x + 8,147 812,7211 r =,849*** y =,9827x + 11,1323,7211 r =,849*** log Do y =,9943x -,991 812,7327 r =,856*** y =,7369x +,5183,7327 r =,856*** Do 1 y =,8528x + 1,6252 828,8594 r =,927*** y = 1,78x + 9,6462,8594 r =,927*** log Do 1 y = 1,98x -,123 828,773 r =,878*** y =,7628x +,4816,773 r =,878*** grubs rozdíl (B) y = 1,1x - 6,964 816,9773 r =,989*** y =,9772x + 7,8523,9773 r =,989*** log grubs rozdíl (B) y = 1,561x -,1923 816,897 r =,9*** y =,7667x +,4673,897 r =,9*** grubs ABS(rozdíl) (C) y =,9932x - 5,3319 798,9819 r =,991*** y =,9886x + 6,6716,9819 r =,991*** log grubs ABS(rozdíl) (C) y = 1,684x -,296 798,8162 r =,93*** y =,764x +,4661,8162 r =,93*** Laborato 1 - LRM Brno - pístroj 63 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,93x - 24,249 282,981 r =,99*** y =,8998x + 23,8634,981 r =,99*** log Celkem y = 1,25x -,2291 282,794 r =,842*** y =,6951x +,6568,794 r =,842*** Do y =,7193x +,294 276,6543 r =,89*** y =,996x + 22,4893,6543 r =,89*** log Do y =,9615x -,1336 276,5899 r =,768*** y =,6135x +,773,5899 r =,768*** Do 1 y =,7746x - 3,417 278,786 r =,887*** y = 1,147x + 18,1763,786 r =,887*** log Do 1 y =,9745x -,1543 278,6187 r =,787*** y =,6349x +,7413,6187 r =,787*** grubs rozdíl (B) y =,9996x - 1,489 257,931 r =,964*** y =,935x + 13,7533,931 r =,964*** log grubs rozdíl (B) y = 1,1899x -,4799 257,7346 r =,857*** y =,6174x +,7313,7346 r =,857*** grubs ABS(rozdíl) (C) y = 1,26x - 1,2559 255,9357 r =,967*** y =,9332x + 13,233,9357 r =,967*** log grubs ABS(rozdíl) (C) y = 1,23x -,4974 255,7465 r =,864*** y =,625x +,7237,7465 r =,864*** Laborato 1 - LRM Brno - pístroj 73 / / Rovnice n R 2 Rovnice R 2 Celkem y =,9947x - 2,616 566,9492 r =,974*** y =,9543x + 8,8296,9492 r =,974*** log Celkem y = 1,33x -,115 566,888 r =,942*** y =,8619x +,2889,888 r =,942*** Do y =,7356x + 12,5895 536,7493 r =,866*** y = 1,186x + 4,7598,7493 r =,866*** log Do y = 1,119x -,822 536,8241 r =,98*** y =,8144x +,3589,8241 r =,98*** Do 1 y =,8665x + 5,689 55,8791 r =,938*** y = 1,147x + 4,654,8791 r =,938*** log Do 1 y = 1,27x -,955 55,8533 r =,924*** y =,836x +,3275,8533 r =,924*** grubs rozdíl (B) y =,9873x - 2,3682 542,985 r =,992*** y =,9977x + 3,6882,985 r =,992*** log grubs rozdíl (B) y = 1,356x -,119 542,8629 r =,929*** y =,8332x +,3293,8629 r =,929*** grubs ABS(rozdíl) (C) y =,998x - 2,733 54,9854 r =,993*** y =,9946x + 3,9547,9854 r =,993*** log grubs ABS(rozdíl) (C) y = 1,355x -,1195 54,8623 r =,929*** y =,8328x +,334,8623 r =,929***

Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 1 - LRM Brno - pístroj 63 a 73 Celkem 3 3 2 2 1 1 y = 1,348x - 11,156 R 2 =,9614-1 2 3 4 3 3 2 2 1 1 y =,929x + 14,971 R 2 =,9614 1 2 3 4 Lineární y = 1,348x - 11,1556 n = 848 Lineární y =,929x + 14,976 log Celkem R 2 =,9614 r =,981*** R 2 =,9614 r =,981*** 4, 3, 3, 2, 2, 1, 1,, y = 1,35x -,1558 R 2 =,8248,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,84x +,4268 R 2 =,8248,, 1, 2, 3, 4, Lineární y = 1,35x -,1558 n = 848 Lineární y =,84x +,4268 Do R 2 =,8248 r =,98*** R 2 =,8248 r =,98*** 8 7 6 4 3 2 1 y =,7338x + 8,147 R 2 =,7211 2 4 6 8 1 1 9 8 7 6 4 3 2 1 y =,9827x + 11,132 R 2 =,7211 1 2 3 4 Lineární y =,7338x + 8,147 n = 812 Lineární y =,9827x + 11,1323 R 2 =,7211 r =,849*** R 2 =,7211 r =,849***

log Do 3, 2, 2, 1, 1,, y =,9943x -,991 R 2 =,7327,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,7369x +,5183 R 2 =,7327,, 1, 2, 3, Lineární y =,9943x -,991 n = 812 Lineární y =,7369x +,5183 Do 1 R 2 =,7327 r =,856*** R 2 =,7327 r =,856*** 12 1 8 6 4 2 y =,8528x + 1,6252 R 2 =,8594 1 1 12 1 8 6 4 2 y = 1,78x + 9,6462 R 2 =,8594 1 1 Lineární y =,8528x + 1,6252 n = 828 Lineární y = 1,78x + 9,6462 log Do 1 R 2 =,8594 r =,927*** R 2 =,8594 r =,927*** 3, 3, y = 1,98x -,123 R 2 =,773 3, 3, y =,7628x +,4816 R 2 =,773 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,98x -,123 n = 828 Lineární y =,7628x +,4816 R 2 =,773 r =,878*** R 2 =,773 r =,878***

grubs rozdíl (B) 2 2 1 1 y = 1,1x - 6,964 R 2 =,9773 1 1 2 2-2 2 1 1 y =,9772x + 7,8523 R 2 =,9773 1 1 2 2 Lineární y = 1,1x - 6,964 n = 816 Lineární y =,9772x + 7,8523 R 2 =,9773 r =,989*** R 2 =,9773 r =,989*** log grubs rozdíl (B) 3, 3, y = 1,561x -,1923 R 2 =,897 3, 3, y =,7667x +,4673 R 2 =,897 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,561x -,1923 n = 816 Lineární y =,7667x +,4673 R 2 =,897 r =,9*** R 2 =,897 r =,9*** grubs ABS(rozdíl) (C) 2 2 1 1 y =,9932x - 5,3319 R 2 =,9819 1 1 2 2-2 2 1 1 y =,9886x + 6,6716 R 2 =,9819 1 1 2 2 Lineární y =,9932x - 5,3319 n = 798 Lineární y =,9886x + 6,6716 R 2 =,9819 r =,991*** R 2 =,9819 r =,991*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,684x -,296 R 2 =,8162 3, 3, y =,764x +,4661 R 2 =,8162 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,684x -,296 n = 798 Lineární y =,764x +,4661 R 2 =,8162 r =,93*** R 2 =,8162 r =,93***

Laborato 1 - LRM Brno - pístroj 63 Celkem 3 3 2 2 1 1 y = 1,93x - 24,241 R 2 =,981-1 2 3 4 3 3 2 2 1 1 y =,8998x + 23,863 R 2 =,981 1 2 3 4 Lineární y = 1,93x - 24,249 n = 282 Lineární y =,8998x + 23,8634 log Celkem R 2 =,981 r =,99*** R 2 =,981 r =,99*** 4, 3, 3, 2, 2, 1, 1,, y = 1,25x -,2291 R 2 =,794,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6951x +,6568 R 2 =,794,, 1, 2, 3, 4, Lineární y = 1,25x -,2291 n = 282 Lineární y =,6951x +,6568 R 2 =,794 r =,842*** R 2 =,794 r =,842*** Do 45 4 35 3 25 2 15 1 5 y =,7193x +,294 R 2 =,6543 1 2 3 4 45 4 35 3 25 2 15 1 5 y =,996x + 22,489 R 2 =,6543 1 2 3 4 Lineární y =,7193x +,294 n = 276 Lineární y =,996x + 22,4893 R 2 =,6543 r =,89*** R 2 =,6543 r =,89***

log Do 3, 2, y =,9615x -,1336 R 2 =,5899 3, 2, y =,6135x +,773 R 2 =,5899 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y =,9615x -,1336 n = 276 Lineární y =,6135x +,773 R 2 =,5899 r =,768*** R 2 =,5899 r =,768*** Do 1 7 6 4 3 2 1 y =,7746x - 3,417 R 2 =,786 2 4 6 8 1 9 8 7 6 4 3 2 1 y = 1,147x + 18,176 R 2 =,786 2 4 6 8 Lineární y =,7746x - 3,417 n = 278 Lineární y = 1,147x + 18,1763 R 2 =,786 r =,887*** R 2 =,786 r =,887*** log Do 1 3, 2, y =,9745x -,1543 R 2 =,6187 3, 3, y =,6349x +,7413 R 2 =,6187 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y =,9745x -,1543 n = 278 Lineární y =,6349x +,7413 R 2 =,6187 r =,787*** R 2 =,6187 r =,787***

grubs rozdíl (B) 45 4 35 3 25 2 15 1 5 y =,9996x - 1,489 R 2 =,931 1 2 3 4 45 4 35 3 25 2 15 1 5 y =,935x + 13,753 R 2 =,931 1 2 3 4 Lineární y =,9996x - 1,489 n = 257 Lineární y =,935x + 13,7533 log grubs rozdíl (B) R 2 =,931 r =,964*** R 2 =,931 r =,964*** 3, 2, y = 1,1899x -,4799 R 2 =,7346 3, 2, y =,6174x +,7313 R 2 =,7346 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y = 1,1899x -,4799 n = 257 Lineární y =,6174x +,7313 R 2 =,7346 r =,857*** R 2 =,7346 r =,857*** grubs ABS(rozdíl) (C) 45 4 35 3 25 2 15 1 5 y = 1,26x - 1,256 R 2 =,9357 1 2 3 4 45 4 35 3 25 2 15 1 5 y =,9332x + 13,23 R 2 =,9357 1 2 3 4 Lineární y = 1,26x - 1,2559 n = 255 Lineární y =,9332x + 13,233 R 2 =,9357 r =,967*** R 2 =,9357 r =,967*** log grubs ABS(rozdíl) (C) 3, 2, y = 1,23x -,4974 R 2 =,7465 3, 2, y =,625x +,7237 R 2 =,7465 2, 1, 1,, 2, 1, 1,,,, 1, 2, 3,,, 1, 2, 3, Lineární y = 1,23x -,4974 n = 255 Lineární y =,625x +,7237 R 2 =,7465 r =,864*** R 2 =,7465 r =,864***

