PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR



Podobné dokumenty
10.3 GEOMERTICKÝ PRŮMĚR

f x a x DSM2 Cv 9 Vytvořující funkce Vytvořující funkcí nekonečné posloupnosti a0, a1,, a n , reálných čísel míníme formální nekonečnou řadu ( )

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

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

8.2.1 Aritmetická posloupnost

12. N á h o d n ý v ý b ě r

8.2.1 Aritmetická posloupnost I

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

Petr Šedivý Šedivá matematika

8.2.7 Geometrická posloupnost

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

n=1 ( Re an ) 2 + ( Im a n ) 2 = 0 Im a n = Im a a n definujeme předpisem: n=1 N a n = a 1 + a a N. n=1

1.3. POLYNOMY. V této kapitole se dozvíte:

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

POLYNOM. 1) Základní pojmy. Polynomem stupně n nazveme funkci tvaru. a se nazývají koeficienty polynomu. 0, n N. Čísla. kde

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Vyšší mocniny. Předpoklady: Doplň místo obdélníčků správné číslo. a) ( 2) 3. = c) ( ) = 1600 = e) ( 25) 2 0,8 0, 64.

FUNKCÍ JEDNÉ REÁLNÉ PROMĚNNÉ PRVNÍ DIFERENCIÁL

Elementární zpracování statistického souboru

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

Spojitost a limita funkcí jedné reálné proměnné

Intervalové odhady parametrů některých rozdělení.

Odhady parametrů 1. Odhady parametrů

1.2. NORMA A SKALÁRNÍ SOUČIN

Mocniny. Mocniny, odmocniny, logaritmy, exponenciála. Obecná mocnina. Mocniny. Odmocniny

V. Normální rozdělení

M - Posloupnosti VARIACE

Základní požadavky a pravidla měření

11.1 Úvod. Definice : [MA1-18:P11.1] definujeme pro a C: nedefinujeme: Posloupnosti komplexních čísel

8. Analýza rozptylu.

4.2 Elementární statistické zpracování Rozdělení četností

Vlastnosti posloupností

Derivace součinu a podílu

2.4. INVERZNÍ MATICE

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

Cvičení 6.: Bodové a intervalové odhady střední hodnoty, rozptylu a koeficientu korelace, test hypotézy o střední hodnotě při známém rozptylu

Deskriptivní statistika 1

1 Uzavřená Gaussova rovina a její topologie

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

P2: Statistické zpracování dat

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

Abstrakt. Co jsou to komplexní čísla? K čemu se používají? Dá se s nimi dělat

MATEMATIKA PŘÍKLADY K PŘÍJÍMACÍM ZKOUŠKÁM BAKALÁŘSKÉ STUDIUM MGR. RADMILA STOKLASOVÁ, PH.D.

Pravděpodobnost a aplikovaná statistika

Konec srandy!!! Mocniny s přirozeným mocnitelem I. Předpoklady: základní početní operace

( + ) ( ) ( ) ( ) ( ) Derivace elementárních funkcí II. Předpoklady: Př. 1: Urči derivaci funkce y = x ; n N.

Náhodný výběr 1. Náhodný výběr

2 STEJNORODOST BETONU KONSTRUKCE

Přednáška 7, 14. listopadu 2014

13 Popisná statistika

5.5. KOMPLEXNÍ ODMOCNINA A ŘEŠENÍ KVADRATICKÝCH A BINOMICKÝCH ROVNIC

D = H = 1. člen posloupnosti... a 1 2. člen posloupnosti... a 2 3. člen posloupnosti... a 3... n. člen posloupnosti... a n

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

Vzorový příklad na rozhodování BPH_ZMAN

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/

Přehled vztahů k problematice jednoduchého úročení a úrokové sazby

je konvergentní, právě když existuje číslo a R tak, že pro všechna přirozená <. Číslu a říkáme limita posloupnosti ( ) n n 1 n n n

PRACOVNÍ SEŠIT ČÍSELNÉ OBORY. 1. tematický okruh: Připrav se na státní maturitní zkoušku z MATEMATIKY důkladně, z pohodlí domova a online.

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

S polynomy jste se seznámili již v Matematice 1. Připomeňme definici polynomické

P. Girg. 23. listopadu 2012

Úloha II.S... odhadnutelná

Obsah. 1 Mocninné řady Definice a vlastnosti mocninných řad Rozvoj funkce do mocninné řady Aplikace mocninných řad...

