STATISTIKA S EXCELEM - vsb.cz · 2016. 4. 19. · Statistika se zabývá zkoumáním hromadných jevů. Statistický soubor –soubor osob, věcí, událostí, časových období,

Martina Litschmannová

STATISTIKA S EXCELEM

MODAM, 8. 4. 2016

Obsah

Motivace aneb Máme data a co dál?

Základní terminologie

Analýza kvalitativního znaku – rozdělení četnosti, vizualizace

Analýza kvantitativního znaku – míry polohy, míry variability, vizualizace

Analýza závislosti dvou kvantitativních znaků – koeficient korelace, vizualizace

Motivace

Dotazník pro studenty (např. pomocí Google Apps) -http://goo.gl/forms/Z289s0ALPY

http://goo.gl/forms/Z289s0ALPY

Základní pojmy

Statistika se zabývá zkoumáním hromadných jevů.

Statistický soubor – soubor osob, věcí, událostí, časových období, …

Statistická jednotka – prvek statistického souboru (v dotazníkovém šetření nazýváme statistické jednotky respondenty)

Statistický znak – atribut statistické jednotky (to, co u stat. jednotek zkoumáme)

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

1.4.2016 10:38 muž 180 70 ano každý pracovní den praxe v oboru během studia 20 15

1.4.2016 10:41 muž 186 85 ano nepravidelněkancelářská práce a na ní navazující práce

manuální při realizaci projektů30 20

1.4.2016 10:41 muž 172 75 ano nepravidelně praxe v oboru během studia 5 361.4.2016 10:45 žena 166 56 ano Různě, 2-3 týdně Hlídání dětí 12 101.4.2016 10:52 žena 188 70 ano 3 dny v tydnu praxe v oboru během studia 24 26

Základní pojmy

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha

(kg)brigáda frekvence brigády charakteristika brigády

čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)





Statistický znak – atribut statistické jednotky (to, co u stat. jednotek zkoumáme)

Základní pojmy

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)





Statistický znak – atribut statistické jednotky (to, co u stat. jednotek zkoumáme) Kvantitativní znak – znak, jehož varianty nabývají číselných hodnot

Základní pojmy

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)






Kvalitativní znak – znak, jehož varianty se liší kvalitou (může jít i o číselné hodnoty – např. známka z matematiky)

Základní pojmy

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)






Kvalitativní znak – znak, jehož varianty se liší kvalitou (může jít i o číselné hodnoty – např. známka z matematiky)

Alternativní znak – kvalitativní znak, který nabývá pouze dvou možných variant

Popisná statistika aneb

Jak jednoduše a přehledně prezentovat výsledky šetření?

Část I.Kvalitativní znak

Popisná statistika – kvalitativní znak

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)






POZOR na nutnost čištění databáze!

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)






POZOR na nutnost čištění databáze!

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)


1.4.2016 10:41 muž 186 85 ano nepravidelně jinak 30 20

1.4.2016 10:41 muž 172 75 ano nepravidelně praxe v oboru během studia 5 361.4.2016 10:45 žena 166 56 ano jinak jinak 12 101.4.2016 10:52 žena 188 70 ano jinak praxe v oboru během studia 24 26


Rozdělení četnosti

+ Modus (název nejčetnější varianty)



Jak zaokrouhlovat relativní četnost?1% … 0,85 osob

0,1% … 0,085 osob




0,1% … 0,085 osob

POZOR na zaokrouhlovací chybu!




0,1% … 0,085 osob

POZOR na zaokrouhlovací chybu!

Dopočet do 100%!



Relativní četnosti uvádějme vždy pouze jako doplněk absolutních četností, nikoliv samostatně!



Modus = muž

(Mezi respondenty převažovali muži.)


Jak výsledky vizualizovat?