Laborato 1 - LRM Brno - pístroj 73 Celkem 2 2 1 1 y =,9947x - 2,616 R 2 =,9492 2 2 1 1 y =,9543x + 8,8296 R 2 =,9492 1 1 2 2 1 1 2 2 Lineární y =,9947x - 2,616 n = 566 Lineární y =,9543x + 8,8296 R 2 =,9492 r =,974*** R 2 =,9492 r =,974*** log Celkem 3, 3, y = 1,33x -,115 R 2 =,888 3, 3, y =,8619x +,2889 R 2 =,888 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,33x -,115 n = 566 Lineární y =,8619x +,2889 Do R 2 =,888 r =,942*** R 2 =,888 r =,942*** 8 7 6 4 3 2 1 y =,7356x + 12,589 R 2 =,7493 2 4 6 8 1 1 9 8 7 6 4 3 2 1 y = 1,186x + 4,7598 R 2 =,7493 1 2 3 4 Lineární y =,7356x + 12,5895 n = 536 Lineární y = 1,186x + 4,7598 R 2 =,7493 r =,866*** R 2 =,7493 r =,866***

log Do 3, 3, y = 1,119x -,822 R 2 =,8241 3, 3, y =,8144x +,3589 R 2 =,8241 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,119x -,822 n = 536 Lineární y =,8144x +,3589 R 2 =,8241 r =,98*** R 2 =,8241 r =,98*** Do 1 12 1 8 6 4 2 y =,8665x + 5,689 R 2 =,8791 12 1 8 6 4 2 y = 1,147x + 4,654 R 2 =,8791 1 1 1 1 Lineární y =,8665x + 5,689 n = 55 Lineární y = 1,147x + 4,654 R 2 =,8791 r =,938*** R 2 =,8791 r =,938*** log Do 1 3, 3, 2, 2, 1, 1,, y = 1,27x -,955 R 2 =,8533,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,836x +,3275 R 2 =,8533,, 1, 2, 3, 4, Lineární y = 1,27x -,955 n = 55 Lineární y =,836x +,3275 R 2 =,8533 r =,924*** R 2 =,8533 r =,924***

grubs rozdíl (B) 2 2 1 1 y =,9873x - 2,3682 R 2 =,985 2 2 1 1 y =,9977x + 3,6882 R 2 =,985 1 1 2 2 1 1 2 2 Lineární y =,9873x - 2,3682 n = 542 Lineární y =,9977x + 3,6882 log grubs rozdíl (B) R 2 =,985 r =,992*** R 2 =,985 r =,992*** 3, 3, y = 1,356x -,119 R 2 =,8629 3, 3, y =,8332x +,3293 R 2 =,8629 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,356x -,119 n = 542 Lineární y =,8332x +,3293 R 2 =,8629 r =,929*** R 2 =,8629 r =,929*** grubs ABS(rozdíl) (C) 2 2 1 1 y =,998x - 2,733 R 2 =,9854 2 2 1 1 y =,9946x + 3,9547 R 2 =,9854 1 1 2 2 1 1 2 2 Lineární y =,998x - 2,733 n = 54 Lineární y =,9946x + 3,9547 R 2 =,9854 r =,993*** R 2 =,9854 r =,993*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,355x -,1195 R 2 =,8623 3, 3, y =,8328x +,334 R 2 =,8623 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,355x -,1195 n = 54 Lineární y =,8328x +,334 R 2 =,8623 r =,929*** R 2 =,8623 r =,929***

Statistické hodnocení porovnávání hodnot CPM IBC x CPM Klasika P =,5 P =,1 P =,1 11 1,96 2,576 3,29 Laborato 2 LRM Bušthrad n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 83 226,2 589,118 26,4 3 4268 4265 48, 2, 114, 83 284,44 92,427 323,6 1 755 7549 27, 9, 91,5 83 1,7516 56,44,626,48 3,63 3,1 1,6812 1,31 2,569 83 1,538 33,95,7989, 3,88 3,88 1,4314,9542 1,9614 Klasika - IBC 83 58,25 51,85 876,9-1519 5131 665-1, -28,5 1, 81 3,23 ** abs (Klasika - IBC) 83 141,17 494,331 35,2 5131 5131 2, 8, 51, 81 8,9 *** Do tis (A) 731 74,22 131,192 176,8 3 29 26 41, 19, 88, 731 53,8 77,349 145,7 1 49 489 21, 8, 59, 731 1,6169 41,39,4527,4771 3,33 2,8259 3,33 3,33 3,33 731 1,3555 22,67,5897, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC 731-21,14 11,74-481,3-1519 326 1845-11, -28, -3, 729 5,61 *** abs (Klasika - IBC) 731 39,15 96,249 245,8 1519 1519 16, 8, 39, 729 1,99 *** Do 1 tis (A) 751 91,95 23,245 221, 3 2286 2283 43, 19, 92,5 751 73,18 146,61 2,3 1 997 996 22, 9, 69, 751 1,6453 44,19,4828,4771 3,3591 2,882 3,3591 3,3591 3,3591 751 1,3965 24,92,6326, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC 751-18,78 142,394-758,2-1519 714 2233-11, -28,5-2, 749 3,61 *** abs (Klasika - IBC) 751 51,81 133,945 258,5 1519 1519 17, 8, 42, 749 1,59 *** grubs rozdíl (B) 722 79,78 181,799 227,9 3 2446 2443 4,5 18,25 87, 722 64,81 185,56 286,3 1 255 2549 21, 8, 58, 722 1,6133 41,5,4588,4771 3,3885 2,9114 3,3885 3,3885 3,3885 722 1,3513 22,45,618, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 722-14,97 42,5-28,6-199 16 359-11, -28, -3, 72 9,57 *** abs (Klasika - IBC) 722 29,11 33,761 116, 199 199 16, 8, 37, 72 23,15 *** grubs ABS(rozdíl) (C) 718 77,64 177,235 228,3 3 2446 2443 4, 18, 85,75 718 63,65 182,775 287,2 1 255 2549 21, 8, 58, 718 1,682 4,57,4544,4771 3,3885 2,9114 3,3885 3,3885 3,3885 718 1,3483 22,3,63, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 718-14, 4,52-286,1-163 16 323-11, -28, -3, 716 9,36 *** abs (Klasika - IBC) 718 28,22 31,663 112,2 163 163 16, 7,25 36,75 716 23,87 ***

Laborato 2 LRM Bušthrad Pístroj 5 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 518 195,26 518,143 265,4 5 3795 379 46,5 21, 11, 518 248,62 833,253 335,2 1 755 7549 27, 9, 78, 518 1,7331 54,9,5913,7 3,58 2,88 1,6675 1,3222 2,414 518 1,518 31,75,787, 3,88 3,88 1,4314,9542 1,8921 Klasika - IBC 518 53,36 478,251 896,3-1338 5131 6469-1, -28, -,25 516 2,54 * abs (Klasika - IBC) 518 127,74 463,925 363,2 5131 5131 19, 8, 46,75 516 6,26 *** Do tis (A) 476 69,34 18,915 157,1 5 1828 1823 4, 19,75 87,25 476 5,66 72,888 143,9 1 49 489 22, 8, 57, 476 1,6141 41,12,4382,699 3,262 2,563 3,262 3,262 3,262 476 1,3436 22,6,5882, 2,692 2,692 2,692 2,692 2,692 Klasika - IBC 476-18,68 82,251-44,3-1338 315 1653-11, -28,25-3, 474 4,95 *** abs (Klasika - IBC) 476 34,24 77,73 225,1 1338 1338 16, 7, 38, 474 9,68 *** Do 1 tis (A) 488 87,14 194,871 223,6 5 2286 2281 42, 2, 92,25 488 7,24 145,8 26,5 1 997 996 23, 8, 63,75 488 1,6412 43,77,4694,699 3,3591 2,661 3,3591 3,3591 3,3591 488 1,3823 24,12,633, 2,9987 2,9987 2,9987 2,9987 2,9987 Klasika - IBC 488-16,9 134,676-796,9-1338 714 252-11, -28,25-2,75 486 2,77 ** abs (Klasika - IBC) 488 47,52 127,126 267,5 1338 1338 17, 8, 41, 486 8,25 *** grubs rozdíl (B) 47 72,43 153,84 212,4 5 2446 2441 4, 19, 86, 47 58,39 161,878 277,2 1 255 2549 21,5 8, 57, 47 1,687 4,62,449,699 3,3885 2,6895 3,3885 3,3885 3,3885 47 1,341 21,88,5967, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 47-14,4 38,138-271,6-163 136 299-11, -28, -3, 468 7,97 *** abs (Klasika - IBC) 47 27,31 3,77 11,1 163 163 15,5 7, 36,75 468 19,66 *** grubs ABS(rozdíl) (C) 47 75,76 172,422 227,6 5 2446 2441 4, 19, 86, 47 62,39 183,132 293,5 1 255 2549 21,5 8, 57, 47 1,617 4,8,4462,699 3,3885 2,6895 3,3885 3,3885 3,3885 47 1,3437 22,6,633, 3,465 3,465 3,465 3,465 3,465 Klasika - IBC 47-13,38 38,264-286, -149 15 299-11, -27,75-3, 468 7,57 *** abs (Klasika - IBC) 47 27,28 29,958 19,8 15 15 15,5 7, 36,75 468 19,72 ***

Laborato 2 LRM Bušthrad Pístroj 55 n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem (A) 285 282,42 697,443 247, 3 4268 4265 48, 19, 124, 285 349,55 159,186 33, 2 755 7548 25, 11, 11, 285 1,7852 6,98,673,48 3,63 3,1 1,6812 1,2788 2,934 285 1,5837 38,34,8299,3 3,88 3,58 1,3979 1,414 2,414 Klasika - IBC 285 67,13 565,978 843,1-1519 3 6522-1, -29, 3, 283 2, * abs (Klasika - IBC) 285 165,58 545,289 329,3 3 3 22, 9, 6, 283 5,12 *** Do tis (A) 255 83,31 164,785 197,8 3 29 26 43, 17,5 88, 255 57,58 85,19 147,7 2 49 488 2, 9, 72, 255 1,6222 41,9,4793,4771 3,33 2,8259 3,33 3,33 3,33 255 1,3777 23,86,5929,31 2,692 2,3892 2,692 2,692 2,692 Klasika - IBC 255-25,73 13,634-57,7-1519 326 1845-11, -28, -,5 253 3,14 ** abs (Klasika - IBC) 255 48,32 124,4 256,7 1519 1519 17, 8, 42,5 253 6,21 *** Do 1 tis (A) 263 1,88 218,37 216,1 3 29 26 44, 18, 92, 263 78,62 149,58 19,2 2 997 995 21, 9, 73,5 263 1,653 44,98,577,4771 3,33 2,8259 3,33 3,33 3,33 263 1,4227 26,47,6373,31 2,9987 2,6977 2,9987 2,9987 2,9987 Klasika - IBC 263-22,26 155,914-7,4-1519 659 2178-11, -28,5, 261 2,31 * abs (Klasika - IBC) 263 59,76 145,674 243,8 1519 1519 18, 8, 45, 261 6,64 *** grubs rozdíl (B) 246 8,58 186,911 232, 3 1923 192 41, 17, 82, 246 65,3 182,685 279,8 2 184 1838 19,5 9, 62, 246 1,5986 39,68,4692,4771 3,284 2,869 3,284 3,284 3,284 246 1,3518 22,48,5937,31 3,2648 2,9638 3,2648 3,2648 3,2648 Klasika - IBC 246-15,28 4,929-267,9-158 13 288-11, -27,75-1, 244 5,84 *** abs (Klasika - IBC) 246 28,94 32,692 113, 158 158 16, 8, 36, 244 13,86 *** grubs ABS(rozdíl) (C) 236 69,2 171,466 248,4 3 1923 192 38, 16, 77,5 236 56,78 172,721 34,2 2 184 1838 18, 8, 56, 236 1,564 36,64,4412,4771 3,284 2,869 3,284 3,284 3,284 236 1,3159 2,7,5711,31 3,2648 2,9638 3,2648 3,2648 3,2648 Klasika - IBC 236-12,25 32,232-263,1-112 91 23-1, -26, -1, 234 5,83 *** abs (Klasika - IBC) 236 24,38 24,342 99,8 112 112 15,5 7, 32,25 234 15,35 ***