11. přednáška 16. prosince Úvod do komplexní analýzy.

Definice obecné mocniny

8. Základy statistiky. 8.1 Statistický soubor

1. Základy počtu pravděpodobnosti:

17. Statistické hypotézy parametrické testy

Iterační výpočty projekt č. 2

Kapitola 5 - Matice (nad tělesem)

I. Výpočet čisté současné hodnoty upravené

STATISTIKA. Základní pojmy

Funkce. RNDr. Yvetta Bartáková. Gymnázium, SOŠ a VOŠ Ledeč nad Sázavou

I. Exponenciální funkce Definice: Pro komplexní hodnoty z definujeme exponenciální funkci předpisem. z k k!. ( ) e z = k=0

i 1 n 1 výběrový rozptyl, pro libovolné, ale pevně dané x Roznačme n 1 Téma 6.: Základní pojmy matematické statistiky

[ jednotky ] Chyby měření

Popisná statistika. Zdeněk Janák 9. prosince 2007

Komplexní čísla. Definice komplexních čísel

STUDIUM MAXWELLOVA ZÁKONA ROZDĚLENÍ RYCHLSOTÍ MOLEKUL POMOCÍ DERIVE 6

6. Posloupnosti a jejich limity, řady

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

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

8.1.3 Rekurentní zadání posloupnosti I

Náhodu bychom mohli definovat jako součet velkého počtu drobných nepoznaných vlivů.

PŘÍKLAD INDEXY ZÁKLADNÍ, ŘETĚZOVÉ A TEMPO PŘÍRŮSTKU

4. B o d o v é o d h a d y p a r a m e t r ů

1.1. Definice Reálným vektorovým prostorem nazýváme množinu V, pro jejíž prvky jsou definovány operace sčítání + :V V V a násobení skalárem : R V V

MATICOVÉ HRY MATICOVÝCH HER

a 1 = 2; a n+1 = a n + 2.

Pojem času ve finančním rozhodování podniku

MATEMATICKÁ INDUKCE. 1. Princip matematické indukce

1. Nakreslete všechny kostry následujících grafů: nemá žádnou kostru, roven. roven n,

1.7.4 Těžiště, rovnovážná poloha

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

Pravděpodobnostní modely

1.8.1 Mnohočleny, sčítání a odčítání mnohočlenů

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH

Posloupnosti. a a. 5) V aritmetické posloupnosti je dáno: a

IAJCE Přednáška č. 12

Transkript:

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR Ze serveru www.czso.cz jsme sledovali sklizeň obilovi v ČR. Sklizeň z ěkolika posledích let jsme vložili do tabulky 10.10. V kapitole 7. Idexy základí, řetězové a tempo přírůstku v příkladu 7.1 jsme počítali idex základí, idex řetězový a tempo přírůstku, které jsou je uvedeé v tabulce 10.10. Připomíáme, že idex řetězový v tomto příkladě porovává, a kolik procet se změila sklizeň obilovi v každém roce vždy oproti předchozímu roku. a) Vypočteme průměrou ročí výrobu obilovi a formulujeme odpověď. b) Vypočítáme průměrý idex řetězový. c) Pro průměrý idex řetězový formulujeme odpovědi typu a kolik %, o kolik % a kolikrát. d) Do tabulky 10.10 doplíme, jaká by byla v uvedeých letech výroba obilovi, kdyby se vyvíjela podle průměrého idexu řetězového. Vypočteme odhad a rok 2012. e) Formulujeme odpověď pro odhad výroby obilovi v roce 2012. Tabulka 10.10: Sklizeň obilovi v ČR Ukazatel Rok 2006 2007 2008 2009 2010 2011 2012 Výroba v mil. tu 6,4 7,1 8,4 7,8 6,9 8,2 x Idex základí v % 100,0 110,9 131,3 121,9 107,8 128,1 x Idex základí 1,000 1,109 1,313 1,219 1,078 1,281 x Idex řetězový v % x 110,9 118,3 92,9 88, 118,8 x Idex řetězový x 1,109 1,183 0,929 0,88 1,188 x Tempo přírůstku v % x 10,9 18,3-7,1-11, 18,8 x Tempo přírůstku x 0,109 0,183-0,071-0,11 0,188 x Výroba dle průměrého idexu řetězového Prame: http://www.czso.cz Řešeí: Výpočty a sloví popis Ad a) Vypočteme průměrou ročí výrobu obilovi a formulujeme odpověď. Výpočet prostého aritmetického průměru: sečteme hodoty číselých statistických zaků souboru x 1, x 2,... x a výsledek vydělíme počtem prvků souboru Aritmetický průměr prostý x z číselých statistických zaků se tedy počítá podle vztahu: x xi 1 x1 x2... x i

