ODHAD HODNOTY BYTU NA PODKLADE PONUKOVÝCH CIEN
|
|
- Λυσίμαχος Αργυριάδης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ODHAD HODNOTY BYTU NA PODKLADE PONUKOVÝCH CIEN Mila Nič Abstrakt Základe vzťahy zo štatistiky. Základý súbor údajov a výbery z tohoto súboru. Číselé a grafické vyhodoteie výberu údajov s využitím programu Excel. Normála - Gaussova krivka chýb. Štatistický test krajých hodôt. Príklad využitia štatistických metód pri odhade hodoty bytov a podklade zverejňovaých poukových cie. ÚVOD Porovaie cie ehuteľostí realizovaých v daom mieste a čase je ajvhodejšou metódou pre zisteie ich všeobecej hodoty. V Sloveskej republike ie sú v súčasosti pre širšie uplateie porovávacej metódy vytvoreé potrebé predpoklady. Údaje o realizovaých kúpych ceách ehuteľosti ktoré sú uložeé a katastroch ehuteľostí, ie sú zalcom spravidla dostupé. Cey ehuteľostí, ktoré sa približujú ceám skutoče realizovaých prevodov, je však možé získať z existujúcich údajov o poukových ceách ehuteľostí publikovaých v tlači a elektroických databázach realitých spoločosti, ktoré sú vereje prístupe. JEDNODUCHÉ ŠTATISTIKY Štatistické metódy sa s úspechom využívajú a aalýzu súboru rôzorodých údajov. V súčasosti štatistickú aalýzu využívajú rôze špeciále štatistické programy. Na aalýzu hodôt výberu dát sa dá výhode využiť aj beže dostupý tabuľkový procesor Excel. Prehľad ajzákladejších štatistík a ich fukcií v Exceli [5], [6], je uvedeý v tab.. Tab. Číslo Názov Symbol Fukcia v Exceli výberový priemer x AVERAGE 2 rozsah súboru COUNT 3 mediá x 0,50 MEDIAN 4 maximála hodota max MAX 5 miimála hodota mi MIN 6 smerodajá odchýlka s STDEV 7 modus mod MODE. Výberový priemer Výberový priemer, ozačeý písmeom x, je základou charakteristikou aalyzovaého výberu, určíme ho podľa vzťahu (). Nič, Mila, doc. Ig. PhD. Ústav súdeho zalectva, Stavebá fakulta STU v Bratislave, Radliského č., Bratislava, Sloveská republika, tel.: , ic@svf.stuba.sk
2 _ x xi i= = () kde x i údaje výberov (hodôt, dát), rozsah súboru (počet údajov). V Exceli získame výberový priemer príkazom AVERAGE (oblasť)..2 Rozsah výberu Ozačujeme ho symbolom - počet údajov aalyzovaého výberu v celkovom posudzovaom súbore dát N. V Exceli získame rozsah výberu príkazom COUNT (oblasť)..3 Mediá Ozačujeme ho symbolom x 0,50, predstavuje stredú (cetrálu) hodotu, ktorá pri zoradeí údajov podľa veľkosti má pre epáry počet údajov ad sebou aj pod sebou rovaký počet meraých údajov. Pri párom počte údajov je to aritmetický priemer z ajvyššej hodoty dolej polovice údajov a ajižšej hodoty horej polovice údajov. V Exceli získame mediá príkazom MEDIAN (oblasť)..4 Maximála a miimála hodota výberu Maximálu hodotu výberu ozačujeme symbolom max a je ajväčšou hodotou v aalyzovaom výbere. V Exceli ju získame príkazom MAX (oblasť). Miimálu hodotu výberu ozačujeme symbolom mi a je ajmešou hodotou v aalyzovaom výbere. V Exceli ju získame príkazom MIN (oblasť)..5 Smerodajá odchýlka výberu Smerodajú odchýlku výberu ozačujeme písmeom s. Predstavuje strau priemerého štvorca odchýlok jedotlivých výberov od stredu výberu vyjadreú výberovým priemerom a určíme ju podľa vzťahu (2). V Exceli ju získame príkazom STDEV(oblasť). s = s 2 = i= _ x i x 2 (2).6 Smerodajá odchýlka celkového súboru Pri aalýze celkového súboru N ozačujeme smerodajú odchýlku písmeom σ a určíme ju podľa vzťahu (3): _ σ = σ x i x (3) N 2 = N i=.7 Modus Predstavuje ajčastejšie vyskytujúcu sa hodotu výberu, mod. V Exceli získame modus príkazom MODE (oblasť)..8 Vzťah medzi výberovým priemerom, mediáom a modusom Vzťah medzi aritmetickým priemerom, mediáom a modusom aalyzovaého súboru ameraých výšok 5 osôb je ázore vykresleý a obr.. 2 2