Regresní hodnocení Laborato 2 - LRM Bušthrad - pístroj 5 a 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3446x - 19,748 83,747 r =,861*** y =,558x + 69,5146,747 r =,861*** log Celkem y = 1,185x -,5448 83,8472 r =,92*** y =,7149x +,6572,8472 r =,92*** Do y =,3731x + 25,3848 731,45 r =,633*** y = 1,733x + 17,256,45 r =,633*** log Do y = 1,1165x -,4498 731,7346 r =,857*** y =,658x +,7251,7346 r =,857*** Do 1 y =,5147x + 25,8472 751,592 r =,714*** y =,9893x + 19,558,592 r =,714*** log Do 1 y = 1,1411x -,481 751,7584 r =,871*** y =,6646x +,7172,7584 r =,871*** grubs rozdíl (B) y =,9942x - 14,534 722,9488 r =,974*** y =,9543x + 17,9263,9488 r =,974*** log grubs rozdíl (B) y = 1,1527x -,583 722,7722 r =,879*** y =,6699x +,78,7722 r =,879*** grubs ABS(rozdíl) (C) y = 1,62x - 14,4786 718,952 r =,976*** y =,9461x + 17,4242,952 r =,976*** log grubs ABS(rozdíl) (C) y = 1,1631x -,5222 718,7752 r =,88*** y =,6664x +,796,7752 r =,88*** Laborato 2 - LRM Bušthrad - pístroj 5 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3671x - 18,3244 518,7227 r =,85*** y =,5286x + 63,8361,7227 r =,85*** log Celkem y = 1,2151x -,641 518,847 r =,92*** y =,697x +,6863,847 r =,92*** Do y =,4388x + 2,2348 476,4299 r =,656*** y =,9797x + 19,798,4299 r =,656*** log Do y = 1,1616x -,5314 476,749 r =,865*** y =,6448x +,7478,749 r =,865*** Do 1 y =,5383x + 23,3327 488,5228 r =,723*** y =,9712x + 18,927,5228 r =,723*** log Do 1 y = 1,1793x -,5532 488,7712 r =,878*** y =,654x +,7372,7712 r =,878*** grubs rozdíl (B) y = 1,229x - 15,73 47,945 r =,972*** y =,9238x + 18,495,945 r =,972*** log grubs rozdíl (B) y = 1,1948x -,5821 47,7794 r =,883*** y =,6523x +,7346,7794 r =,883*** grubs ABS(rozdíl) (C) y = 1,394x - 16,3633 47,9577 r =,979*** y =,9214x + 18,283,9577 r =,979*** log grubs ABS(rozdíl) (C) y = 1,199x -,5875 47,7863 r =,887*** y =,6558x +,7295,7863 r =,887*** Laborato 2 - LRM Bušthrad - pístroj 55 / / Rovnice n R 2 Rovnice R 2 Celkem y = 1,3239x - 24,3461 285,76 r =,872*** y =,574x + 81,7678,76 r =,872*** log Celkem y = 1,148x -,4529 285,8491 r =,921*** y =,7443x +,666,8491 r =,921*** Do y =,3189x + 31,144 255,382 r =,618*** y = 1,1979x + 14,3395,382 r =,618*** log Do y = 1,453x -,318 255,714 r =,845*** y =,6831x +,6811,714 r =,845*** Do 1 y =,4794x + 3,2565 263,4888 r =,699*** y = 1,196x + 2,7137,4888 r =,699*** log Do 1 y = 1,795x -,3617 263,7395 r =,86*** y =,685x +,6784,7395 r =,86*** grubs rozdíl (B) y =,9537x - 11,547 246,9521 r =,976*** y =,9983x + 15,3912,9521 r =,976*** log grubs rozdíl (B) y = 1,146x -,4141 246,762 r =,873*** y =,6898x +,6661,762 r =,873*** grubs ABS(rozdíl) (C) y =,9897x - 11,5333 236,9653 r =,982*** y =,9753x + 13,6454,9653 r =,982*** log grubs ABS(rozdíl) (C) y = 1,1222x -,4393 236,7518 r =,867*** y =,6699x +,6825,7518 r =,867***

Grafické hodnocení porovnávání hodnot CPM IBC x CPM Klasika Laborato 2 - LRM Bušthrad - pístroj 5 a 55 Celkem 8 7 6 4 3 2 1 y = 1,3446x - 19,75 R 2 =,747-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,558x + 69,515 R 2 =,747 2 4 6 8 Lineární y = 1,3446x - 19,748 n = 83 Lineární y =,558x + 69,5146 R 2 =,747 r =,861*** R 2 =,747 r =,861*** log Celkem 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,185x -,5448 R 2 =,8472,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7149x +,6572 R 2 =,8472,, 1, 2, 3, 4, 5, Lineární y = 1,185x -,5448 n = 83 Lineární y =,7149x +,6572 R 2 =,8472 r =,92*** R 2 =,8472 r =,92*** Do 9 8 7 6 4 3 2 1 y =,3731x + 25,385 R 2 =,45 1 1 2 2 2 2 1 1 y = 1,733x + 17,251 R 2 =,45 2 4 6 Lineární y =,3731x + 25,3848 n = 731 Lineární y = 1,733x + 17,256 R 2 =,45 r =,633*** R 2 =,45 r =,633***

log Do 3, 3, y = 1,1165x -,4498 R 2 =,7346 3, 3, y =,658x +,7251 R 2 =,7346 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,1165x -,4498 n = 731 Lineární y =,658x +,7251 Do 1 R 2 =,7346 r =,857*** R 2 =,7346 r =,857*** 14 12 1 8 6 4 2 y =,5147x + 25,847 R 2 =,592 1 1 2 2 2 2 1 1 y =,9893x + 19,558 R 2 =,592 1 1 Lineární y =,5147x + 25,8472 n = 751 Lineární y =,9893x + 19,558 R 2 =,592 r =,714*** R 2 =,592 r =,714*** log Do 1 4, 3, 3, 2, 2, 1, 1,, y = 1,1411x -,481 R 2 =,7584,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6646x +,7172 R 2 =,7584,, 1, 2, 3, 4, Lineární y = 1,1411x -,481 n = 751 Lineární y =,6646x +,7172 R 2 =,7584 r =,871*** R 2 =,7584 r =,871*** grubs rozdíl (B) 3 2 2 1 1 y =,9942x - 14,53 R 2 =,9488-1 2 3 8 7 6 4 3 2 1 y =,9543x + 17,926 R 2 =,9488 2 4 6 8 Lineární y =,9942x - 14,534 n = 722 Lineární y =,9543x + 17,9263 R 2 =,9488 r =,974*** R 2 =,9488 r =,974***

log grubs rozdíl (B) 4, 3, 3, 2, 2, 1, 1,, y = 1,1527x -,583 R 2 =,7722,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6699x +,78 R 2 =,7722,, 1, 2, 3, 4, Lineární y = 1,1527x -,583 n = 722 Lineární y =,6699x +,78 R 2 =,7722 r =,879*** R 2 =,7722 r =,879*** grubs ABS(rozdíl) (C) 3 2 2 1 1 y = 1,62x - 14,479 R 2 =,952-1 2 3 3 2 2 1 1 y =,9461x + 17,424 R 2 =,952 1 2 3 Lineární y = 1,62x - 14,4786 n = 718 Lineární y =,9461x + 17,4242 R 2 =,952 r =,976*** R 2 =,952 r =,976*** log grubs ABS(rozdíl) (C) 4, 3, 3, 2, 2, 1, 1,, y = 1,1631x -,5222 R 2 =,7752,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6664x +,796 R 2 =,7752,, 1, 2, 3, 4, Lineární y = 1,1631x -,5222 n = 718 Lineární y =,6664x +,796 R 2 =,7752 r =,88*** R 2 =,7752 r =,88***

Laborato 2 - LRM Bušthrad - pístroj 5 Celkem 8 7 6 4 3 2 1 y = 1,3671x - 18,324 R 2 =,7227-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,5286x + 63,836 R 2 =,7227 2 4 6 8 Lineární y = 1,3671x - 18,3244 n = 518 Lineární y =,5286x + 63,8361 log Celkem R 2 =,7227 r =,85*** R 2 =,7227 r =,85*** 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,2151x -,641 R 2 =,847,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,697x +,6863 R 2 =,847,, 1, 2, 3, 4, 5, Lineární y = 1,2151x -,641 n = 518 Lineární y =,697x +,6863 R 2 =,847 r =,92*** R 2 =,847 r =,92*** Do 9 8 7 6 4 3 2 1 y =,4388x + 2,235 R 2 =,4299 1 1 2 2 18 16 14 12 1 8 6 4 2 y =,9797x + 19,71 R 2 =,4299 2 4 6 Lineární y =,4388x + 2,2348 n = 476 Lineární y =,9797x + 19,798 R 2 =,4299 r =,656*** R 2 =,4299 r =,656***

log Do 3, 3, 2, 2, 1, 1,, y = 1,1616x -,5314 R 2 =,749,, 1, 2, 3, 4, 3, 3, 2, 2, 1, 1,, y =,6448x +,7478 R 2 =,749,, 1, 2, 3, Lineární y = 1,1616x -,5314 n = 476 Lineární y =,6448x +,7478 Do 1 R 2 =,749 r =,865*** R 2 =,749 r =,865*** 14 12 1 8 6 4 2 y =,5383x + 23,333 R 2 =,5228 1 1 2 2 2 2 1 1 y =,9712x + 18,921 R 2 =,5228 1 1 Lineární y =,5383x + 23,3327 n = 488 Lineární y =,9712x + 18,927 R 2 =,5228 r =,723*** R 2 =,5228 r =,723*** log Do 1 4, 3, 3, 2, 2, 1, 1,, y = 1,1793x -,5532 R 2 =,7712,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,654x +,7372 R 2 =,7712,, 1, 2, 3, 4, Lineární y = 1,1793x -,5532 n = 488 Lineární y =,654x +,7372 R 2 =,7712 r =,878*** R 2 =,7712 r =,878*** grubs rozdíl (B) 3 2 2 1 1 y = 1,229x - 15,7 R 2 =,945-1 2 3 3 2 2 1 1 y =,9238x + 18,491 R 2 =,945 1 2 3 Lineární y = 1,229x - 15,73 n = 47 Lineární y =,9238x + 18,495 R 2 =,945 r =,972*** R 2 =,945 r =,972***