7,1 8,4 mil.. tt 6,4 mil.. tt 1,109 1,313 110,9 131,3 % U ás: Hodoty x 1, x 2,... x jsou výroby obilovi v jedotlivých letech, a počet let je = 6. Vztah má v ašem příkladě tvar: 6 xi i x x1 x2 x3 x4 x x6 6,4 7,1 8,4 7,8 6,9 8,2 6 6 1 V období 2006 až 2011 byla průměrá ročí výroba obilovi 7,47 mil. tu. 7,47 mil. t Výpočet v Excelu je Výjde: =PRŮMĚR(B19:G19) 7,46667 Ad b) Vypočítáme průměrý idex řetězový. Víme, že idex řetězový jako poměré číslo v ašem případě říká, kolikrát se změila sklizeň obilovi v každém roce vždy oproti předchozímu roku. Průměrý idex řetězový jako poměré číslo bude říkat, kolikrát se průměrě změila sklizeň obilovi v každém roce oproti miulému roku. Geometrický průměr lze použít ke staoveí průměrého koeficietu růstu eboli průměrého idexu řetězového a počítá se podle vztahu: G xi x 1. x 2..... x i1 Hodoty x 1, x 2,... x jsou jedotlivé idexy řetězové ve tvaru poměrého čísla. Povšiměme si, že idexů řetězových je pouze, tj. o jedo méě, ež je hodot výrob obilovi! Průměrý idex řetězový se počítá v ašem případě podle vztahu: G i1 x i x. x. x. x. x 1 2 3 4 G 1,109.1,183.0,929.0,88.1,188 1,281 1,008 Pozámka: Všiměme si, že souči idexů řetězových je rove idexu základímu v posledím uvedeém roce, u ás 1,109.1,183.0,929.0,88.1,188 = 1,281. To eí áhoda, to je zákoité. Dokázali byste odvodit, proč tomu tak je?

V Excelu lze průměrý idex řetězový G vypočítat ěkolika způsoby: i) Pomocí součiu idexů řetězových a odmociy. Pátá odmocia je realizováa jako mocia (1/). =(1,109*1,183*0,929*0,88*1,188)^(1/) Kvůli vyšší přesosti je lepší abrat idexy řetězové jako buňky: =(C23*D23*E23*F23*G23)^(1/) Zak mociy se tvoří pomocí ^, který se a české klávesici udělá pomocí trojkombiace pravé Alt + š + mezerík. Místo součiu idexů řetězových lze dosadit rovou idex řetězový v posledím uvedeém období, tj. koeficiet 1,281. ii) Pomocí fukce POWER, kde v argumetu je součiu idexů řetězových a mocia 1/. =POWER(1,109*1,183*0,929*0,88*1,188;1/) Kvůli vyšší přesosti je lepší ačíst idexy řetězové jako buňky, apříklad: iii) Pomocí fukce GEOMEAN: =POWER(C23*D23*E23*F23*G23;1/) =GEOMEAN(C23:G23) Za argumet fukce uto abrat oblast tabulky C23 až G23, kde jsou umístěé jedotlivé idexy řetězové ve tvaru poměrého čísla. Ve všech případech vyjde průměrý idex řetězový: 1,0082 Ad c) Pro průměrý idex řetězový formulujeme odpovědi typu a kolik %, o kolik % a kolikrát. Průměrý idex řetězový je 1,008, což zameá: V období 2006 až 2011 rostla výroba obilovi v ČR každý rok průměrě 1,008 oproti miulému roku, eboli výroba rostla a 10,08 %, čili rostla o,08 %. Uvědomíme si: Číslo 10,08 % je průměrý idex řetězový vyjádřeý v procetech. Číslo,08 % je průměré tempo přírůstku vyjádřeé v procetech. Ad d) Do tabulky 10.10 doplíme, jaká by byla v uvedeých letech výroba obilovi, kdyby se vyvíjela podle průměrého idexu řetězového. Vypočteme odhad a rok 2012.