Sloupcový graf (Bar Chart)

0

10

20

30

40

50

60

70

muž žena

počet resp

ondentů



66

19

muž žena

počet resp

ondentů



mužžena

66

19počet resp

ondentů

Určete pravdivost tvrzení: V žádných dvou letech nebyl počet studentů stejný.

Zdroj: Testové příklady určené žákům 9. tříd.

241 240



Nejsou-li v grafu uvedeny absolutní četnosti, obvykle je nedokážeme „od oka“ přesně odečíst.

0

10

20

30

40

50

60

70

muž žena

počet resp

ondentů

66

19

0

10

20

30

40

50

60

70

muž žena

počet resp

ondentů



Nejsou-li v grafu uvedeny absolutní (relativní) četnosti, obvykle je nedokážeme „od oka“ přesně odečíst.

66

19

0

10

20

30

40

50

60

70

muž žena

78

22

0

10

20

30

40

50

60

70

80

muž žena



Nejsou-li v grafu uvedeny absolutní (relativní) četnosti, obvykle je nedokážeme „od oka“ přesně odečíst.

Pozor na uvádění popisu os!

66

19

0

10

20

30

40

50

60

70

muž žena

počet resp

ondentů

78

22

0

10

20

30

40

50

60

70

80

muž žena

relativn

í počet resp

ondentů

(%)


Výsečový graf

66; 78%

19; 22%muž

žena


Prstencový graf

66; 78%

19; 22%

muž

žena


Výsečový graf

66; 78%

19; 22%

muž

žena

Anketa

Jste pro navýšení hodinové dotace matematiky?

TAKHLE NE!!!

Určete pravdivost tvrzení:a) Místo otazníku patří 20%.b) Místo otazníku patří 126 Kč.c) Část C je dvojnásobkem části D.

Co je to A, B, C, D?

Jsou výseče odpovídající variantám B a D stejně velké?

Lze velikosti jednotlivých výsečí charakterizovat v absolutních číslech

i v procentech?

Rozdělení četností kvalitativního znaku se znázorňuje kruhovým diagramem, kde různým hodnotám znaku odpovídají kruhové výseče, jejichž plošné obsahy jsou úměrné četnostem. (Prometheus)

Zdroj: Testové příklady určené žákům 9. tříd.



Část II.Kvantitativní znak

Popisná statistika – kvantitativní znak

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)





Míry polohy (aritmetický průměr, kvantily)

Míry variability (rozptyl, směrodatná odchylka, variační koeficient)

Odlehlá pozorování

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)





Míry polohy

Aritmetický průměr: ҧ𝑥 =σ𝑖=1𝑛 𝑥𝑖

𝑛

POZOR!

Průměr je číslo, které nemusí patřit do definičního oboru analyzovaného znaku. (např. průměrný počet dětí jedné ženy)


Míry polohy


𝑛

V malé vesnici někde v Americe žije 6 lidí, jejichž roční plat je uveden níže.

$25 000 $27 000 $29 000

$35 000 $37 000 $38 000

Určete průměrný plat obyvatel této vesnice.

($31 830)

Do vesnice se přistěhoval Bill Gates, jehož roční příjem je $40 000 000.

$25 000 $27 000 $29 000

$35 000 $37 000 $38 000 $40 000 000

Určete průměrný plat obyvatel této vesnice.

($5 741 571)


Míry polohy


𝑛

POZOR!

Průměr je číslo, které nemusí patřit do definičního oboru analyzovaného znaku. (např. průměrný počet dětí jedné ženy)

Průměr není rezistentní vůči odlehlým pozorováním.