3 Obr.. Vzťah medzi aritmetickým priemerom, mediáom a modusom..9 Grafická aalýza súboru v Exceli Grafická aalýza je eoddeliteľou súčasťou štatistickej aalýzy ameraých údajov, hlave v techickej aalýze umožňuje jasejšie a ázorejšie určiť vzájomé väzby jedotlivých aalyzovaých údajov. Ručé vykresleie grafov je áročé a presosť, vyžaduje grafickú zručosť a je časovo áročé. Výhode sa a kresleie grafov využívajú štatistické programy. Na kresleie grafov sa dá výhode využiť aj beže dostupý program Excel. Pri grafickej aalýze sa v stavebíctve ajčastejšie používajú grafy: histogram, čiarový a bodový..9. Stĺpcový graf - histogram Histogram je stĺpcový graf, so stĺpcami rovakej šírky. Každý stĺpec histogramu reprezetuje jede riadok frekvečej tabuľky. Dolá a horá hraica triedy je ľavou a pravou straou príslušého stĺpca, výška stĺpca (os y-ová), zodpovedá početosti výskytu príslušej triedy hodôt. Príklad grafického vykresleia histogramu aalyzovaého súboru ameraých výšok 5 osôb z obr.. je ázore uvedeý a obr Bodový a spojicový graf Bodový graf umožňuje prezetovať rozdeleie hodôt podľa dvoch premeých súčase. Hodoty prvej premeej sa škálujú podľa x-ovej osi a hodoty druhej premeej podľa y-ovej osi. V grafickom poli je príslušá štatistická jedotka alebo ameraá hodota zobrazeá bodom so súradicami zodpovedajúcimi hodotám prvej premeej (X) a druhej premeej (Y). Spojeím vykresleých bodov grafu čiarami dostaeme čiarový spojicový graf, ktorý sa iekedy azýva aj polygóový graf. Pri polygóovom grafe môžu spájaé body byť graficky zvýrazeé, alebo aj evykresleé. Príklad grafického vykresleia čiarovým spojicovým grafom aalyzovaého súboru ameraých výšok 5 osôb z obr.. je ázore uvedeý a obr. 2. 3
4 Obr. 2. Zostaveie histogramu, grafu bodovo čiarového z meraia výšky osôb v Exceli. 2 CELKOVÝ SÚBOR A JEHO VÝBERY Pri odhade hodoty ehuteľostí ikdy ebudeme mať možosť získať z celkového súboru jestvujúcich ehuteľostí údaje ich jedotlivých cie. Naopak, pozáme parametre výberu, alebo iekoľkých výberov z celkového (základého) súboru a chceme odhadúť ezáme parametre tohto celkového základého súboru cie ehuteľostí [], [9], (obr. 3). Výber Výber 2 Celkový (základý) súbor Výber 3 Obr. 3 Celkový súbor a výbery z tohto súboru. Parametre výberových súborov však ie sú totožé s parametrami celkového základého súboru. Priemer tohoto výberového súboru sa väčšiou ezhoduje s priemerom základého súboru. Taktiež ďalšie štatistické parametre výberového súboru ako: smerodajá odchýlka, šikmosť, špicatosť a pod., sa ezhodujú so štatistickými parametrami základého súboru. 4
5 Výberový súbor je dostatoče charakterizovaý týmito parametrami: výberovým priemerom x, mediáom, smerodajou odchýlkou s. Pri sledovaí početosti áhodých javov sa experimetále zistilo, že vyššiu pravdepodobosť výskytu majú hodoty, ktoré sa približujú k výberovému priemeru. Naopak, ižšiu pravdepodobosť výskytu majú hodoty ktoré sú vzdialeé od výberového priemeru. Túto skutočosť ázore vystihuje Galtoová doska s kolíčkami, ktorá predstavuje mechaizmus áhody a ešte des sa využíva pre rôze hry. Ak sú kolíčky osadeé prese, utvorí sa poradie guličiek podľa Pascalovho trojuholíka v pomere : 6 : 5 : 20 : 5 : 6 : (obr. 4) [8]. Obr. 4 Galtoová doska 2. Gauss Laplaceova krivka chýb Normále rozdeleie pravdepodobosti pre základý súbor je matematicky popísaé vo vzťahu (7) vykresleé a obr. 5, z literatúry []. 0,8 0,6 0,4 0,2 0, σ Obr. 5 Gauss Laplaceova krivka chýb pre σ = 0,75, [] pri troch rôzych špicatostiach. kde: f ( 2 ( x µ ) 2 2σ x ) = e (7) σ 2π σ - smerodajá odchýlka; základého súboru - určuje roztiahutie krivky do šírky µ - stredá hodota; parameter určuje, kde má krivka maximum 5
6 Z priebehu krivky chýb vyplýva, že okolo stredej hodoty µ vo vzdialeosti: ±,0 σ je 68,27 % všetkých hodôt súboru, ±,5 σ je 86,64 % všetkých hodôt súboru, ± 2,0 σ je 95,45 % všetkých hodôt súboru. Táto skutočosť je ázorejšie vykresleá a obr. 6, kde Gauss Laplaceova krivka chýb hustota rozdeleia (sivá čiara pravá stupica ) je dopleá o súčtová krivka plochy vymedzeej tuto krivkou a osou X (čiera čiara ľavá stupica ). Obr. 6 Gauss Laplaceova krivka chýb (sivá čiara pravá stupica ) a súčtová krivka plochy (čiera čiara ľavá stupica ) [8] 2.2 Malé súbory Pri zisťovaí poukových cie ehuteľostí väčšiou emáme k dispozícii dostatočý počet údajov. Podľa počtu výberov výberové súbory vzorky delíme a [4]: veľmi malé súbory ( 0), malé súbory (0 < 30), veľké súbory (30 < ). Pre veľmi malé počty vzoriek sa v štatistike používa rozdeleie Wiliama Sealy Gosseta, záme ako Studetovo t rozdeleie, ktorého hodoty pre rôze pravdepodobosti 70 % až 90 % áhodého rozptylu prevzaté z [9] sú uvedeé v tab. 4. Vzťah medzi hustotou rozdeleia pre počet vzoriek = 3 (k=2 stupe voľosti) a hustotou rozdeleia základého súboru pre 95 % pravdepodobosť je vykresleý a obr. 6. P(t),645.σ R Normovaé rozdeleie Stupe voľosti = Stupe voľosti = 2 (=3) µ - t R t Obr. 6 Vzťah medzi hustotami rozdeleia pre výber vzoriek = 3 a základého súboru. 6