Postup: Je uté se ukotvit do ějaké hodoty. Proto v roce 2006 opíšeme hodotu výroby podle skutečosti, tj. 6,4 mil. t. Hodota výroby v roce 2007 podle průměrého idexu řetězového, tj. kdyby stoupala 1,008 oproti miulému roku se spočítá: 6,40 mil. t 1,008 = 6,73 mil. t V Excelu se vzorec apíše tak, že v řádku Výroba dle průměrého idexu řetězového a ve sloupci rok 2007 abereme buňku a stejém řádku vlevo a ásobíme buňkou, ve které je vypočte průměrý idex řetězový. =B224*$B124 Hodota výroby v roce 2008, kdyby stoupala 1,008oproti miulému roku, se spočítá: 6,73 mil. t 1,008 = 6,4 mil. t 1,008 2 = 7,07 mil t V Excelu se vzorec apíše tak, že v řádku Výroba dle průměrého idexu řetězového ve sloupci rok 2008 abereme buňku a stejém řádku vlevo a ásobíme buňkou, ve které je vypočte průměrý idex řetězový. =C237*$B121 Je zřejmé že, teto vzorec můžeme zkopírovat do koce tabulky doprava. Hodota výroby v roce 2009, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,07 mil. t 1,008 = 6,4 mil. t 1,008 3 = 7,43 mil t Hodota výroby v roce 2010, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,43 mil. t 1,008 = 6,4 mil. t 1,008 4 = 7,80 mil t Hodota výroby v roce 2011, kdyby stoupala 1,008oproti miulému roku, se spočítá: 7,80 mil. t 1,008 = 6,4 mil. t 1,008 = 8,20 mil t Lze dokoce spočítat odhad výroby obilovi za další roky 2012 i 2013 (odhad a více ež 2 roky dopředu již je epřesý): Hodota výroby v roce 2012, kdyby stoupala 1,008oproti miulému roku, se spočítá: 8,2 mil. t 1,008 = 6,4 mil. t 1,008 6 = 8,62 mil t Hodota výroby v roce 2013, kdyby stoupala 1,008oproti miulému roku, se spočítá: 8,62 mil. t 1,008 = 6,4 mil. t 1,0087 = 9,0 mil t

Uvědomíme si: To, že podle průměrého idexu řetězového ročí výroba obilovi roste průměrě o,08 %, ezameá stejý přírůstek výroby. Přírůstek výroby je zobraze pod tabulkou 10.11. * Jde o árůst o,08 % z hodoty vždy vyšší. * Tím, že průměrý idex řetězový je větší ež 1, základ 100 % je stále vyšší číslo. * Ročí výroba podle průměrého idexu řetězového stoupá podle geometrické řady s kvocietem q > 1 (u ás q = 1,008, expoeciálí árůst). Kdyby podle průměrého idexu řetězového sledovaá veličia klesala, * průměrý idex řetězový by byl meší ež 1, základ 100 % by se stále sižoval. * Veličia podle průměrého idexu řetězového by klesala podle geometrické řady s kvocietem q < 1 (expoeciálí pokles). Vyplěá tabulka 10.10, yí tabulka 10.11, vypadá takto: Ukazatel Rok 2006 2007 2008 2009 2010 2011 2012 Výroba v mil. tu 6,4 7,1 8,4 7,8 6,9 8,2 x Idex základí v % 100,0 110,9 131,3 121,9 107,8 128,1 x Idex základí 1,000 1,109 1,313 1,219 1,078 1,281 x Idex řetězový v % x 110,9 118,3 92,9 88, 118,8 x Idex řetězový x 1,109 1,183 0,929 0,88 1,188 x Tempo přírůstku v % x 10,9 18,3-7,1-11, 18,8 x Tempo přírůstku x 0,109 0,183-0,071-0,11 0,188 x Výroba dle průměrého idexu řetězového 6,40 6,73 7,07 7,43 7,80 8,20 8,62 Prame: http://www.czso.cz Tabulka 10.11: Sklizeň obilovi v ČR Meziročí rozdíly v mil t 0,33 0,34 0,36 0,38 0,40 Ad e) Formulujeme odpověď pro odhad výroby obilovi v roce 2012. V roce 2012 je odhad výroby obilovi v ČR asi 8,62 mil. t.