Míry polohy


𝑛

Medián 𝑴𝒆𝒅 (50% kvantil – 50% hodnot je menších nebo rovných mediánů)

Dolní kvartil 𝑸𝟏 (25% kvantil – 25% hodnot je menších nebo rovných dolnímu kvartilu)

Horní kvartil 𝑸𝟑 (75% kvantil – 75% hodnot je menších nebo rovných hornímu kvartilu)

100p% kvantil – 100p% hodnot je menších nebo rovných 100p% kvantilu


Míry polohy

0

10

20

30

40

50

60

70

80

90

100

110

120

130

140

0 10 20 30 40 50 60 70 80 90 100

100p% kva

ntil vá

hy (kg)

100p%

Míry polohy Váha (kg)minimum 50dolní kvartil 68průměr 78medián 76horní kvartil 85maximum 130

Kvantilová funkce


Míry polohy


Histogram

0

2

4

6

8

10

12

14

16

18

50

55

60

65

70

75

80

85

90

95

100

105

110

115

120

125

130

Další

Četnost

váha (kg)


Míry polohy


Histogram

0

5

10

15

20

25

30

50 59 68 77 86 94 103 112 121 Další

Četnost

váha (kg)

Tvar histogramu závisí na počtu tříd („sloupečků“).


Míry polohy


Histogram

0

5

10

15

20

25

30

50 59 68 77 86 94 103 112 121 Další

Četnost

váha (kg)




01

40 60 80 100 120 140

váha (kg)

váha - rozptylogram




0

1

40 60 80 100 120 140

váha (kg)

medián




0

1

40 60 80 100 120 140

váha (kg)

dolní kvartil horní kvartil

medián

Mezikvartilové rozpětí: 𝐼𝑄𝑅 = 𝑄3 − 𝑄1

𝑥 < 𝑄1 − 1,5 ∙ 𝐼𝑄𝑅 ∨ 𝑥 > 𝑄3 + 1,5 ∙ 𝐼𝑄𝑅 ⇒ 𝑥 je odlehlé pozorování

vnitřní hradby

0

1

40 60 80 100 120 140

váha (kg)





medián



vnitřní hradby

0

1

40 60 80 100 120 140

váha (kg)



Míry polohyVáha (kg)

Váha*(kg)

minimum 50 50dolní kvartil 68 68průměr 78 77medián 76 75horní kvartil 85 83maximum 130 105


medián



vnitřní hradby

*po odstranění odlehlých pozorování


Míry variability

Výběrový rozptyl: 𝑠2 =σ𝑖=1𝑛 𝑥𝑖− ҧ𝑥

2

𝑛−1

POZOR! – Jednotka rozptylu je kvadrátem jednotky analyzovaného znaku.

Výběrová směrodatná odchylka: 𝑠 =σ𝑖=1𝑛 𝑥𝑖− ҧ𝑥

2

𝑛−1

Neumožňuje srovnání variability znaků s různými jednotkami.

Variační koeficient: 𝑉 =𝑠

ҧ𝑥∙ 100 %

Čím nižší var. koeficient, tím homogennější soubor.

𝑉 > 50% značí silně rozptýlený soubor.


Míry variability Váha (kg) Váha* (kg)rozptyl 215,3893 169,5506311směrodatná odchylka 14,67615 13,0211609variační koeficient (%) 18,90576 17,0078917

*po odstranění odlehlých pozorování

Jak zaokrouhlovat výběrové charakteristiky?

Směrodatnou odchylku jakožto míru nejistoty měření zaokrouhlujeme nahoru na jednu, maximálně dvě platné cifry a míry polohy (průměr, kvantily…) zaokrouhlujeme tak, aby nejnižší zapsaný řád odpovídal nejnižšímu zapsanému řádu směrodatné odchylky.