log grubs rozdíl (B) 4, 3, 3, 2, 2, 1, 1,, y = 1,1948x -,5821 R 2 =,7794,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6523x +,7346 R 2 =,7794,, 1, 2, 3, 4, Lineární y = 1,1948x -,5821 n = 47 Lineární y =,6523x +,7346 R 2 =,7794 r =,883*** R 2 =,7794 r =,883*** grubs ABS(rozdíl) (C) 3 2 2 1 1 y = 1,394x - 16,363 R 2 =,9577-1 2 3 3 2 2 1 1 y =,9214x + 18,28 R 2 =,9577 1 2 3 Lineární y = 1,394x - 16,3633 n = 47 Lineární y =,9214x + 18,283 R 2 =,9577 r =,979*** R 2 =,9577 r =,979*** log grubs ABS(rozdíl) (C) 4, 3, 3, 2, 2, 1, 1,, y = 1,199x -,5875 R 2 =,7863,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,6558x +,7295 R 2 =,7863,, 1, 2, 3, 4, Lineární y = 1,199x -,5875 n = 47 Lineární y =,6558x +,7295 R 2 =,7863 r =,887*** R 2 =,7863 r =,887***

Laborato 2 - LRM Bušthrad - pístroj 55 Celkem 8 7 6 4 3 2 1 y = 1,3239x - 24,346 R 2 =,76-1 1 2 3 4 4 4 3 3 2 2 1 1 y =,574x + 81,768 R 2 =,76 2 4 6 8 Lineární y = 1,3239x - 24,3461 n = 285 Lineární y =,574x + 81,7678 log Celkem R 2 =,76 r =,872*** R 2 =,76 r =,872*** 4, 4, 3, 3, 2, 2, 1, 1,, y = 1,148x -,4529 R 2 =,8491,, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7443x +,666 R 2 =,8491,, 1, 2, 3, 4, 5, Lineární y = 1,148x -,4529 n = 285 Lineární y =,7443x +,666 R 2 =,8491 r =,921*** R 2 =,8491 r =,921*** Do 8 7 6 4 3 2 1 y =,3189x + 31,14 R 2 =,382 1 1 2 2 2 2 1 1 y = 1,1979x + 14,339 R 2 =,382 2 4 6 Lineární y =,3189x + 31,144 n = 255 Lineární y = 1,1979x + 14,3395 R 2 =,382 r =,618*** R 2 =,382 r =,618***

log Do 3, 3, y = 1,453x -,318 R 2 =,714 3, 3, y =,6831x +,6811 R 2 =,714 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, Lineární y = 1,453x -,318 n = 255 Lineární y =,6831x +,6811 R 2 =,714 r =,845*** R 2 =,714 r =,845*** Do 1 12 1 8 6 4 2 y =,4794x + 3,256 R 2 =,4888 1 1 2 2 2 2 1 1 y = 1,196x + 2,714 R 2 =,4888 1 1 Lineární y =,4794x + 3,2565 n = 263 Lineární y = 1,196x + 2,7137 log Do 1 R 2 =,4888 r =,699*** R 2 =,4888 r =,699*** 3, 3, y = 1,795x -,3617 R 2 =,7395 3, 3, y =,685x +,6784 R 2 =,7395 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,795x -,3617 n = 263 Lineární y =,685x +,6784 R 2 =,7395 r =,86*** R 2 =,7395 r =,86***

grubs rozdíl (B) 2 1 1 - y =,9537x - 11,547 R 2 =,9521 1 1 2 2 2 2 1 1 y =,9983x + 15,391 R 2 =,9521 1 1 2 Lineární y =,9537x - 11,547 n = 246 Lineární y =,9983x + 15,3912 log grubs rozdíl (B) R 2 =,9521 r =,976*** R 2 =,9521 r =,976*** 3, 3, y = 1,146x -,4141 R 2 =,762 3, 3, y =,6898x +,6661 R 2 =,762 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,146x -,4141 n = 246 Lineární y =,6898x +,6661 R 2 =,762 r =,873*** R 2 =,762 r =,873*** grubs ABS(rozdíl) (C) 2 1 1 - y =,9897x - 11,533 R 2 =,9653 1 1 2 2 2 2 1 1 y =,9753x + 13,645 R 2 =,9653 1 1 2 Lineární y =,9897x - 11,5333 n = 236 Lineární y =,9753x + 13,6454 R 2 =,9653 r =,982*** R 2 =,9653 r =,982*** log grubs ABS(rozdíl) (C) 3, 3, y = 1,1222x -,4393 R 2 =,7518 3, 3, y =,6699x +,6825 R 2 =,7518 2, 2, 1, 1,,,, 1, 2, 3, 4, 2, 2, 1, 1,,,, 1, 2, 3, 4, Lineární y = 1,1222x -,4393 n = 236 Lineární y =,6699x +,6825 R 2 =,7518 r =,867*** R 2 =,7518 r =,867***

Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,3x + 2,1962 1651,9978 r =,999*** y = 319,5779x - 63373,5182 1651,9978 r =,999*** do (A1) y =,3x + 12,7829 1543,9919 r =,996*** y = 2857,636x - 35172,2562 1543,9919 r =,996*** grubs rozdíl (B) y =,3x + 15,9414 1551,9959 r =,998*** y = 347,421x - 47658,7255 1551,9959 r =,998*** grubs rozdíl (B1) y =,4x + 7,128 1517,9971 r =,999*** y = 2582,9717x - 17987,3237 1517,9971 r =,999*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,4x + 1,641 1651,7597 r =,872*** y = 1888,164x + 11329,7352 1651,7597 r =,872*** do (A1) y =,2x + 29,678 1543,4444 r =,667*** y = 2788,1224x + 12553,2977 1543,4444 r =,667*** grubs rozdíl (B) y =,3x + 5,8243 1551,972 r =,985*** y = 2993,6717x - 1767,1686 1551,972 r =,985*** grubs rozdíl (B1) y =,3x + 1,9336 1517,7763 r =,881*** y = 2227,129x + 28484,4234 1517,7763 r =,881*** IBC impulsy / log IBC impulsy log IBC impulsy / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,29x + 4,9383 1651,5145 r =,717*** y = 1796238,3319x - 8635793,2964 1651,5145 r =,717*** do (A1) y =,94x + 4,8143 1543,4319 r =,657*** y = 459547,7422x - 2116716,7196 1543,4319 r =,657*** grubs rozdíl (B) y =,48x + 4,8826 1551,3898 r =,624*** y = 815238,4551x - 3843842,3141 1551,3898 r =,624*** grubs rozdíl (B1) y =,23x + 4,6588 1517,6793 r =,824*** y = 334987,2953x - 1513653,477 1517,6793 r =,824*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,26x + 1,6114 1651,598 r =,714*** y = 195434,9535x - 2912289,855 1651,598 r =,714*** do (A1) y =,86x + 1,4979 1543,4278 r =,654*** y = 497728,524x - 649147,4596 1543,4278 r =,654*** grubs rozdíl (B) y =,44x + 1,565 1551,3854 r =,621*** y = 88335,5542x - 124714,519 1551,3854 r =,621*** grubs rozdíl (B1) y =,186x + 1,3552 1517,6743 r =,821*** y = 36296,8616x - 44474,5382 1517,6743 r =,821*** IBC impulsy / / IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,29x + 1,435 1651,4232 r =,651*** y = 1439535,724x - 17873,2473 1651,4232 r =,651*** do (A1) y =,83x + 1,3222 1543,2469 r =,497*** y = 298294,1839x - 267544,4259 1543,2469 r =,497*** grubs rozdíl (B) y =,48x + 1,3752 1551,2974 r =,545*** y = 61329,235x - 68593,752 1551,2974 r =,545*** grubs rozdíl (B1) y =,26x + 1,147 1517,4891 r =,699*** y = 23772,3447x - 19728,164 1517,4891 r =,699*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,2853x - 24,1398 1651,7599 r =,872*** y =,5913x + 55,3948 1651,7599 r =,872*** do (A1) y =,483x + 21,4991 1543,4957 r =,74*** y = 1,264x + 13,8671 1543,4957 r =,74*** grubs rozdíl (B) y =,9895x - 9,7852 1551,9698 r =,985*** y =,981x + 12,281 1551,9698 r =,985*** grubs rozdíl (B1) y =,913x - 4,3999 1517,7758 r =,881*** y =,867x + 18,73 1517,7758 r =,881***

/ log IBC impulsy log IBC impulsy / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9x + 4,9144 1651,5519 r =,743*** y = 582,4526x - 2785,6379 1651,5519 r =,743*** do (A1) y =,29x + 4,7639 1543,598 r =,714*** y = 173,999x - 793,9794 1543,598 r =,714*** grubs rozdíl (B) y =,16x + 4,858 1551,4442 r =,666*** y = 284,9753x - 1332,8136 1551,4442 r =,666*** grubs rozdíl (B1) y =,54x + 4,611 1517,7243 r =,851*** y = 133,7147x - 598,9919 1517,7243 r =,851*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9x + 1,5896 1651,5471 r =,74*** y = 633,8334x - 929,9394 1651,5471 r =,74*** do (A1) y =,27x + 1,4517 1543,554 r =,711*** y = 188,54x - 238,4512 1543,554 r =,711*** grubs rozdíl (B) y =,14x + 1,5314 1551,4395 r =,663*** y = 38,8969x - 423,747 1551,4395 r =,663*** grubs rozdíl (B1) y =,5x + 1,3113 1517,7193 r =,848*** y = 144,975x - 172,1338 1517,7193 r =,848*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,1x + 1,415 1651,4537 r =,674*** y = 466,645x - 564,683 1651,4537 r =,674*** do (A1) y =,26x + 1,275 1543,33 r =,548*** y = 114,6683x - 96,3467 1543,33 r =,548*** grubs rozdíl (B) y =,16x + 1,3428 1551,3394 r =,583*** y = 214,5288x - 229,1915 1551,3394 r =,583*** grubs rozdíl (B1) y =,55x + 1,981 1517,522 r =,722*** y = 94,6846x - 73,5214 1517,522 r =,722*** / log IBC impulsy log IBC impulsy / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,5x + 4,9693 1651,412 r =,633*** y = 732,1785x - 3521,174 1651,412 r =,633*** do (A1) y =,43x + 4,7314 1543,524 r =,721*** y = 12,5944x - 543,7581 1543,524 r =,721*** grubs rozdíl (B) y =,15x + 4,8739 1551,427 r =,635*** y = 272,6255x - 1281,9143 1551,427 r =,635*** grubs rozdíl (B1) y =,46x + 4,7132 1517,5424 r =,736*** y = 118,417x - 533,8312 1517,5424 r =,736*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,5x + 1,6396 1651,3976 r =,631*** y = 796,617x - 1188,299 1651,3976 r =,631*** do (A1) y =,4x + 1,4217 1543,517 r =,719*** y = 13,8138x - 158,9676 1543,517 r =,719*** grubs rozdíl (B) y =,13x + 1,5525 1551,3982 r =,631*** y = 295,4394x - 411,4823 1551,3982 r =,631*** grubs rozdíl (B1) y =,42x + 1,45 1517,5384 r =,734*** y = 128,2952x - 155,7836 1517,5384 r =,734*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,6x + 1,4546 1651,469 r =,638*** y = 651,5455x - 831,4662 1651,469 r =,638*** do (A1) y =,55x + 1,1549 1543,621 r =,787*** y = 113,342x - 19,2991 1543,621 r =,787*** grubs rozdíl (B) y =,16x + 1,3557 1551,3655 r =,65*** y = 223,73x - 253,5274 1551,3655 r =,65*** grubs rozdíl (B1) y =,59x + 1,1371 1517,6236 r =,79*** y = 15,933x - 1,4681 1517,6236 r =,79***