7 Tab. 4 Studetovo t rozdeleie stupe voľostí rozdeleie t pre pravdepodobosť stupe voľostí rozdeleie t pre pravdepodobosť k 70 % 80 % 90 % k 70 % 80 % 90 % 2,336,886 2,920 8,067,330,734 3,250,638 2,353 20,064,325,725 4,90,533 2,32 22,06,32,77 5,56,476 2,05 24,059,38,7 6,34,440,943 26,058,35,706 8,08,397,860 30,055,30,697 0,093,372,82 40,050,303,684 2,083,356,782 60,046,296,67 4,076,345,76 20,04,289,658 6,07,337,746,036,282,645 Takže použitím Studetovho rozdeleia môžeme aj z malého súboru dát, alebo aj veľmi malého súboru dát staoviť pre určeé pravdepodobosti, ich dolú a horú hodotu podľa vzťahu (8). H = x ± t*s (8) 3 TEST EXTRÉMNYCH HODNÔT VÝBERU Testy extrémych hodôt slúžia a vylúčeie extrémych hodôt, ktoré sa vymykajú z rámca áhodej variability. Jedým z ich je Grubbsov test, pri ktorom sú hodoty výberu usporiadaé podľa veľkosti viď. (9), kde - x je miimála hodota a x je maximála hodota výberu: x x 2 x 3... x -2 x - x (9) Hodotou testovacieho kritéria sú vzťahy (0) a (): T x x = (0) s x _ T x _ x = () sx Nulovú hypotézu zamieteme ak T T α, respektíve T T α, kde hodoty T α a T α, sú uvedeé v tab. 5. Tab. 5 Kritické hodoty T α = T α pre Grubbsov test α = 0,05 α = 0,05 3,5 5 2,408 4, ,443 5, ,475 6, ,504 7, ,53 8 2, , ,09 2 2, , ,603 2, , , , , , ,37 7
8 4 PRÍKLAD ODHADU HODNOTY BYTU Z PONUKOVÝCH CIEN Pouku bytov spolu s ich ceou, plošou výmerou, ich základými údajmi, je možé získať z údajov publikovaých v tlači, a elektroických databázach realitých spoločostí. 4. Súhré údaje 4 izbových bytov v Bratislave - Dúbravke Pouka 4 izbových bytov v Bratislave, miestej časti Dúbravka získaá v decembri 2006 z portálu a jej štatistické vyhodoteie je uvedeé v tab. 6. Pouka 4 izbových bytov - Bratislava Dúbravka Tab. 6. dátum ulica cea [tis Sk] výmeram 2 ] jedot cea stav bytu poschodie Grubbsov test x s mediá Sk/m 2 ] 0/ x [%] Bagarova , P /4-0, ,57 2 Gallayova , C 2/8-0, ,76 3 Ožvoldíkova , C 4/ -, ,9 4 Gallayova , P 3/3 0, ,3 5 Gallayova , C 2/8-0, ,4 6 Homolova ,0 367 P 4/4-0, ,35 7 Ožvoldíkova , C 4/4 -, ,57 8 Gallayova , P 2/8-0, ,49 9 Fedákova , P 5/8 0, ,25 0 Kar. Adlera , R 6/8 0, ,04 Homolova , P 4/4-0, ,05 2 Bagarova , P /4 0, ,57 3 Fedákova , C 5/8 0, ,93 4 Pekíkova ,0 435 R 2/8, ,24 5 Bagarova , P /4 0, ,44 6 Pri kríži , C 3/4, ,20 7 Bullova , P /4-0, ,86 8 Cabaova , C / -0, ,73 9 Fedákova , C 5/8 0, ,23 20 Batkova , P /4 0, ,33 2 Homolova , P / -0, ,20 22 Gallayova , C 3/8-0, ,80 23 Fedákova , C 6/8 0, ,85 24 Ožvoldíkova , C /4 -, ,48 25 Homolova , P 4/4-0, ,40 26 Pekíkova ,0 435 R 2/8, ,05 27 Cabaova , C 4/4 0, ,30 28 Drobého , R /4, ,79 29 Haulova , R / 0, ,89 30 Homolova , P 4/ -0, ,6 3 Nejedlého , R 3/6-0, ,58 32 Fedákova , P 8/8 -, ,0 33 Homolova , P 4/4-0, ,07 34 Gallayova , P 2/8-0, ,82 35 Gallayova , C 2/8-0, ,58 36 Pekíkova ,0 435 R 2/8, ,04 37 Nejedlého , R / -0, ,00 38 Pri kríži , C 3/4 0, ,0 39 Bagarova , P /4 0, , 8
9 pokračovaie tab Traovského , P 3/3 0, ,8 4 bez , R 2/2 5,8 42 Bagarova , P /4 -, ,92 43 Beiakova , R 2/8, ,24 44 Pekíkova , R 2/8, ,57 45 Gallayova , P 3/3-0, ,55 46 Fedákova , C 5/8 0, ,60 47 Nejedlého , C 3/6-0, ,58 48 Gallayova , C 2/8-0, ,46 49 Fedákova , C 5/8 0, ,49 50 Gallayova , P 3/3 0, ,54 5 bez , C / -, ,25 52 Homolova , P 2/3-0, ,26 53 Kar. Adlera , C 4/ -0, ,20 54 Fedákova , C / -0, ,7 55 Homolova , P 2/3-0, ,5 56 Fedákova , C 2/ -, ,97 57 Cabaova , R 4/6 0, ,08 58 Sekurisova , C /4-0, ,06 59 Traovského , P /4 0, ,4 60 Kar. Adlera , C 6/8 0, ,2 6 Fedákova , P 5/8-0, ,8 62 Gallayova , P 3/3 