Míry polohy Váha (kg) zaokrouhleno

minimum 50dolní kvartil 68průměr 77,62791medián 75,5horní kvartil 84,5maximum 130Míry variabilitysměrodatná odchylka 14,67615variační koeficient (%) 18,90576





minimum 50dolní kvartil 68průměr 77,62791medián 75,5horní kvartil 84,5maximum 130Míry variabilitysměrodatná odchylka 14,67615 15variační koeficient (%) 18,90576





minimum 50 50dolní kvartil 68 68průměr 77,62791 78medián 75,5 76horní kvartil 84,5 85maximum 130 130Míry variabilitysměrodatná odchylka 14,67615 15variační koeficient (%) 18,90576





minimum 50 50dolní kvartil 68 68průměr 77,62791 78medián 75,5 76horní kvartil 84,5 85maximum 130 130Míry variabilitysměrodatná odchylka 14,67615 15variační koeficient (%) 18,90576 18,9 zaokrouhlujeme na desetiny %



Část III.Analýza závislosti dvou kvantitativních znaků

Analýza závislosti dvou kvantitativních znaků

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)





Vizualizace – bodový graf

Korelační koeficient

Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)






40

50

60

70

80

90

100

110

160 170 180 190 200

váha (kg)

výška (cm)

Výběrový korelační koeficient:

𝑟 =1

𝑛 − 1∙σ𝑖=1𝑛 𝑥𝑖 − ҧ𝑥 𝑦𝑖 − ത𝑦

𝑠𝑋 ∙ 𝑠𝑌

40

50

60

70

80

90

100

110

160 170 180 190 200

váha (kg)

výška (cm)




𝑟 =1



40

50

60

70

80

90

100

110

160 170 180 190 200

váha (kg)

výška (cm)




𝑟 𝑋, 𝑌 =1





Výběrový korelační koeficient: 𝑟 𝑋, 𝑌 =1

𝑛−1∙σ𝑖=1𝑛 𝑥𝑖− ҧ𝑥 𝑦𝑖−ത𝑦

𝑠𝑋∙𝑠𝑌

1. −1 ≤ 𝑟 𝑋, 𝑌 ≤ 1,

2. 𝑟 𝑋, 𝑌 = 𝑟 𝑌, 𝑋 ,

3. 𝑟 𝑋, 𝑋 = 1,

4. je-li 𝑟 𝑋, 𝑌 = 0, říkáme, že 𝑋, 𝑌 jsou nekorelované náhodné veličiny,

5. je-li 𝑟 𝑋, 𝑌 > 0, říkáme, že 𝑋, 𝑌 jsou pozitivně korelované (s rostoucím 𝑋 roste 𝑌),

6. je-li 𝑟 𝑋, 𝑌 < 0, říkáme, že 𝑋, 𝑌 jsou negativně korelované (s rostoucím 𝑋 klesá 𝑌),

7. je-li 𝑟 𝑋, 𝑌 = 1, pak je mezi 𝑋 a 𝑌 lineární závislost.


0

5

10

15

20

25

0 10 20

y

x

0

5

10

15

20

25

0 10 20

y

x

𝑟=1


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,88


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,880

5

10

15

20

25

0 10 20

y

x


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,880

5

10

15

20

25

0 10 20

y

x

𝑟=−0,86


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,880

5

10

15

20

25

0 10 20

y

x

𝑟=−0,860

10

20

30

40

50

60

70

0 10 20

y

x


0

5

10

15

20

25

0 10 20

y

x

𝑟=1

0

5

10

15

20

0 10 20

y

x

𝑟=−1

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,10

0

5

10

15

20

25

0 10 20

y

x

𝑟=0,880

5

10

15

20

25

0 10 20

y

x

𝑟=−0,860

10

20

30

40

50

60

70

0 10 20

y

x

𝑟=0,04


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x

𝑟=0,93


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x

𝑟=0,930

20

40

60

80

100

0 10 20

y

x


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x

𝑟=0,930

20

40

60

80

100

0 10 20

y

x

𝑟=0


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x

𝑟=0,930

20

40

60

80

100

0 10 20

y

x

𝑟=0

0

10

20

30

40

50

60

70

0 10 20 30 40 50 60

y

x


0

0,5

1

1,5

2

2,5

3

3,5

0 10 20

y

x

𝑟=0,930

20

40

60

80

100

0 10 20

y

x

𝑟=0

0

10

20

30

40

50

60

70

0 10 20 30 40 50 60

y

x

0

10

20

30

40

50

60

70

0 10 20 30 40 50 60

y

x

𝑟=−0,85




40

50

60

70

80

90

100

110

160 170 180 190 200

váha (kg)

výška (cm)