log IBC impulsy / / log IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y =,9149x - 2,971 1651,9998 r = 1*** y = 1,929x + 3,1779 1651,9998 r = 1*** do (A1) y =,9188x - 2,926 1543,9997 r = 1*** y = 1,881x + 3,1852 1543,9997 r = 1*** grubs rozdíl (B) y =,9175x - 2,921 1551,9998 r = 1*** y = 1,896x + 3,1829 1551,9998 r = 1*** grubs rozdíl (B1) y =,9195x - 2,9295 1517,9997 r = 1*** y = 1,873x + 3,1865 1517,9997 r = 1*** log IBC impulsy / / log IBC impulsy x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,35x - 3,6547 1651,8292 r =,911*** y =,847x + 3,877 1651,8292 r =,911*** do (A1) y =,9885x - 3,454 1543,724 r =,849*** y =,7288x + 3,975 1543,724 r =,849*** grubs rozdíl (B) y = 1,28x - 3,6457 1551,7839 r =,885*** y =,7626x + 3,8582 1551,7839 r =,885*** grubs rozdíl (B1) y = 1,32x - 3,6565 1517,7383 r =,859*** y =,7167x + 3,9174 1517,7383 r =,859*** / / x/y Rovnice n = R 2 = Rovnice n = R 2 = Celkem y = 1,1264x -,38 1651,8293 r =,911*** y =,7363x +,5763 1651,8293 r =,911*** do (A1) y = 1,763x -,363 1543,721 r =,849*** y =,6699x +,6635 1543,721 r =,849*** grubs rozdíl (B) y = 1,123x -,3739 1551,784 r =,885*** y =,6998x +,6198 1551,784 r =,885*** grubs rozdíl (B1) y = 1,123x -,374 1517,7384 r =,859*** y =,6591x +,6723 1517,7384 r =,859***

Grafické hodnocení stanovení CMP Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 4 3 2 1 y =,3x + 2,196 R 2 =,9978 5 1 15 2 IBC impulsy IBC impulsy 16 14 12 1 8 6 4 2 y = 319,6x - 63374 R 2 =,9978-2 1 2 3 4 Lineární y =,3x + 2,1962 n = 1651 y = 319,5779x - 63373,5182 n = 1651 R 2 =,9978 r =,999*** R 2 =,9978 r =,999*** 8 7 6 4 3 2 1 y =,4x + 1,641 R 2 =,7597 5 1 15 2 IBC impulsy IBC impulsy 16 14 12 1 8 6 4 2 y = 1888,2x + 1133 R 2 =,7597 2 4 6 8 Lineární y =,4x + 1,641 n = 1651 y = 1888,164x + 11329,7352 n = 1651 R 2 =,7597 r =,872*** R 2 =,7597 r =,872*** log IBC impulsy 1, 8, 6, 4, 2, y = 3E-7x + 4,9383 R 2 =,5145, 5 1 15 2 IBC impulsy IBC impulsy 2 15 1 5 y = 2E+6x - 9E+6 R 2 =,5145, 2, 4, 6, 8, -5 log IBC impulsy Lineární y =,29x + 4,9383 n = 1651 y = 1796238,3319x - 8635793,2964 n = 1651 R 2 =,5145 r =,717*** R 2 =,5145 r =,717*** 6, 5, 4, 3, 2, 1, y = 3E-7x + 1,6114 R 2 =,598, 5 1 15 2 IBC impulsy IBC impulsy 16 14 y = 2E+6x - 3E+6 R 2 =,598 12 1 8 6 4 2-2, 1, 2, 3, 4, -4 Lineární y =,26x + 1,6114 n = 1651 y = 195434,9535x - 2912289,855 n = 1651 R 2 =,598 r =,714*** R 2 =,598 r =,714***

6, 5, 4, 3, 2, 1, y = 3E-7x + 1,435 R 2 =,4232, 5 1 15 2 IBC impulsy IBC impulsy 16 14 y = 1E+6x - 2E+6 R 2 =,4232 12 1 8 6 4 2-2, 1, 2, 3, 4, 5, -4 Lineární y =,29x + 1,435 n = 1651 y = 1439535,724x - 17873,2473 n = 1651 R 2 =,4232 r =,651*** R 2 =,4232 r =,651*** 8 7 6 4 3 2 1-1 y = 1,2853x - 24,14 R 2 =,7599 1 2 3 4 4 3 2 1 y =,5913x + 55,395 R 2 =,7599 2 4 6 8 Lineární y = 1,2853x - 24,1398 n = 1651 y =,5913x + 55,3948 n = 1651 R 2 =,7599 r =,872*** R 2 =,7599 r =,872*** log IBC impulsy 1, 8, 6, 4, 2, y =,9x + 4,9144 R 2 =,5519, 1 2 3 4 4 3 2 1 y = 582,45x - 2785,6 R 2 =,5519, -1 2, 4, 6, 8, log IBC impulsy Lineární y =,9x + 4,9144 n = 1651 y = 582,4526x - 2785,6379 n = 1651 R 2 =,5519 r =,743*** R 2 =,5519 r =,743*** 6, 5, 4, 3, 2, 1, y =,9x + 1,5896 R 2 =,5471, 1 2 3 4 4 3 2 1 y = 633,83x - 929,94 R 2 =,5471, -1 1, 2, 3, 4, Lineární y =,9x + 1,5896 n = 1651 y = 633,8334x - 929,9394 n = 1651 R 2 =,5471 r =,74*** R 2 =,5471 r =,74***

6, 5, 4, 3, 2, 1, y =,1x + 1,415 R 2 =,4537, 1 2 3 4 4 3 2 1 y = 466,65x - 564,61 R 2 =,4537, -1 1, 2, 3, 4, 5, Lineární y =,1x + 1,415 n = 1651 y = 466,645x - 564,683 n = 1651 R 2 =,4537 r =,674*** R 2 =,4537 r =,674*** log IBC impulsy 1, 8, 6, 4, 2, y =,5x + 4,9693 R 2 =,412, 2 4 6 8 8 6 4 2 y = 732,18x - 3521 R 2 =,412, 2, 4, 6, 8, -2 log IBC impulsy Lineární y =,5x + 4,9693 n = 1651 y = 732,1785x - 3521,174 n = 1651 R 2 =,412 r =,633*** R 2 =,412 r =,633*** 6, 5, 4, 3, 2, 1, y =,5x + 1,6396 R 2 =,3976, 2 4 6 8 8 6 4 2 y = 796,62x - 1188 R 2 =,3976, 1, 2, 3, 4, -2 Lineární y =,5x + 1,6396 n = 1651 y = 796,617x - 1188,299 n = 1651 R 2 =,3976 r =,631*** R 2 =,3976 r =,631*** 7, 6, 5, 4, 3, 2, 1, y =,6x + 1,4546 R 2 =,469, 2 4 6 8 8 6 4 2 y = 651,55x - 831,47 R 2 =,469, 1, 2, 3, 4, 5, -2 Lineární y =,6x + 1,4546 n = 1651 y = 651,5455x - 831,4662 n = 1651 R 2 =,469 r =,638*** R 2 =,469 r =,638***

4, 3, y =,9149x - 2,971 R 2 =,9998 8, 7, y = 1,929x + 3,1779 R 2 =,9998 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9149x - 2,971 n = 1651 y = 1,929x + 3,1779 n = 1651 R 2 =,9998 r = 1*** R 2 =,9998 r = 1*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 1,35x - 3,6547 R 2 =,8292, 2, 4, 6, 8, log IBC impulsy log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,847x + 3,877 R 2 =,8292,, 1, 2, 3, 4, 5, Lineární y = 1,35x - 3,6547 n = 1651 Lineární y =,847x + 3,877 n = 1651 R 2 =,8292 r =,911*** R 2 =,8292 r =,911*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 1,1264x -,38 R 2 =,8293, 1, 2, 3, 4, 4, 3, 3, 2, 2, 1, 1,, y =,7363x +,5763 R 2 =,8293,, 1, 2, 3, 4, 5, Lineární y = 1,1264x -,38 n = 1651 y =,7363x +,5763 n = 1651 R 2 =,8293 r =,911*** R 2 =,8293 r =,911***

Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 2 2 1 1 y =,3x + 12,783 R 2 =,9919 IBC impulsy 7 6 5 4 3 2 1 y = 2857,6x - 35172 R 2 =,9919 2 4 6 8-1 1 1 2 2 IBC impulsy Lineární y =,3x + 12,7829 n = 1543 y = 2857,636x - 35172,2562 n = 1543 R 2 =,9919 r =,996*** R 2 =,9919 r =,996*** 12 1 8 6 4 2 y =,2x + 29,68 R 2 =,4444 IBC impulsy 7 6 5 4 3 2 1 y = 2788,1x + 12553 R 2 =,4444 2 4 6 8 1 2 3 4 6 IBC impulsy Lineární y =,2x + 29,678 n = 1543 y = 2788,1224x + 12553,2977 n = 1543 R 2 =,4444 r =,667*** R 2 =,4444 r =,667*** log IBC impulsy 12, 1, 8, 6, 4, 2, y = 9E-7x + 4,8143 R 2 =,4319 IBC impulsy 7 6 5 4 3 2 1 y = 459548x - 2E+6 R 2 =,4319, 2 4 6 8 IBC impulsy -1, 2, 4, 6, 8, log IBC impulsy Lineární y =,94x + 4,8143 n = 1543 y = 459547,7422x - 2116716,7196 n = 1543 R 2 =,4319 r =,657*** R 2 =,4319 r =,657*** 8, 7, 6, 5, 4, 3, 2, 1, y = 9E-7x + 1,4979 R 2 =,4278, 2 4 6 8 IBC impulsy 7 6 5 4 3 2 1 y = 497729x - 649147 R 2 =,4278-1, 1, 2, 3, 4, IBC impulsy Lineární y =,86x + 1,4979 n = 1543 y = 497728,524x - 649147,4596 n = 1543 R 2 =,4278 r =,654*** R 2 =,4278 r =,654***