0, ,22 63 bez , P 2/8-0, ,3 64 bez , C / -0, ,00 65 rozsah súboru výberový priemer x 78,7 373,0 67 smerodajá odchýlka s 6, ,9 68 mediá 78,0 3703,0 69 miimum 72, maximum 04,0 4350,7 Legeda: P byt v pôvodom stave C čiastočá rekoštrukcia bytu R úplá rekoštrukcia bytu Pri výpočte štatistických charakteristík uvedeých v riadkoch 65 až 70, sme vylúčili riadok 4, ktorého údaje prekročili Grubbsovým testom určeé kritické hodoty (stĺpec 9). Výberový priemer x uvedeý v stĺpci 0, smerodajá odchýlka s uvedeá v stĺpci a mediá uvedeý v stĺpci 2, sú vypočítaé z riadkov až (príslušý riadok). V stĺpci 3 je vypočítaý podiel výberového priemeru x riad.- / x riad.66. Z podielov výberových priemerov uvedeých v tomto stĺpci vyplýva, že od počtu údajov 4 sa výberový priemer x riad.- sa pohybuje v rozmedzí od 99,24 % do 00,89 %, z výberového priemeru x riad.66, získaého zo štatistického vyhodoteia 63 údajov izbové byty v Bratislave - Dúbravke pôvodý stav + čiastočá rekoštrukcia Ako z údajov v tab. 6 vyplýva, je malý rozdiel jedotkových cie (a m 2 ) medzi bytmi deklarovaými pôvodý stav a bytmi s čiastočou rekoštrukciou. Výber skupí bytov - pôvodý stav a bytov s čiastočou rekoštrukciou a ich štatistické vyhodoteie je uvedeé v tab. 7. 9
10 XVI. koferece absolvetů studia techického zalectví s meziárodí účastí tab. 6 ulica cea [tis Sk] [m 2 ] jedot. cea stav bytu posch Grub test x s mediá Sk/m 2 ] Tab. 7. 0/ x [%] Bagarova , P /4 0, , Gallayova , C 2/8-0, , Ožvoldíkova , C 4/ -, , Gallayova , P 3/3, , Gallayova , C 2/8 -, , Homolova ,0 367 P 4/4-0, , Ožvoldíkova , C 4/4 -, , Gallayova , P 2/8-0, , Fedákova , P 5/8 0, ,9 0 Homolova , P 4/4-0, ,28 2 Bagarova , P /4 0, , Fedákova , C 5/8 0, , Bagarova , P /4 0, , Pri kríži , C 3/4 2, , Bullova , P /4-0, , Cabaova , C / -0, ,4 7 9 Fedákova , C 5/8, , Batkova , P /4 0, , Homolova , P / -0, , Gallayova , C 3/8 -, , Fedákova , C 6/8 0, , Ožvoldíkova , C /4 -, , Homolova , P 4/4-0, , Cabaova , C 4/4, , Homolova , P 4/ -0, , Fedákova , P 8/8-2, , Homolova , P 4/4 0, , Gallayova , P 2/8 -, , Gallayova , C 2/8 -, , Pri kríži , C 3/4 0, , Bagarova , P /4 0, , Traovského , P 3/3 0, , Bagarova , P /4 -, , Gallayova , P 3/3 0, , Fedákova , C 5/8 0, , Nejedlého , C 3/6 0, , Gallayova , C 2/8-0, , Fedákova , C 5/8 0, , Gallayova , P 3/3 0, , bez , C / -2, , Homolova , P 2/3 0, , Kar. Adlera , C 4/ -0, , Fedákova , C / 0, , Homolova , P 2/3 0, , Fedákova , C 2/ -, , Sekurisova , C /4 0, , Traovského , P /4, , Kar. Adlera , C 6/8, , Fedákova , P 5/8 0, , Gallayova , P 3/3 0, , bez , P 2/8-0, , bez , C / -, ,00 0
11 53 rozsah súboru výberový priemer x 78, ,6 55 smerodajá odchýlka s 5,4 246,3 56 mediá 78, ,7 57 miimum 72,0 3625,0 58 maximum 02,0 4486,5 pokračovaie Tab izbové byty v Bratislave - Dúbravke úplá rekoštrukcia Výber skupiy bytov úplá rekoštrukcia a jej štatistické vyhodoteie je uvedeé v tab. 8. Tab. 8. Pouka 4 izbových bytov - Bratislava Dúbravka - úplá rekoštrukcia tab. 6 ulica cea [tis Sk] [m 2 ] jedot. cea stav bytu posch Grub test x s mediá Sk/m 2 ] 0/ x [%] Kar. Adlera , R 6/8-0, , Pekíkova ,0 435 R 2/8 0, , Pekíkova ,0 435 R 2/8 0, , Drobého , R /4 0, , Haulova , R / -0, , Nejedlého , R 3/6 -, , Pekíkova ,0 435 R 2/8 0, , Nejedlého , R / -, , Beiakova , R 2/8 0, , Pekíkova , R 2/8 0, ,28 57 Cabaova , R 4/6-0, ,00 2 rozsah súboru 3 výberový priemer x smerodajá odchýlka s 8,9 2595,6 5 mediá 75, miimum 73, maximum 04, Vyhodoteie Pri verejej pouke ehuteľostí platí zásada, že ak pouková cea ie je trhom akceptovaá postupe sa táto cea zižuje. Posledá zverejeá pouka ehuteľostí sa potom považuje za pouku, ktorú trh pravdepodobe akceptoval [0]. Pri štatistickom vyhodoteí možstva poúk bytov ie je možé sledovať postupé zižovaie poukových cie kokrétych ehuteľostí. Teto edostatok môžeme ahradiť použitím dolej hodoty Studetovho rozdeleia, pre 80 % kde zo vzťahu (8) dostaeme : H B = x - t*s (2) Hodoty t určíme z tab. 4 lieárou iterpoláciou: pre k = 5 t =,299, odhad hodoty 4 izbových bytov a jedotku plochy (Sk/ m 2 ) v Bratislave Dúbravke, je uvedeý v tab. 9.
