Časové řady OA a VOŠ Příbram.

Slides:



Advertisements
Podobné prezentace
Statistické funkce v tabulkovém kalkulátoru Excel MS
Advertisements

Cvičení 9 – Ekonomická funkce nelineární v parametrech :
Název školy Střední škola pedagogická, hotelnictví a služeb, Komenského 3, Litoměřice AutorMgr. Milena Procházková Název šablonyIII/2_Inovace a zkvalitnění.
Třídění dat OA a VOŠ Příbram. Třídění  rozdělení jednotek souboru do takových skupin, aby co nejlépe vynikly charakteristické vlastnosti zkoumaných jevů.
Použité statistické metody
EDA pro časové řady.
Odhady parametrů základního souboru
Poměrní ukazatelé OA a VOŠ Příbram.
Statistika I 2. cvičení.
Vyrovnání časové řady OA a VOŠ Příbram.
Škola: Střední škola právní – Právní akademie, s.r.o. Typ šablony: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Projekt: CZ.1.07/1.5.00/
Indexy pojem OA a VOŠ Příbram.
BOX - PLOT OA a VOŠ Příbram.
Statistika Vypracoval: Mgr. Lukáš Bičík
Obsah prezentace Náhodná proměnná Rozdělení náhodné proměnné.
Charakteristiky polohy hodnoty znaku - čísla popisující polohu znaku na číselné ose -můžeme zvolit: -Aritmetický průměr -Modus, medián -Harmonický průměr.
Tloušťková struktura porostu
„EU peníze středním školám“
Charakteristiky polohy
Analýza vnitropodnikového trhu práce
Gymnázium, Obchodní akademie a Jazyková škola s právem státní jazykové zkoušky Hodonín Statistika Časové řady - úvod 1.
Obchodní akademie, Ostrava-Poruba, příspěvková organizace Vzdělávací materiál/DUMVY_32_INOVACE_09/C2 AutorIng. Liběna Krchňáková Období vytvořeníSrpen.
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Charakteristické rysy a typy jednorozměrného rozdělení četností.
Základní statistické charakteristiky
Statistika Ukazatelé variability
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Analýza vnitropodnikového trhu práce Analýza stavu a pohybu pracovníků.
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
Charakteristiky variability
Statistika 2. přednáška Ing. Marcela Čapková.
Charakteristiky variability
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Základy zpracování geologických dat
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Statistické srovnávání ekonomických jevů
ŠkolaStřední průmyslová škola Zlín Název projektu, reg. č.Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/ Vzdělávací.
REGIONÁLNÍ ANALÝZA Cvičení 5 Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Název projektu: Kvalitní vzdělání je efektivní investice.
Molekulová fyzika 3. přednáška „Statistický přístup jako jediná funkční strategie kinetické teorie“
VÝPOČTY O PRACOVNÍCÍCH
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Aplikovaná statistika 2.
Statistika Statistika je matematická disciplína, která zpracovává výsledky hromadného pozorování (o objemu výroby, dovozu či vývozu zboží, výdajích a příjmech.
Obyvatelstvo světa a jeho početní růst
Časové řady Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Základy statistiky Základní pojmy. Základy statistiky Statistiku můžeme chápat jako činnost - získávání stat. údajů, jejich zpracování a vyhodnocení jako.
Popisné charakteristiky statistických souborů. ZS - přesné parametry (nelze je měřením zjistit) VS - výběrové charakteristiky (slouží jako odhad skutečných.
Charakteristiky variability Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Charakteristiky úrovně Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Statistika 1.cvičení. Základní informace Ing. Daniela Krbcová Materiály ze cvičení, přednášky Skripta k předmětu,
… jsou bohatší lidé šťastnější?
Homogenita meteorologických pozorování
Rozdělení četností 13. prosince 2013 VY_42_INOVACE_190224
Indexní analýza Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Statistika 2.cvičení
Statistika Průměry časových řad ANOA Mgr. Darina Vichrová.
Demografické ukazatele
Homogenita meteorologických pozorování
STATISTICKÉ CHARAKTERISTIKY
METODICKÝ LIST PRO ZŠ Pro zpracování vzdělávacích materiálů (VM)v rámci projektu EU peníze školám Operační program Vzdělávání pro konkurenceschopnost   
Statistické srovnávání
Spojitá a kategoriální data Základní popisné statistiky
Homogenita meteorologických pozorování
Základní zpracování dat Příklad
Vyhodnocení stavební zakázky
Autor: Honnerová Helena
Výpočet a interpretace ukazatelů asociace v epidemiologických studiích
Základy popisné statistiky
Transkript prezentace:

Časové řady OA a VOŠ Příbram

y = ukazatel t = časová proměnná Časová řada Časová řada se obvykle definuje jako množina pozorování kvantitativní charakteristiky (ukazatele), uspořádaná v čase. - soubor hodnot uspořádaných v čase, od minulosti do přítomnosti y = ukazatel t = časová proměnná

Druhy časových řad Dle charakteru ukazatele Okamžikové časové řady: jsou představovány hodnotami zaznamenávanými k určitému časovému okamžiku nebo k určitému datu např. počet pracovníků podniku k 1. nebo k 31. Intervalové časové řady: vyjadřují, kolik případů, věcí, událostí apod. vzniklo, nahromadilo se, spotřebovalo či zaniklo za určitý časový interval (např. tržby za dekádu, náklady za měsíc….).

Elementární charakteristiky časových řad pro charakterizování dynamiky vývoje časových řad, tzn. pro zkoumání rychlosti změn hodnot sledovaného ukazatele v závislosti na čase, je možné užívat různé statistické charakteristiky:

Průměry časové řady: Intervalová časová řada  Aritmetický průměr Okamžiková časová řada  Chronologický průměr (aritmetický průměr ze všech hodnot řady, první a poslední hodnota má poloviční váhu oproti ostatním, neboť ostatní jsou tu vždy 2x, tímto jediným číslem pak charakterizujeme úroveň ukazatele za celé období)

Chronologický průměr prostý používá se, když je délka mezi časovými okamžiky stejná (když se vzdálenost mezi okamžiky neřeší „neřeší“)

Chronologický průměr vážený d = vzdálenost, délka mezi časovými okamžiky

První absolutní diference (absolutní přírůstky): – absolutní přírůstek nebo úbytek zkoumaného ukazatele v určitém okamžiku (období) proti okamžiku (období) bezprostředně předcházejícímu (např. hodnota jednoho roku mínus hodnota roku předchozího) Druhá absolutní diference: – rozdíl dvou sousedních absolutních přírůstků

Očišťování časových řad Provádí se z důvodů srovnatelnosti časových řad např. 2 časové řady se nevztahují k 2 stejně dlouhým intervalům (leden vs. únor) časové řady se očistí o důsledky kalendářních variací a to tak, že se všechna období přepočtou na jednotný časový interval

Míry dynamiky absolutní přírůstek (první diference) koeficient (tempo) růstu

Kumulativní časové řady = tzv. Součtové Kumulativní časové řady = tzv. součtové (Známe z tabulky rozdělení četností a z poměrných ukazatelů splnění plánu) tyto řady patří do časových řad odvozených kumulace je postupné sčítání tyto časové řady podávají informace o postupném vývoji sledovaných jevů od počátku období (např. nárůst plánované výroby)

Kumulativní časové řady = tzv. součtové Použití: např. kontrola plnění plánu během určitého časového období čtvrtletí minulý rok běžný rok Kumulace 1. 4250 4352 2. 4216 4199 8466 8551 3. 4335 4165 12801 12716 4. 4284 17085 16966 Celkem x N od počátku výroby se podařilo snížit ve 3. období

Vyrovnání časové řady – prezentace