7, 6, 5, 4, 3, 2, 1, y = 8E-7x + 1,3222 R 2 =,2469, 2 4 6 8 IBC impulsy IBC impulsy 7 6 5 4 3 2 1 y = 298294x - 267544 R 2 =,2469-1,, 1, 1, 2, 2, 3, Lineární y =,83x + 1,3222 n = 1543 y = 298294,1839x - 267544,4259 n = 1543 R 2 =,2469 r =,497*** R 2 =,2469 r =,497*** 12 1 8 6 4 2 y =,483x + 21,499 R 2 =,4957 1 1 2 2 2 2 1 1 y = 1,264x + 13,867 R 2 =,4957 1 2 3 4 6 Lineární y =,483x + 21,4991 n = 1543 y = 1,264x + 13,8671 n = 1543 R 2 =,4957 r =,74*** R 2 =,4957 r =,74*** log IBC impulsy 12, 1, 8, 6, 4, 2, y =,29x + 4,7639 R 2 =,598, 1 1 2 2 2 2 1 1 y = 174x - 793,98 R 2 =,598, - 2, 4, 6, 8, log IBC impulsy Lineární y =,29x + 4,7639 n = 1543 Lineární y = 173,999x - 793,9794 n = 1543 R 2 =,598 r =,714*** R 2 =,598 r =,714*** 8, 7, 6, 5, 4, 3, 2, 1, y =,27x + 1,4517 R 2 =,554, 1 1 2 2 2 2 1 1 y = 188,54x - 238,45 R 2 =,554, - 1, 2, 3, 4, Lineární y =,27x + 1,4517 n = 1543 y = 188,54x - 238,4512 n = 1543 R 2 =,554 r =,711*** R 2 =,554 r =,711***

7, 6, 5, 4, 3, 2, 1, y =,26x + 1,275 R 2 =,33, 1 1 2 2 2 2 1 1 y = 114,67x - 96,347 R 2 =,33, -, 1, 1, 2, 2, 3, Lineární y =,26x + 1,275 n = 1543 y = 114,6683x - 96,3467 n = 1543 R 2 =,33 r =,548*** R 2 =,33 r =,548*** log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,43x + 4,7314 R 2 =,524, 1 2 3 4 6 6 4 3 2 1-2 y = 12,59x - 543,76 R 2 =,524-1, 2, 4, 6, 8, log IBC impulsy Lineární y =,43x + 4,7314 n = 1543 y = 12,5944x - 543,7581 n = 1543 R 2 =,524 r =,721*** R 2 =,524 r =,721*** 4, 3, 3, 2, 2, 1, 1,, y =,4x + 1,4217 R 2 =,517, 1 2 3 4 6 6 4 3 2 1-2 y = 13,81x - 158,97 R 2 =,517-1, 1, 2, 3, 4, Lineární y =,4x + 1,4217 n = 1543 y = 13,8138x - 158,9676 n = 1543 R 2 =,517 r =,719*** R 2 =,517 r =,719*** 4, 4, 3, 3, 2, 2, 1, 1,,, y =,55x + 1,1549 R 2 =,621 1 2 3 4 6 6 4 3 2 1-2 y = 113,3x - 19,3 R 2 =,621-1,, 1, 1, 2, 2, 3, Lineární y =,55x + 1,1549 n = 1543 y = 113,342x - 19,2991 n = 1543 R 2 =,621 r =,787*** R 2 =,621 r =,787***

3, 3, 2, 2, 1, 1,, y =,9188x - 2,926 R 2 =,9997 log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y = 1,881x + 3,1852 R 2 =,9997,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9188x - 2,926 n = 1543 y = 1,881x + 3,1852 n = 1543 R 2 =,9997 r = 1*** R 2 =,9997 r = 1*** 3, 3, 2, 2, 1, 1,, y =,9885x - 3,454 R 2 =,724 log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,7288x + 3,975 R 2 =,724,,, 2, 4, 6, 8,,, 1, 1, 2, 2, 3, log IBC impulsy Lineární y =,9885x - 3,454 n = 1543 y =,7288x + 3,975 n = 1543 R 2 =,724 r =,849*** R 2 =,724 r =,849*** 3, 3, y = 1,763x -,363 R 2 =,721 3, 3, y =,6699x +,6635 R 2 =,721 2, 2, 1, 1,, 2, 2, 1, 1,,,, 1, 2, 3, 4,,,, 1, 1, 2, 2, 3, Lineární y = 1,763x -,363 n = 1543 y =,6699x +,6635 n = 1543 R 2 =,721 r =,849*** R 2 =,721 r =,849***

Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a 55 3 3 2 2 1 1 y =,3x + 15,941 R 2 =,9959 2 4 6 8 1 IBC impulsy IBC impulsy 1 8 6 4 2 y = 347,4x - 47659 R 2 =,9959-2 1 2 3 4 Lineární y =,3x + 15,9414 n = 1551 y = 347,421x - 47658,7255 n = 1551 R 2 =,9959 r =,998*** R 2 =,9959 r =,998*** 3 3 2 2 1 1 y =,3x + 5,8243 R 2 =,972 2 4 6 8 1 IBC impulsy IBC impulsy 1 8 6 4 2 y = 2993,7x - 1767 R 2 =,972-2 1 2 3 4 Lineární y =,3x + 5,8243 n = 1551 y = 2993,6717x - 1767,1686 n = 1551 R 2 =,972 r =,985*** R 2 =,972 r =,985*** log IBC impulsy 1, 8, 6, 4, 2,, y = 5E-7x + 4,8826 R 2 =,3898 2 4 6 8 1 IBC impulsy IBC impulsy 1 8 6 4 2 y = 815238x - 4E+6 R 2 =,3898, -2 2, 4, 6, 8, log IBC impulsy Lineární y =,48x + 4,8826 n = 1551 y = 815238,4551x - 3843842,3141 n = 1551 R 2 =,3898 r =,624*** R 2 =,3898 r =,624*** 6, 5, 4, 3, 2, 1,, y = 4E-7x + 1,565 R 2 =,3854 2 4 6 8 1 IBC impulsy IBC impulsy 1 8 6 4 2 y = 88336x - 1E+6 R 2 =,3854, -2 1, 2, 3, 4, Lineární y =,44x + 1,565 n = 1551 y = 88335,5542x - 124714,519 n = 1551 R 2 =,3854 r =,621*** R 2 =,3854 r =,621***

7, 6, 5, 4, 3, 2, 1,, y = 5E-7x + 1,3752 R 2 =,2974 2 4 6 8 1 IBC impulsy IBC impulsy 1 8 6 4 2 y = 61329x - 685931 R 2 =,2974, -2 1, 2, 3, 4, Lineární y =,48x + 1,3752 n = 1551 y = 61329,235x - 68593,752 n = 1551 R 2 =,2974 r =,545*** R 2 =,2974 r =,545*** 3 3 2 2 1 1 y =,9895x - 9,7852 R 2 =,9698-1 2 3 4 3 3 2 2 1 1 y =,981x + 12,28 R 2 =,9698 1 2 3 4 Lineární y =,9895x - 9,7852 n = 1551 y =,981x + 12,281 n = 1551 R 2 =,9698 r =,985*** R 2 =,9698 r =,985*** log IBC impulsy 1, 8, 6, 4, 2, y =,16x + 4,858 R 2 =,4442, 1 2 3 4 3 3 2 2 1 1 y = 284,98x - 1332,8 R 2 =,4442 -, 2, 4, 6, 8, log IBC impulsy Lineární y =,16x + 4,858 n = 1551 y = 284,9753x - 1332,8136 n = 1551 R 2 =,4442 r =,666*** R 2 =,4442 r =,666*** 6, 5, 4, 3, 2, 1, y =,14x + 1,5314 R 2 =,4395, 1 2 3 4 3 3 2 2 1 1 y = 38,9x - 423,7 R 2 =,4395 -, 1, 2, 3, 4, Lineární y =,14x + 1,5314 n = 1551 y = 38,8969x - 423,747 n = 1551 R 2 =,4395 r =,663*** R 2 =,4395 r =,663***

7, 6, 5, 4, 3, 2, 1, y =,16x + 1,3428 R 2 =,3394, 1 2 3 4 3 3 2 2 1 1 y = 214,53x - 229,19 R 2 =,3394 -, 1, 2, 3, 4, Lineární y =,16x + 1,3428 n = 1551 y = 214,5288x - 229,1915 n = 1551 R 2 =,3394 r =,583*** R 2 =,3394 r =,583*** log IBC impulsy 1, 8, 6, 4, 2, y =,15x + 4,8739 R 2 =,427, 1 2 3 4 3 3 2 2 1 1 y = 272,63x - 1281,9 R 2 =,427 -, 2, 4, 6, 8, log IBC impulsy Lineární y =,15x + 4,8739 n = 1551 y = 272,6255x - 1281,9143 n = 1551 R 2 =,427 r =,635*** R 2 =,427 r =,635*** 6, 5, 4, 3, 2, 1, y =,13x + 1,5525 R 2 =,3982, 1 2 3 4 3 3 2 2 1 1 y = 295,44x - 411,48 R 2 =,3982 -, 1, 2, 3, 4, Lineární y =,13x + 1,5525 n = 1551 y = 295,4394x - 411,4823 n = 1551 R 2 =,3982 r =,631*** R 2 =,3982 r =,631*** 7, 6, 5, 4, 3, 2, 1, y =,16x + 1,3557 R 2 =,3655, 1 2 3 4 3 3 2 2 1 1 y = 223,7x - 253,53 R 2 =,3655 -, 1, 2, 3, 4, Lineární y =,16x + 1,3557 n = 1551 y = 223,73x - 253,5274 n = 1551 R 2 =,3655 r =,65*** R 2 =,3655 r =,65***

4, 3, y =,9175x - 2,921 R 2 =,9998 8, 7, y = 1,896x + 3,1829 R 2 =,9998 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y =,9175x - 2,921 n = 1551 y = 1,896x + 3,1829 n = 1551 R 2 =,9998 r = 1*** R 2 =,9998 r = 1*** 4, 3, y = 1,28x - 3,6457 R 2 =,7839 8, 7, y =,7626x + 3,8582 R 2 =,7839 3, 2, 2, 1, 1,, log IBC impulsy 6, 5, 4, 3, 2, 1,,,, 2, 4, 6, 8,, 1, 2, 3, 4, log IBC impulsy Lineární y = 1,28x - 3,6457 n = 1551 y =,7626x + 3,8582 n = 1551 R 2 =,7839 r =,885*** R 2 =,7839 r =,885*** 4, 3, y = 1,123x -,3739 R 2 =,784 4, 3, y =,6998x +,6198 R 2 =,784 3, 2, 2, 1, 1, 3, 2, 2, 1, 1,,,,,, 1, 2, 3, 4,, 1, 2, 3, 4, Lineární y = 1,123x -,3739 n = 1551 y =,6998x +,6198 n = 1551 R 2 =,784 r =,885*** R 2 =,784 r =,885***

Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a 55 7 6 4 3 2 1 y =,4x + 7,128 R 2 =,9971 1 1 2 IBC impulsy IBC impulsy 1 8 1 6 1 4 1 2 1 8 6 4 2-2 y = 2583x - 17987 R 2 =,9971 1 2 3 4 6 Lineární y =,4x + 7,128 n = 1517 y = 2582,9717x - 17987,3237 n = 1517 R 2 =,9971 r =,999*** R 2 =,9971 r =,999*** 6 4 3 2 1 y =,3x + 1,9336 R 2 =,7763 1 1 2 IBC impulsy IBC impulsy 1 8 1 6 1 4 1 2 1 8 6 4 2 y = 2227,1x + 28484 R 2 =,7763 1 2 3 4 Lineární y =,3x + 1,9336 n = 1517 y = 2227,129x + 28484,4234 n = 1517 R 2 =,7763 r =,881*** R 2 =,7763 r =,881*** log IBC impulsy 9, 8, 7, 6, 5, 4, 3, 2, 1,, y = 2E-6x + 4,6588 R 2 =,6793 1 1 2 IBC impulsy IBC impulsy 2 1 1 y = 334987x - 2E+6 R 2 =,6793, 2, 4, 6, 8, - log IBC impulsy Lineární y =,23x + 4,6588 n = 1517 y = 334987,2953x - 1513653,477 n = 1517 R 2 =,6793 r =,824*** R 2 =,6793 r =,824*** 4, 4, 3, 3, 2, 2, 1, 1,,, y = 2E-6x + 1,3552 R 2 =,6743 1 1 2 IBC impulsy IBC impulsy 2 1 1 y = 36297x - 44475 R 2 =,6743,, 1, 1, 2, 2, 3, - Lineární y =,186x + 1,3552 n = 1517 y = 36296,8616x - 44474,5382 n = 1517 R 2 =,6743 r =,821*** R 2 =,6743 r =,821***

5, 4, 3, 2, 1, y = 2E-6x + 1,147 R 2 =,4891, 1 1 2 IBC impulsy IBC impulsy 2 1 1 y = 23772x - 19728 R 2 =,4891,, 1, 1, 2, 2, 3, - Lineární y = 23772,3447x - 19728,164 n = 1517 y =,26x + 1,147 n = 1517 R 2 =,4891 r =,699*** R 2 =,4891 r =,699*** 6 4 3 2 1-1 y =,913x - 4,3999 R 2 =,7758 1 2 3 4 6 6 4 3 2 1 y =,867x + 18,73 R 2 =,7758 1 2 3 4 Lineární y =,913x - 4,3999 n = 1517 y =,867x + 18,73 n = 1517 R 2 =,7758 r =,881*** R 2 =,7758 r =,881*** log IBC impulsy 9, 8, 7, 6, 5, 4, 3, 2, 1,, y =,54x + 4,611 R 2 =,7243 1 2 3 4 6 6 4 3 2 1-2 y = 133,71x - 598,99 R 2 =,7243-1, 2, 4, 6, 8, log IBC impulsy Lineární y =,54x + 4,611 n = 1517 y = 133,7147x - 598,9919 n = 1517 R 2 =,7243 r =,851*** R 2 =,7243 r =,851*** 4, 4, 3, 3, 2, 2, 1, 1,,, y =,5x + 1,3113 R 2 =,7193 1 2 3 4 6 6 4 3 2 1-2 y = 144,91x - 172,13 R 2 =,7193-1,, 1, 1, 2, 2, 3, Lineární y =,5x + 1,3113 n = 1517 y = 144,975x - 172,1338 n = 1517 R 2 =,7193 r =,848*** R 2 =,7193 r =,848***

4, 4, 3, 3, 2, 2, 1, 1,,, y =,55x + 1,981 R 2 =,522 1 2 3 4 6 6 4 3 2 1-2 y = 94,685x - 73,521 R 2 =,522-1,, 1, 1, 2, 2, 3, Lineární y =,55x + 1,981 n = 1517 y = 94,6846x - 73,5214 n = 1517 R 2 =,522 r =,722*** R 2 =,522 r =,722*** log IBC impulsy 8, 7, 6, 5, 4, 3, 2, 1, y =,46x + 4,7132 R 2 =,5424, 1 2 3 4 4 3 2 1-2 y = 118,41x - 533,83 R 2 =,5424, -1 2, 4, 6, 8, log IBC impulsy Lineární y =,46x + 4,7132 n = 1517 y = 118,417x - 533,8312 n = 1517 R 2 =,5424 r =,736*** R 2 =,5424 r =,736*** 3, 3, 2, 2, 1, 1,, y =,42x + 1,45 R 2 =,5384, 1 2 3 4 4 3 2 1-2 y = 128,3x - 155,78 R 2 =,5384, -1, 1, 1, 2, 2, 3, Lineární y =,42x + 1,45 n = 1517 y = 128,2952x - 155,7836 n = 1517 R 2 =,5384 r =,734*** R 2 =,5384 r =,734*** 4, 3, 3, 2, 2, 1, 1,, y =,59x + 1,1371 R 2 =,6236, 1 2 3 4 4 3 2 1-2 y = 15,9x - 1,47 R 2 =,6236, -1, 1, 1, 2, 2, 3, Lineární y =,59x + 1,1371 n = 1517 y = 15,933x - 1,4681 n = 1517 R 2 =,6236 r =,79*** R 2 =,6236 r =,79***

3, 2, 2, 1, 1,, y =,9195x - 2,9295 R 2 =,9997 log IBC impulsy 7, 6, 5, 4, 3, 2, 1, y = 1,873x + 3,1865 R 2 =,9997,, 2, 4, 6, 8, log IBC impulsy,,, 1, 1, 2, 2, 3, Lineární y =,9195x - 2,9295 n = 1517 y = 1,873x + 3,1865 n = 1517 R 2 =,9997 r = 1*** R 2 =,9997 r = 1*** 3, 2, 2, 1, 1,, y = 1,32x - 3,6565 R 2 =,7383 log IBC impulsy 7, 6, 5, 4, 3, 2, 1, y =,7167x + 3,9174 R 2 =,7383,, 2, 4, 6, 8, log IBC impulsy,,, 1, 1, 2, 2, 3, Lineární y = 1,32x - 3,6565 n = 1517 y =,7167x + 3,9174 n = 1517 R 2 =,7383 r =,859*** R 2 =,7383 r =,859*** 3, 2, y = 1,123x -,374 R 2 =,7384 3, 2, y =,6591x +,6723 R 2 =,7384 2, 1, 1,, 2, 1, 1,,,,, 1, 1, 2, 2, 3,,,, 1, 1, 2, 2, 3, Lineární y =,6591x +,6723 n = 1517 y = 1,123x -,374 n = 1517 R 2 =,7384 r =,859*** R 2 =,7384 r =,859***

Laborato 1 LRM Brno - pístroj 63 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,886x - 2,9325 n = 276 y =,6686x + 4,213 n = 276 R 2 =,5888 r =,767*** R 2 =,5888 r =,767*** Lineární y = 122,765x - 567,514 n = 276 y =,4x + 4,821 n = 276 R 2 =,4922 r =,72*** R 2 =,4922 r =,72*** Lineární y =,3x + 5,6885 n = 276 y = 2388,3311x + 37689,6546 n = 276 R 2 =,662 r =,813*** R 2 =,662 r =,813***

Laborato 1 LRM Brno - pístroj 63 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y =,9712x - 3,3742 n = 275 y =,7138x + 3,9469 n = 275 R 2 =,6933 r =,833*** R 2 =,6933 r =,833*** Lineární y = 34,2569x - 1463,31 n = 275 y =,11x + 4,9467 n = 275 R 2 =,3333 r =,577*** R 2 =,3333 r =,577*** Lineární y =,3x + 1,351 n = 275 y =,9587x + 17,4837 n = 275 R 2 =,985 r =,99*** R 2 =,9741 r =,987***

Laborato 1 LRM Brno - pístroj 63 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y =,9629x - 3,3331 n = 272 y =,6666x + 4,121 n = 272 R 2 =,6418 r =,81*** R 2 =,6418 r =,81*** Lineární y = 136,2864x - 633,6358 n = 272 y =,41x + 4,853 n = 272 R 2 =,5534 r =,744*** R 2 =,5534 r =,744*** Lineární y =,3x +,1875 n = 272 y = 2421,1221x + 26993,554 n = 272 R 2 =,87 r =,898*** R 2 =,87 r =,898***

Laborato 1 LRM Brno - pístroj 73 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,9295x - 3,417 n = 536 y =,887x + 3,5742 n = 536 R 2 =,8244 r =,98*** R 2 =,8244 r =,98*** Lineární y = 145,2192x - 66,5354 n = 536 y =,44x + 4,764 n = 536 R 2 =,6427 r =,82*** R 2 =,6427 r =,82*** Lineární y =,3x + 2,8621 n = 536 y = 273,4223x - 9284,8943 n = 536 R 2 =,7131 r =,844*** R 2 =,7131 r =,844***

Laborato 1 LRM Brno - pístroj 73 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y =,9484x - 3,1333 n = 557 y =,9297x + 3,597 n = 557 R 2 =,8818 r =,939*** R 2 =,8818 r =,939*** Lineární y = 347,4521x - 1647,845 n = 557 y =,16x + 4,882 n = 557 R 2 =,5459 r =,739*** R 2 =,5459 r =,739*** Lineární y =,3x + 15,64 n = 557 y = 372,1612x - 4829,7245 n = 557 R 2 =,988 r =,99*** R 2 =,988 r =,99***

Laborato 1 LRM Brno - pístroj 73 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y =,9487x - 3,1352 n = 533 y =,8731x + 3,5928 n = 533 R 2 =,8283 r =,91*** R 2 =,8283 r =,91*** Lineární y = 145,3917x - 661,336 n = 533 y =,44x + 4,778 n = 533 R 2 =,6336 r =,796*** R 2 =,6336 r =,796*** Lineární y =,4x + 6,1666 n = 533 y = 2412,9129x + 1283,23 n = 533 R 2 =,895 r =,946*** R 2 =,895 r =,946***

Laborato 2 - LRM Bušt!hrad - pístroj 5 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y = 1,688x - 3,9385 n = 476 y =,73x + 4,12 n = 476 R 2 =,7485 r =,865*** R 2 =,7485 r =,865*** Lineární y = 15,132x - 468,9126 n = 476 y =,45x + 4,7148 n = 476 R 2 =,4716 r =,687*** R 2 =,4716 r =,687*** Lineární y =,1x + 27,4323 n = 476 y = 2671,453x + 28339,2454 n = 476 R 2 =,3791 r =,616*** R 2 =,3791 r =,616***