12 Odhad hodoty 4 izb. bytov v Bratislave - Dúbravke Skupia dát k t x s H B Tab. 9 H B/ x [%] 4 izb. byty - spolu 63 62, ,0 2729, ,47 4 izb. byty pôvodý 52 5, ,6 246, ,34 stav + čiastočá rekoš. 4 izb. byty úplá 0, ,2 2595, ,23 rekoštrukcia 5 ZÁVER Ako je zrejme z výpočtov uvedeých v tab. 6 až 9, odhad hodoty ehuteľostí, ktorý sa približuje ceám skutoče realizovaých prevodov, je možé získať z existujúcich vereje poúkaých cie ehuteľostí. Pri staoveí odhadu hodoty ehuteľostí z poukových cie je možé výhode využiť štatistické metódy dostupého programu Excel. Príspevok bol spracovaý v rámci gratovej výskumej úlohy KEGA 3/404/06 Kocepcia študijého programu a staoveie všeobecej hodoty ehuteľostí. Recezovala: Ig. Zora Petráková, PhD. Stavebá fakulta STU v Bratislave Literatúra [ ] Bradáč, A.: Teória oceňovaia ehuteľostí. Skriptum Vydavateľstvo STU, Vazovová 5. Rok vydaia [ 2] Brož, M.: Excel 2003, podrobá užívateľská príručka, Computer Press, Bratislava 2004 [ 3] Dallosová, A., Mesiar, R.: Pravdepodobosť a matematická štatistika, SVŠT v Bratislave, Stavebá fakulta, Bratislava, 983 [ 4] Holický, M.: Zásady ověřovaí spolehlivosti a životosti staveb. Vydavatelství ČVUT Praha, 998. [ 5] Chajdiak, J.: Štatistika v exceli, STATIS, ISBN , Bratislava [ 6] Chajdiak, J.: Štatistické úlohy a ich riešeie v exceli, STATIS, ISBN , Bratislava 2005 [ 7] Kalická, J., Krivá, Z.: Praktická štatistika v Exceli, STU v Bratislave, Stavebá fakulta, 2005 [ 8] Swoboda, H.: Moderí statistika. Nakladatelství Svoboda Praha 977. [ 9] Šor, J. B.: Statistické metody aalýzy a kotroly jakosti a spolehlivosti. SNTL Praha, 965. [0] Bradáčová, L. - Ulrich, J.: Výpočet ájemého za předchozí období případová studie str I.: Určeie všeobecej hodoty ehuteľostí v podmiekach vstupu SR do EÚ. STU Bratislava, 2006, Kočovce, 6.-7 Dec.2006, ISBN
x j hodnota štatistického znaku x - aritmetický priemer ni absolútna početnosť m počet tried hšt ti ti kéh m počet tried hšt ti ti kéh
4. Bodový odhad Pricíp bodového odhadu spočíva v odhade ezámych parametrov (stredej hodoty, rozptylu, smerodajej odchýlky, atď.) prostredíctvom výberových charakteristík, ktoré sú reprezetovaé jedým číslom
Διαβάστε περισσότεραZáklady metodológie vedy I. 9. prednáška
Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna
Διαβάστε περισσότεραZNAKY. Ordinálne znaky = možno usporiadať, ale nie je podstatná veľkosť rozdielu!
ZNAKY Merateľé = kvatitatíve Majú veľkosť = ordiále Počítateľé = kvalitatíve Bez veľkosti = omiále Číselé charakteristiky (veľkosť, premelivosť, tvar rozdeleia) = možo odhadovať itervalovým odhadom a testovať
Διαβάστε περισσότεραStart. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop
1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s
Διαβάστε περισσότεραMatematika Funkcia viac premenných, Parciálne derivácie
Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x
Διαβάστε περισσότεραRegresná analýza x, x,..., x
Regresá aalýza Základé pojmy Regresá aalýza skúma fukčý vzťah (priebeh závislosti), podľa ktorého sa meí závisle premeá Y pri zmeách ezávislých veličí x, x,..., x k. x = ( x, x,..., x ) i i i i T Y = (Y,
Διαβάστε περισσότεραKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita
132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:
Διαβάστε περισσότερα3. prednáška. Komplexné čísla
3. predáška Komplexé čísla Úvodé pozámky Vieme, že existujú také kvadratické rovice, ktoré emajú riešeie v obore reálych čísel. Študujme kvadratickú rovicu x x + 5 = 0 Použitím štadardej formule pre výpočet
Διαβάστε περισσότεραObvod a obsah štvoruholníka
Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka
Διαβάστε περισσότερα1 Koeficient kovariancie
Koreláciou rozumieme vzájomý lieáry vz tah závislos t) dvoch áhodých premeých X a Y 1. Teto vz tah môˇze by t priamy tj. s rastúcimi hodotami jedej premeej rastú hodoty druhej premeej a aopak alebo epriamy
Διαβάστε περισσότερα2.1 Charakteristiky polohy
2 POPISNÉ CHARAKTERISTIKY Výsledkom prvého kroku spracovaia štatistických údajov je usporiadaie aalyzovaých hodôt do kotigečých alebo frekvečých tabuliek. Častokrát, predovšetkým pri porovávaí viacerých
Διαβάστε περισσότερα7. FUNKCIE POJEM FUNKCIE
7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje
Διαβάστε περισσότεραModerné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A
M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x
Διαβάστε περισσότερα2.4 OPAKOVATEĽNOSŤ A REPRODUKOVATEĽNOSŤ NORMOVANÝCH SKÚŠOK A VYJADRENIE NEISTÔT MERANÍ
.4 OPAKOVATEĽNOSŤ A REPRODUKOVATEĽNOSŤ NORMOVANÝCH SKÚŠOK A VYJADRENIE NEISTÔT MERANÍ Normovaé metódy okrem kompletých postpov popisjú aj spôsob spracovaia a vyhodoteia výsledkov meraia. Pri dodržaí podmieok
Διαβάστε περισσότερα,Zohrievanie vody indukčným varičom bez pokrievky,
Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť
Διαβάστε περισσότεραIng. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu
Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu 2016 Základné štatistické metódy marketingového výskumu Autor: Recenzenti: Ing. Andrej Trnka, PhD. prof. Ing. Pavol Tanuška, PhD.
Διαβάστε περισσότεραM6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou
M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny
Διαβάστε περισσότεραPRIEMER DROTU d = 0,4-6,3 mm
PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda
Διαβάστε περισσότεραPravdepodobnosť a štatistika
Prírodovedecká fakulta UPJŠ Košice Pravdepodobosť a štatistika pozámky z predášok letého semestra predmetu Pravdepodobosť a štatistika predáša: RDr. Valéria Skřiváková, CSc. Verzia. júla 003 : Zostavil
Διαβάστε περισσότερα2 ODHADY PARAMETROV ZÁKLADNÉHO SÚBORU
ODHADY PARAMETROV ZÁKLADNÉHO SÚBOR.1 Bodové odhady Každý záko rozdeleia pravdepodobosti diskrétej aj spojitej áhodej premeej závisí od jedého alebo viacerých parametrov. V praxi často hľadáme vhodý pravdepodobostý
Διαβάστε περισσότεραRozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla
Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti príloha č. 7 k vyhláške č. 428/2010 Názov prevádzkovateľa verejného : Spravbytkomfort a.s. Prešov Adresa: IČO: Volgogradská 88, 080 01 Prešov 31718523
Διαβάστε περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
Διαβάστε περισσότεραPravdepodobnosť a štatistika
Prírodovedecká fakulta UPJŠ Košice Pravdepodobosť a štatistika ( pozámky z predášok letého semestra predmetu Pravdepodobosť a štatistika predáša: RNDr. Valéria Skřiváková, CSc. Verzia. júla 003 : Zostavil
Διαβάστε περισσότεραReprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA
Reprezentácia dát Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA slovným opisom grafickým zobrazením Typy grafov a ich použitie Najčastejšie používané typy grafov: čiarový graf
Διαβάστε περισσότεραZÁKLADNÉ ŠTATISTICKÉ METÓDY
TECHNICKÁ UNIVERZITA V KOŠICIACH S T R O J N Í C K A F A K U L T A ZÁKLADNÉ ŠTATISTICKÉ METÓDY Duša Kežo, Miriam Adrejiová, Gabriela Ižaríková 2011 RECENZOVALI: prof. RNDr. Marti Bača, CSc. prof. RNDr.