𝑟 = 0,6146




𝑟 = 0,6146 vs. 𝑟 = 0,2832

40

60

80

100

120

140

140 150 160 170 180 190 200

váha (kg)

výška (cm)


Časo

vá zn

ačka

Pohlaví

Výška (cm)

Váha (kg)

Přivy

dělává

te si v

rámci preze

nčního

studia

na

brig

ádách?

Jak často

brig

ádu

máte?

Jak byste

svou

brig

ádu

charakterizo

val(a

)?

Kolik ča

su týdně

obvykle

v ěnujete

brig

ádě?

Kolik ča

su týdně

obvykle

v ěnujete

studiu?

ID pohlavívýška

(cm)

váha


čas

věnovaný

brigádě

(h/týden)

čas

věnovaný

studiu

(h/týden)







𝑟 = −0,1370 vs. 𝑟 = 0,2027

0

10

20

30

40

50

60

70

80

0 10 20 30 40 50 60 70

obvyklý čas stráve

ný

v týdnu studiem (h)

obvyklý čas strávený v týdnu na brigádě (h)




𝑟 = −0,1370

0

10

20

30

40

50

60

70

80

0 10 20 30 40 50 60 70

obvyklý čas stráve

ný

v týdnu studiem (h)

obvyklý čas strávený v týdnu na brigádě (h)

Pokud jsou dvě náhodné veličiny korelované, znamená to pouze to, že jsou lineárnězávislé.

Nelze z toho však ještě usoudit, že by jedna z nich musela být příčinou a druhá následkem. To samotná korelovanost nedovoluje rozhodnout.

Silná korelace


Pokud jsou dvě náhodné veličiny korelované, znamená to pouze to, že jsou lineárnězávislé.

Nelze z toho však ještě usoudit, že by jedna z nich musela být příčinou a druhá následkem. To samotná korelovanost nedovoluje rozhodnout.


0

5

10

15

20

25

30

35

0

1

2

3

4

5

6

7

8

9

10

1998 2000 2002 2004 2006 2008 2010

Americké výdaje na vědu,

vesm

írná výzkum a technologie

(miliardy dolarů)

Sebevražd

y oběšením

a uškrcením

(počet mertvých v USA)

tisíce

Sebevraždy oběšením a uškrcením (počet mertvých v USA)

Americké výdaje na vědu, vesmírná výzkum a technologie (miliardy dolarů)

𝑟=0,99

Zdroj: http://zpravy.aktualne.cz/zahranici/k-nobelove-cene-dopomaha-cokolada-naznacuje-studie/r~i:article:760147/

http://zpravy.aktualne.cz/zahranici/k-nobelove-cene-dopomaha-cokolada-naznacuje-studie/r~i:article:760147/

V praxi se zpravidla hodnota koeficientu korelace interpretuje takto:


Korelační koeficient Typ lineární závislosti

𝑟 = 0,0 neexistující

𝑟 ∈ ሺ0,0; ۧ0,3 velmi slabá

𝑟 ∈ ሺ0,3; ۧ0,7 středně silná

𝑟 ∈ ሺ0,7; ሻ1,0 těsná

𝑟 = 1,0 funkční

• Mezi proudem a napětím na odporu byl zjištěn korelační koeficient 0,6.• Mezi školním prospěchem a pocitem deprese u dětí byl zjištěn korelační koeficient 0,6.

Výsledky interpretujte!

DĚKUJI ZA POZORNOST!

STATISTIKA S EXCELEM - vsb.cz · 2016. 4. 19. · Statistika se zabývá zkoumáním hromadných jevů. Statistický soubor –soubor osob, věcí, událostí, časových období,

Documents