Laborato 2 - LRM Bušt!hrad - pístroj 5 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y = 1,942x - 4,627 n = 472 y =,7144x + 3,9812 n = 472 R 2 =,7817 r =,884*** R 2 =,7817 r =,884*** Lineární y =,14x + 4,852 n = 472 y = 23,2898x - 942,332 n = 472 R 2 =,293 r =,541*** R 2 =,293 r =,541*** Lineární y =,3x -,7882 n = 472 y = 2832,3893x + 1314,288 n = 472 R 2 =,9567 r =,978*** R 2 =,9567 r =,978***

Laborato 2 - LRM Bušthrad - p!ístroj 5 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y = 1,963x - 4,73 n = 468 y =,6945x + 4,42 n = 468 R 2 =,7614 r =,873*** R 2 =,7614 r =,873*** Lineární y = 99,1328x - 441,1969 n = 468 y =,5x + 4,6914 n = 468 R 2 =,4942 r =,73*** R 2 =,4942 r =,73*** Lineární y =,3x - 2,412 n = 468 y = 1932,3658x + 51438,5976 n = 468 R 2 =,6721 r =,82*** R 2 =,6721 r =,82***

Laborato 2 - LRM Bušt!hrad - pístroj 55 Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Lineární y =,9594x - 3,372 n = 255 y =,744x + 3,9255 n = 255 R 2 =,7139 r =,845*** R 2 =,7139 r =,845*** Lineární y = 111,324x - 493,5165 n = 255 y =,42x + 4,788 n = 255 R 2 =,4674 r =,684*** R 2 =,4674 r =,684*** Lineární y =,1x + 36,635 n = 255 y = 3393,5879x + 9926,963 n = 255 R 2 =,3467 r =,589*** R 2 =,3467 r =,589***

Laborato 2 - LRM Bušt!hrad - pístroj 55 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Lineární y = 1,193x - 3,6657 n = 247 y =,7477x + 3,9127 n = 247 R 2 =,7622 r =,873*** R 2 =,7622 r =,873*** Lineární y = 29,7548x - 967,2776 n = 247 y =,16x + 4,8185 n = 247 R 2 =,3437 r =,586*** R 2 =,3437 r =,586*** Lineární y =,3x + 2,877 n = 247 y = 318,8233x + 169,7677 n = 247 R 2 =,9525 r =,976*** R 2 =,9525 r =,976***

Laborato 2 - LRM Bušthrad - p!ístroj 55 Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Lineární y = 1,16x - 3,65 n = 244 y =,7198x + 3,9452 n = 244 R 2 =,7313 r =,855*** R 2 =,7313 r =,855*** Lineární y = 99,3523x - 439,4541 n = 244 y =,51x + 4,668 n =244 R 2 =,572 r =,712*** R 2 =,572 r =,712*** Lineární y =,3x + 4,6929 n = 244 y = 2188,648x + 3811,9795 n =244 R 2 =,6615 r =,813*** R 2 =,6615 r =,813***

Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Celková statistika n x xg sx_v vx_v min max Rmax.-min. medián horní q dolní q sv t význ. Celkem IBC impulsy 1651 483179,63 1481716,78 36,7 4815 14374497 14369682 9811, 4, 219171, 1651 171,3 463,892 27,8 3 4268 4265 46, 25, 96, 1651 196,4 683,966 348,9 1 755 7549 33, 14, 77,5 Nové 1651 165,4 519,172 314,6 1 596 595 31, 16, 71, log IBC 1651 5,8 119316,36,592 4 7 3 4,99 4,7 5,34 1651 1,7374 54,63,5414,48 3,63 3,1 1,6628 1,3979 1,9823 1651 1,577 37,76,6696, 3,88 3,88 1,5185 1,1461 1,8893 log Nové CPM IBC 1651 1,5822 38,21,648, 3,71 3,71 1,4914 1,241 1,8513 Klasika - IBC 1651 24,73 36,32 1456,9-1519 5131 665-8, -22, 3, 1649 2,79 ** abs (Klasika - IBC) 1651 81,79 351,762 43,1 5131 5131 14, 6, 34, 1649 9,44 *** noveibc - Klasika 1651-31, 344,339-111,8-4967 295 762-2, -17, 7, 1649 3,66 *** noveibc - CPM IBC 1651-6,27 61,936-987,8-46 828 874-13, -22, -8, 1649 4,11 *** Do tis IBC impulsy 1543 168451,44 311298,583 184,8 4815 626153 6255338 9242, 47521,5 183434, (A1) 1543 71,26 18,496 152,3 3 29 26 43, 24, 81, 1543 55,92 74,428 133,1 1 49 489 3, 13, 68, Nové 1543 55,17 16,633 193,3 2181 218 29, 15, 59, log IBC 1543 4,9726 93885,82,4452 3,6826 6,7966 3,114 6,7966 6,7966 6,7966 1543 1,6427 43,92,491,4771 3,33 2,8259 3,33 3,33 3,33 1543 1,4616 28,95,5185, 2,692 2,692 2,692 2,692 2,692 log Nové CPM IBC 1543 1,4759 29,92,4554, 3,3387 3,3387 3,3387 3,3387 3,3387 Klasika - IBC 1543-15,34 77,71-52,4-1519 326 1845-8, -22, 1, 1541 7,82 *** abs (Klasika - IBC) 1543 28,94 73,55 252,4 1519 1519 13, 6, 27, 1541 15,56 *** noveibc - Klasika 1543 -,75 8,431-1724,1-46 1691 237-2, -14, 7, 1541,37 ns noveibc - CPM IBC 1543-16,9 11,96-74, -46 172 218-14, -22, -9, 1541 53,7 *** grubs IBC impulsy 1551 223984,17 625892,279 279,4 4815 9297428 9292613 9131, 47725,5 187634,5 rozdíl (B) 1551 89,14 24,961 229,9 3 2875 2872 43, 24, 83, 1551 78,42 25,936 262,6 1 32 319 31, 13,5 69, Nové 1551 74,49 217,22 291,6 1 3266 3265 29, 15, 61, log IBC 1551 4,9897 97656,242,4794 3,6826 6,9684 3,2858 6,9684 6,9684 6,9684 1551 1,6582 45,52,4399,4771 3,4586 2,9815 3,4586 3,4586 3,4586 1551 1,4839 3,47,5566, 3,48 3,48 3,48 3,48 3,48 log Nové CPM IBC 1551 1,4934 31,1458365,492, 3,514 3,514 3,514 3,514 3,514 Klasika - IBC 1551-1,72 35,835-183 16 343-8, -21, 1, 1549 11,78 *** abs (Klasika - IBC) 1551 23,44 29,145 183 183 13, 6, 28, 1549 31,66 ***

noveibc - Klasika 1551-3,93 38,869-989, -188 332 52-2, -14,5 7, 1549 3,98 *** noveibc - CPM IBC 1551-14,65 2,437-139,5-46 391 437-14, -22, -8, 1549 28,22 *** grubs IBC impulsy 1517 14657,28 173243,733 118,2 4815 1533942 1529127 896, 47314, 178971, rozdíl (B1) 1517 63,71 66,974 15,1 3 561 558 42, 23, 8, 1517 53,2 68,537 129,3 1 45 449 3, 13, 66, Nové 1517 47,67 57,898 121,5 1 519 518 28, 15, 58, log IBC 1517 4,9561 9385,7571,4263 3,6826 6,1858 2,532 4,9494 4,675 5,2528 1517 1,6275 42,413984,392,4771 2,749 2,2719 1,6232 1,3617 1,931 1517 1,4493 28,1384389,5111, 2,6532 2,6532 1,4771 1,1139 1,8195 log Nové CPM IBC 1517 1,459 28,7739841,4361 29,9, 2,7152 2,7152 1,4472 1,1761 1,7634 Klasika - IBC 1517-1,69 33,121-39,8-183 16 343-8, -21, 1, 1515 12,57 *** abs (Klasika - IBC) 1517 21,96 26,995 122,9 183 183 12, 6, 26, 1515 31,67 *** noveibc - Klasika 1517-5,36 32,552-67,3-188 144 332-2, -14, 6, 1515 6,41 *** noveibc - CPM IBC 1517-16,4 9,963-62,1-46 -1 45-14, -22, -9, 1515 62,69 *** Regresní hodnocení x/y Nové / / Nové Rovnice n R 2 Rovnice R 2 Celkem y = 1,1478x + 6,619 1651,7591 r =,871*** y =,6614x + 35,3845,7591 r =,871*** log Celkem y = 1,8x -,178 1651,8289 r =,91*** y =,8223x +,2854,8289 r =,91*** Do y =,4591x + 3,587 1543,4327 r =,658*** y =,9424x + 2,4716,4327 r =,658*** log Do y =,966x +,358 1543,72 r =,849*** y =,7453x +,3866,72 r =,849*** grubs rozdíl (B) y =,9335x + 8,8828 1551,9693 r =,985*** y = 1,384x - 6,9371,9693 r =,985*** log grubs rozdíl (B) y = 1,49x -,168 1551,7834 r =,885*** y =,7796x +,3365,7834 r =,885*** grubs rozdíl (B1) y =,8626x - 7,2896 1517,9957 r =,998*** y = 1,1543x + 8,699,9957 r =,998*** log grubs rozdíl (B1) y = 1,65x -,191 1517,7377 r =,859*** y =,7329x +,3967,7377 r =,859***

Grafické hodnocení stanovení CMP Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y = 1,1478x + 6,619 n = 1651 y =,6614x + 35,3845 R 2 =,7591 r =,871*** R 2 =,7591 r =,871*** Lineární y = 1,8x -,178 n = 1651 y =,8223x +,2854 R 2 =,8289 r =,91*** R 2 =,8289 r =,91***

Grafické hodnocení stanovení CMP - do 499 tis. CPM plotnovou metodou Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y =,4591x + 3,587 n = 1543 y =,9424x + 2,4716 R 2 =,4327 r =,658*** R 2 =,4327 r =,658*** Lineární y =,966x +,358 n = 1543 y =,7453x +,3866 R 2 =,72 r =,849*** R 2 =,72 r =,849***

Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC Laborato 1 a Laborato 2 - LRM Brno a LRM Bušthrad - p!ístroj 63 a 73 a 5 a 55 Lineární y =,9335x + 8,8828 n = 1551 y = 1,384x - 6,9371 R 2 =,9693 r =,985*** R 2 =,9693 r =,985*** Lineární y = 1,49x -,168 n = 1551 y =,7796x +,3365 R 2 =,7834 r =,885*** R 2 =,7834 r =,885***

Hodnocení odlehlosti výsledk pomocí Grubbsova testu - rozdíl Klasika - IBC, o!esáno do 499 Laborato 1 a Laborato 2 - LRM Brno a LRM Bušt!hrad - pístroj 63 a 73 a 5 a 55 Lineární y =,8626x - 7,2896 n = 1517 y = 1,1543x + 8,699 R 2 =,9957 r =,998*** R 2 =,9957 r =,998*** Lineární y = 1,65x -,191 n = 1517 y =,7329x +,3967 R 2 =,7377 r =,859*** R 2 =,7377 r =,859***