Διαβάστε περισσότεραEkvačná a kvantifikačná logika
a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných
Διαβάστε περισσότεραNávrh vzduchotesnosti pre detaily napojení
Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Διαβάστε περισσότεραMotivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.
14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12
Διαβάστε περισσότεραZáklady matematickej štatistiky
1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov
Διαβάστε περισσότεραÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI
ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI 1. Zadanie: Určiť odchýlku kolmosti a priamosti meracej prizmy prípadne vzorovej súčiastky. 2. Cieľ merania: Naučiť sa merať na špecializovaných
Διαβάστε περισσότεραUČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková
Stredná priemyselná škola dopravná, Sokolská 911/94, 960 01 Zvolen Kód ITMS projektu: 26110130667 Názov projektu: Zvyšovanie flexibility absolventov v oblasti dopravy UČEBNÉ TEXTY Pracovný zošit č.2 Vzdelávacia
Διαβάστε περισσότερα2 Chyby a neistoty merania, zápis výsledku merania
2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné
Διαβάστε περισσότερα3. Striedavé prúdy. Sínusoida
. Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa
Διαβάστε περισσότεραPREHĽAD ÚDAJOV. 1. Početnosť
PREHĽAD ÚDAJOV 1. Početnosť. Miery centrálnej tendencie a. Aritmetický priemer b. Medián c. Modus 3. Miery rozptylu a. Tvar b. Rozdelenie, rozloženie údajov c. Rozsah d. Rozptyl - variancia e. Smerodatná
Διαβάστε περισσότεραŠTATISTIKA. Obsah. Predmet štatistiky Popisná štatistika Štatistické charakteristiky jednorozmerných rozdelení.. 17
ŠTATISTIKA Obsah Predmet štatistiky Meranie a úrovne merania 10 Popisná štatistika 13 Jednorozmerné rozdelenie 14 Štatistické charakteristiky jednorozmerných rozdelení 17 Dvojrozmerné rozdelenie 5 Štatistické
Διαβάστε περισσότεραMatematika 2. časť: Analytická geometria
Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové
Διαβάστε περισσότεραPodnikateľ 90 Mobilný telefón Cena 95 % 50 % 25 %
Podnikateľ 90 Samsung S5230 Samsung C3530 Nokia C5 Samsung Shark Slider S3550 Samsung Xcover 271 T-Mobile Pulse Mini Sony Ericsson ZYLO Sony Ericsson Cedar LG GM360 Viewty Snap Nokia C3 Sony Ericsson ZYLO
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραHASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S
PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv
Διαβάστε περισσότεραOdporníky. 1. Príklad1. TESLA TR
Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L
Διαβάστε περισσότεραHarmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť
Baumit Prednástrek / Vorspritzer Vyhlásenie o parametroch č.: 01-BSK- Prednástrek / Vorspritzer 1. Jedinečný identifikačný kód typu a výrobku: Baumit Prednástrek / Vorspritzer 2. Typ, číslo výrobnej dávky
Διαβάστε περισσότεραMargita Vajsáblová. ρ priemetňa, s smer premietania. Súradnicová sústava (O, x, y, z ) (O a, x a, y a, z a )
Mrgit Váblová Váblová, M: Dekriptívn geometri pre GK 101 Zákldné pom v onometrii Váblová, M: Dekriptívn geometri pre GK 102 Definíci 1: onometri e rovnobežné premietnie bodov Ε 3 polu prvouhlým úrdnicovým
Διαβάστε περισσότεραTESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.
TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)
Διαβάστε περισσότεραŠTATISTICKÉ METÓDY VPRAXI
TECHNICKÁ UNIVERZITA V KOŠICIACH Strojnícka fakulta ŠTATISTICKÉ METÓDY VPRAXI Miriam Andrejiová Edícia vedeckej a odbornej literatúry Košice 2016 Technická univerzita v Košiciach, Strojnícka fakulta Miriam
Διαβάστε περισσότεραŠtatistické riadenie procesov Regulačné diagramy 3-1
Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické
Διαβάστε περισσότεραChí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky
Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.
Διαβάστε περισσότεραMatematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad
Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov
Διαβάστε περισσότεραUrčite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.
Priezvisko a meno študenta: 216_Antropometria.xlsx/Pracovný postup Študijná skupina: Ročník štúdia: Antropometria Cieľ: Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým
Διαβάστε περισσότεραGoniometrické rovnice a nerovnice. Základné goniometrické rovnice
Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami
Διαβάστε περισσότεραPrognózovanie OBSAH PREDNÁŠKY
Progózovaie OBSAH PREDNÁŠKY Progózovaie cieľ, postup, klasifikácia metód Kvatitatíve metódy Rôze typy priemerov, lieára regresia, metóda harmoických váh Kvalitatíve metódy Odhad predajcov, skupiový posudok,
Διαβάστε περισσότεραC. Kontaktný fasádny zatepľovací systém
C. Kontaktný fasádny zatepľovací systém C.1. Tepelná izolácia penový polystyrén C.2. Tepelná izolácia minerálne dosky alebo lamely C.3. Tepelná izolácia extrudovaný polystyrén C.4. Tepelná izolácia penový
Διαβάστε περισσότεραModelovanie dynamickej podmienenej korelácie kurzov V4
Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať
Διαβάστε περισσότεραREZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických
REZISTORY Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických obvodoch. Základnou vlastnosťou rezistora je jeho odpor. Odpor je fyzikálna vlastnosť, ktorá je daná štruktúrou materiálu
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραKontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.
Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,
Διαβάστε περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných
Διαβάστε περισσότεραMPV PO 16/2013 Stanovenie kovov v rastlinnom materiáli ZÁVEREČNÁ SPRÁVA
REGIONÁLNY ÚRAD VEREJNÉHO ZDRAVOTNÍCTVA so sídlom v Prešove Národné referenčné centrum pre organizovanie medzilaboratórnych porovnávacích skúšok v oblasti potravín Hollého 5, 080 0 Prešov MEDZILABORATÓRNE
Διαβάστε περισσότερα1. Limita, spojitost a diferenciálny počet funkcie jednej premennej
. Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny
Διαβάστε περισσότεραMetodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT
Moderné vzdelávanie pre vedomostnú spoločnosť / Projekt je spolufinancovaný zo zdrojov EÚ Kód ITMS: 26130130051 číslo zmluvy: OPV/24/2011 Metodicko pedagogické centrum Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH
Διαβάστε περισσότεραVeľkosť výberového súboru
Veľkosť výberového súboru Podľa Kah,H.A., Sempos,C.T.: Statistical Methods i Epidemiology. Oxford Uiv. Press, 1989 spracoval Doc. MUDr. Marti Rusák, CSc Často sa pýtame, aký veľký súbor potrebujem a preukázaie
Διαβάστε περισσότεραTesty dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)
TESTY DOBREJ ZHODY Testy dobrej zhody = testy hypotéz zhody rozdelení (= testy dobrej zhody / ft testy / Goodness of Ft Tests) Overujeme, č emprcké rozdelene je štatstcky zhodné s nektorým z teoretckých
Διαβάστε περισσότερα1. písomná práca z matematiky Skupina A
1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi
Διαβάστε περισσότεραUNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY TEÓRIA FOURIEROVÝCH RADOV
UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY TEÓRIA FOURIEROVÝCH RADOV Bratislava Marti Varísky UNIVERZITA KOMENSKÉHO V BRATISLAVE FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY
Διαβάστε περισσότεραPrechod z 2D do 3D. Martin Florek 3. marca 2009
Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica
Διαβάστε περισσότεραPríručka ku kurzu SPÔSOBILOSŤ PROCESU
E+6 E+5 E+ E+ E+ E+ E+ E- Príručka ku kurzu SPÔSOBILOSŤ PROCESU E- E- E- E-5 E-6 E-7 E-8,5,7,9,,,5,7,9,,,5 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje
Διαβάστε περισσότεραPríklady na precvičovanie číselné rady a kritériá ich konvergencie a divergencie
Príklady a precvičovaie číselé rady a kritériá ich kovergecie a divergecie Ústredým problémom teórie reálych číselých radov je vyšetrovaie ich kovergecie, resp divergecie Ak {a } = je daá postuposť reálych
Διαβάστε περισσότεραAnalýza vlastností funkcií mierky a waveletov v ortogonálnom prípade. - funkcia mierky a wavelet spĺňajúca relácie zmeny rozlíšenia
Aalýza vlastostí fucií miery a waveletov v ortogoálom prípade Ozačeie: ϕ ( t), ψ ( t) - fucia miery a wavelet spĺňajúca relácie zmey rozlíšeia h ( ), g ( ) - zjedodušeé ozačeie oeficietov pre zmeu rozlíšeia
Διαβάστε περισσότεραRIEŠENIE WHEATSONOVHO MOSTÍKA
SNÁ PMYSLNÁ ŠKOL LKONKÁ V PŠŤNO KOMPLXNÁ PÁ Č. / ŠN WSONOVO MOSÍK Piešťany, október 00 utor : Marek eteš. Komplexná práca č. / Strana č. / Obsah:. eoretický rozbor Wheatsonovho mostíka. eoretický rozbor
Διαβάστε περισσότεραFunkcie a grafy v programe Excel
Tabuľkový kalkulátor EXCEL Funkcie a grafy v programe Excel Minimum, maximum Aritmetický priemer, medián, modus, vážený priemer Zaokrúhľovanie Grafy - Koláčový - Koláčový s čiastkovými výsekmi - Stĺpcový
Διαβάστε περισσότεραGramatická indukcia a jej využitie
a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)
Διαβάστε περισσότεραTechnická univerzita v Košiciach. ROČNÍKOVÁ PRÁCA č. 3 PRIBLIŽNÝ VÝPOČET TEPELNÉHO OBEHU LTKM
Technická univerzita Letecká fakulta Katedra leteckého inžinierstva ROČNÍKOVÁ PRÁCA č. 3 PRIBLIŽNÝ VÝPOČET TEPELNÉHO OBEHU LTKM Študent: Cvičiaci učiteľ: Peter Majoroš Ing. Marián HOCKO, PhD. Košice 6
Διαβάστε περισσότεραVýpočet. grafický návrh
Výočet aaetov a afcký návh ostuu vtýčena odobných bodov echodníc a kužncových obúkov Píoha. Výočet aaetov a afcký návh ostuu vtýčena... Vtýčene kajnej echodnce č. Vstuné údaje: = 00 ; = 8 ; o = 8 S ohľado
Διαβάστε περισσότεραZrýchľovanie vesmíru. Zrýchľovanie vesmíru. o výprave na kraj vesmíru a čo tam astronómovia objavili
Zrýchľovanie vesmíru o výprave na kraj vesmíru a čo tam astronómovia objavili Zrýchľovanie vesmíru o výprave na kraj vesmíru a čo tam astronómovia objavili Zrýchľovanie vesmíru o výprave na kraj vesmíru
Διαβάστε περισσότερα6. Mocniny a odmocniny
6 Moci odoci Číslo zýve oceec (leo zákld oci), s zýv ociteľ (leo epoet) Číslo s zýv -tá oci čísl Moci s piodzeý epoeto pe ľuovoľé eále číslo pe kždé piodzeé číslo je v ožie eálch čísel defiová -tá oci
Διαβάστε περισσότεραMetódy spracovania experimentálnych výsledkov Autor pôvodného textu: Peter Ballo
Spracovae výsledkov Metódy spracovaa epermetálych výsledkov Autor pôvodého tetu: Peter Ballo Každé merae je zaťažeé chybam, ktoré sú zapríčeé edokoalosťou ašch pozorovacích schopostí, epresosťou prístrojov,
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραTematický výchovno-vzdelávací plán k pracovnému zošitu
Február Mesiac Týždeň Tematický výchovno-vzdelávací plán k pracovnému zošitu NOVÝ POMOCNÍK Z MATEMATIKY 8, časť Stupeň vzdelania: ISCED 2 - nižšie sekundárne vzdelávanie Vzdelávacia oblasť: Matematika
Διαβάστε περισσότεραURČENIE MOMENTU ZOTRVAČNOSTI FYZIKÁLNEHO KYVADLA
54 URČENE MOMENTU ZOTRVAČNOST FYZKÁLNEHO KYVADLA Teoretický úvod: Fyzikálnym kyvadlom rozumieme teleso (napr. dosku, tyč), ktoré vykonáva periodický kmitavý pohyb okolo osi, ktorá neprechádza ťažiskom.
Διαβάστε περισσότεραUhol, pod ktorým sa lúč láme závisí len od relatívnych indexov lomu dvojice prostredí a od uhla dopadu podľa Snellovho zákona. n =
Lom svetla. Lom svetla hraolom, optickým kliom a plaparalelou doštičkou Záko lomu Na rozhraí dvoch prostredí sa svetelý lúč láme tak, aby prešiel dráhu z bodu A do bodu B za ajkratší možý čas. Teda v opticky
Διαβάστε περισσότεραAPLIKOVANÁ ŠTATISTIKA V POČÍTAČOVOM PROSTREDÍ MATLABU
Moderé vzdelávae pre vedomostú spoločosť/ Projekt je spolufacovaý zo zdrojov EÚ APLIKOVANÁ ŠTATISTIKA V POČÍTAČOVOM PROSTREDÍ MATLABU Fakulta elektrotechky a formatky Eva Ostertagová Táto publkáca vzkla
Διαβάστε περισσότεραRozsah akreditácie 1/5. Príloha zo dňa k osvedčeniu o akreditácii č. K-003
Rozsah akreditácie 1/5 Názov akreditovaného subjektu: U. S. Steel Košice, s.r.o. Oddelenie Metrológia a, Vstupný areál U. S. Steel, 044 54 Košice Rozsah akreditácie Oddelenia Metrológia a : Laboratórium
Διαβάστε περισσότεραFunkcie - základné pojmy
Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny
Διαβάστε περισσότεραZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3
ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko
Διαβάστε περισσότεραMatematická štatistika
Matematcká štatstka Trochu hstóre: Starovek sčítae ľudu a majetku (vojeské a daňové účely) Egypt, Čía, Mezopotáma Stredovek vzk a kosoldáca ových štátov zsťovae geografckých údajov, hospodársky a poltcký
Διαβάστε περισσότεραKompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017
Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine
Διαβάστε περισσότεραCvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE
Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk, http://frcatel.fri.uniza.sk/pesko/ Katedra matematických metód, Fakulta
Διαβάστε περισσότεραMIDTERM (A) riešenia a bodovanie
MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude
Διαβάστε περισσότεραZákladné poznatky molekulovej fyziky a termodynamiky
Základné poznatky molekulovej fyziky a termodynamiky Opakovanie učiva II. ročníka, Téma 1. A. Príprava na maturity z fyziky, 2008 Outline Molekulová fyzika 1 Molekulová fyzika Predmet Molekulovej fyziky
Διαβάστε περισσότεραDOMÁCE ZADANIE 1 - PRÍKLAD č. 2
Mechanizmy s konštantným prevodom DOMÁCE ZADANIE - PRÍKLAD č. Príklad.: Na obrázku. je zobrazená schéma prevodového mechanizmu tvoreného čelnými a kužeľovými ozubenými kolesami. Určte prevod p a uhlovú
Διαβάστε περισσότεραRozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky
Veľkosť Varablta Rozdelene 0 00 80 n 60 40 0 0 0 4 6 8 Tredy 0 Rozdely vo vnútornej štruktúre údajov = tvarové charakterstky I CHARAKTERISTIKY PREMELIVOSTI Artmetcký premer Vzťahy pre výpočet artmetckého
Διαβάστε περισσότερα1 lim. Analýza výstupných dát simulácie Odhad neznámej strednej hodnoty
V. Solá, KIVT FEI STU Bratslava 6 : Aalýza výstupých dát smuláce Odhad ezámej stredej hodot Cetrála lmtá veta CLV: Nech,,... sú IID áhodé premeé so stredou hodotou µ a koeou dsperzou σ. Potom x R platí:
Διαβάστε περισσότεραAkumulátory. Membránové akumulátory Vakové akumulátory Piestové akumulátory
www.eurofluid.sk 20-1 Membránové akumulátory... -3 Vakové akumulátory... -4 Piestové akumulátory... -5 Bezpečnostné a uzatváracie bloky, príslušenstvo... -7 Hydromotory 20 www.eurofluid.sk -2 www.eurofluid.sk
Διαβάστε περισσότεραCvičenie č. 4,5 Limita funkcie
Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(
Διαβάστε περισσότεραSpojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.
Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................
Διαβάστε περισσότεραMeranie na jednofázovom transformátore
Fakulta elektrotechniky a informatiky TU v Košiciach Katedra elektrotechniky a mechatroniky Meranie na jednofázovom transformátore Návod na cvičenia z predmetu Elektrotechnika Meno a priezvisko :..........................
Διαβάστε περισσότερα6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu
6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis
Διαβάστε περισσότερα