statistika

1

1. Čím znázorníme rozdělení četností hodnot spojité veličiny:

1

2. Ve výsečovém diagramu vyjadřuje velikost úhlu každé výseče:

1

3. Ve sloupkovém grafu vyčteme četnost ze:

1

4. Co není vychýleno extrémními hodnotami základního souboru:

1

5. Zadáno 7 konkrétních platů, kolik zaměstnanců pobírá plat, který je nižší než medián:

1

6. Je možné, aby se u symetrického rozdělení neshodoval průměr s mediánem:

1

7. Průměr ze souboru hmotnosti sušenek je 500g a medián 575g. Jaká je jednotlivá váha sušenek:

1

8. Medián může popsat polohu statistického souboru lépe než průměr, jestliže:

1

9. Z 30 hodnot byl vypočten aritmetický průměr 15 a nalezen medián 13,9. Dvě jednotky však byly opomenuty a je třeba je dodatečně zařadit do souboru. Hodnoty sledované proměnné jsou u nich 10 a 36. Opravené výsledky pak budou:

1

10. Modus:

1

11. Byly naměřeny teploty pod bodem mrazu, rozptyl bude:

1

12. Naměřili jsme směrodatnou odchylku 0:

1

13. Rozptyl je:

1

14. Součet odchylek od průměru je roven:

1

15. Rozptyl dvou záporných různých čísel je:

1

16. Máme skupinu nájmů, průměr jednorázově vzroste o 1311 CZK, jak se změní variační rozpětí a rozptyl?:

1

17. Medián mezd žen = 20, medián mezd mužů = taky 20, celkový medián taky 20?:

1

18. Použití harmonického průměru je vhodné, pokud chceme spočítat průměrnou rychlost:

1

19. Rozptyl je vždy větší než směrodatná odchylka :

1

20. Směrodatná odchylka může být záporná:

1

21. Pokud ke každé hodnotě pozorování připočteme konstantu a, medián se nezmění:

1

22. Pokud ke každé hodnotě pozorování připočteme konstantua, průměr, směrodatná odchylka a rozptylse nezmění:

1

23. Směrodatná odchylka náhodné veličiny může být 0:

1

24. Pokud máme kvantil U0,70, dokážeme zněj spočítat kvantil U0,30?:

1

25. Pokud vynásobím váhy ve váženém aritmetickém průměru konstantou, průměr se nezmění.:

1

26. Pokud při výpočtu váženého aritmetického průměru vynásobíme četnosti konstantou, také průměr se vynásobí touto konstantou:

1

27. 50% kvantil se nemůže rovnat 75%kvantilu z těch samých hodnot:

1

28. Pokud jeden jev má pravděpodobnost 0,5 a druhý 0,2 a jejich sjednocení má hodnotu 0,7, pak tyto jevy jsou:

1

29. Proměnná obor studia je veličina

1

30. Jaký druh proměnné je počet dětí v rodině:

1

31. Jen jedna znásledujících pravděpodobnostních funkcí je správná pro hodnoty 1,2,3.:

1

32. Máme 3 různe zapisy distribucni funkce, ale jenom jeden z nich je spravně, urcit ktery:

1

33. Jaká je hodnota opačného jevu k jevu A?:

1

34. Pravděpodobnost jevu jistého:

1

35. Hypergeometrické rozdělení se užívá:

1

36. Binomické rozdělení lze za jistých okolností aproximovat normálním rozdělením:

1

37. Při zvyšujících se pokusech se binomické rozdělení blížínormálnímu:

1

38. Binomické rozdělení využijeme u nespojitých veličin:

1

39. Distribuční funkce F(x) může nabývat hodnot:

1

40. Výdrž baterie je náhodná veličina X a hodnota jejího 90 procentního kvantilu je rovna 210. Což znamená:

1

41. 10% kvantil normovaného normálního rozdělení je:

1

43. Co platí o distribuční fci F(x):

1

44. Hustota pravděpodobnosti je:

1

45. Je možné, aby u symetrického rozdělení vyšel průměr rozdílně než medián?:

1

46. Měříme spotřebu auta na 100 km/h, co znamená F(8)-F(6)?:

1

47. Hustota pravděpodobnosti je:

1

48. U normálního rozdělení je střední hodnota nula a rozptyl1. :

1

50. Spolehlivost odhadu značíme:

1

51. Máme interval spolehlivost 95% a 90%, potom:

1

52. Kolik mezí a které/á jsou udány u jednostranných intervalů spolehlivosti?:

1

53. Bodovým odhadem střední hodnoty je výběrový průměr ze vzorku:

1

54. Pokud nemáme směrodatnou odchylku základního souboru, nemůžeme použít směrodatnou odchylku výběrového souboru:

1

55. Odlehlé hodnoty náhodné veličiny vedou kpřesnějšímu průměru.:

1

56. Studentovo rozdělení u intervalůspolehlivosti použijeme:

1

57. otázka k intervalu spolehlivosti pro střední hodnotu

1

59. Nestrannost bodového odhadu spočívá v :

1

60. známe 99% interval, potom 95% bude:

1

61. Mějme vypočítán interval spolehlivosti na základě n=50 hodnot. Jestliže zvětšíme rozsah výběru a nyní je n = 150, dostaneme:

1

62. Co se stane s přesností, když se zvýší spolehlivost intervalu?:

1

63. Který interval je spolehlivější - byly zadány 95% a 90% intervalya.:

1

64. Přesnost intervalového odhadu je nepřímo úměrná šířce intervalu spolehlivosti:

1

65. Velká variabilita hodnot X snižuje přesnost odhadu jejich průměru:

1

66. Při nezamítnutí hypotézy, jež je na hladině významnosti 0,05 nesprávná se dopustíme chyby:

1

67. Pokud na hladině významnosti zamítnu nulovou hypotézu, která platí, pak se jedná o:

1

68. Kritický obor je:

1

69. Na posouzení váhy lidí před a po diet se použije:

1

70. Ktestu bylo vybráno 25 aut a naměřená spotřeba před a po výměně katalyzátorů. Pro prokázání zlepšení spotřeby po výměně použijeme:

1

71. Kdy zamítneme hypotézu H0, když alfa je 0,1:

1

72. Pokud zamítneme Ho: μo =μ1 oboustranným testem, potom u jednoho zjednostranných testů při stejné hladině významnosti zamítáme hypotézu:

1

73. Co značí síla testu?:

1

74. Hladina významnosti statistické testové hypotézy je:

1

75. Jak snížíme pravděpodobnost chyby 2. druhu?:

1

76. Když se změní u testování alfa z5% na 1% tak se KRITICKÝ OBOR:

1

77. Co znamená při testování hypotéz 1-β:

1

78. Provedli jsme 25 měření před hnojením a po hnojení půdy. Jak zjistíme, jestli velikost úrody závisí na hnojení?:

1

79. Zvětšením spolehlivosti se při stejném rozsahu výběru přesnost intervalového odhadu střední hodnoty normálního rozdělení:

1

80. Co platí pro test rovnosti středních hodnot dvou rozdělení, pokud jsou n1 a n2 větší než 30?.:

1

81. Kritická hodnota se vypočítala na základě výběrových údajů, zatímco hodnota testového kritéria se najde vtabulkách kvantilů některého pravděpodobnostního rozdělení

1

82. P-hodnota 0,03. Zamítáme na hladivě významnosti 0,01 i 0,05

1

83. Spolehlivost odhadu značíme jako1-alfa

1

84. Pravděpodobnost chyby1.druhu je větší než pravděpodobnost chyby2.druhu.

1

85. Testové kritérium vyčteme vtabulkách a proměnou vypočtenou ztestového kritéria musíme dopočítat.

1

86. Pomocí chí-kvadrát testu dobré shody byla naměřena p-hodnota 0,045

1

87. Test dobré shody porovnává

1

88. Chí kvadrát test dobré shody má počet stupňů volnosti rovný počtu skupin

1

89. Chí-kvadrát test dobré shody ověřuje rovnost hodnot vjednotlivých skupinách

1

90. Chí-kvadrát test dobré shody je založen na srovnání pozorovaných četností a teoretických četností v jednotlivých skupinách.

1

91. Vtestu chí kvadrátu vyšlo testové kritérim -44. Co můžeme říci?

1

92. Při testování závislosti v kontingenční tabulce se dvě teoretické četnosti rovnají 1. V tom případě:

1

93. Testujeme hypotézu ... vkontingenční tabulce o rozměru (r=3; s=4)...a testové kritérium vyšlo G=-12,34:

1

94. Máme kontingenční tabulku 3x3 a že testové kritérium vyjde 9.85 a jestli na 95 procentní významnosti můžeme potvrdit závislost.

1

95. Zjištěné četnosti zaznamenané uvnitř kontingenční tabulky se nazývají:

1

96. U kontingenčních tabulek využijeme:

1

97. Podmínkou pro využití chí-kvadrátu je dostatečné obsazení ve všech skupinách

1

98. Statistika G (kontingenční tabulky) vychází vždy vintervalu <-1,1>.

1

99. Pro použití chí-kvadrát testu předpokládáme dostatečně velké hodnoty pozorovaných četností vjednotlivých třídách.

1

100. Pearsonův koeficient kontingence při velmi těsné závislosti proměnných dosahuje hodnoty 1

1

101. Když zaměním řádky za sloupce u kontingenčních tabulek, nemá to vliv na výsledek-

1

102. Máme 4 druhy hnojiva a knim výnosy na hektar. Pro srovnání průměrných výnosů použijeme:

1

103. Jaké jsou parametry testového kritéria u F-testu když jsou 4 firmy a od každé se zkoumalo 5 žárovek.

1

104. Chceme porovnat průměrnou dobu cestování zmísta A do místa B po třech různých trasách. Při splnění určitých podmínek požijete:

1

105. Testové kritérium používané vanalýze rozptyluje:

1

106. Co testujeme při analýze rozptylu

1

107. Co říká alternativní hypotéza u analýzy rozptylu?

1

108. Jaké rozdělení má testové kritérium při analýze rozptylu?

1

109. Chcete porovnat výkony pracovníků (tj. Počet vyrobených výrobků za směnu) ve třech směnách. Použijete:

1

110. Analýza rozptylu se využívá:

1

111. Poměr determinace u analýzy rozptylu, jak ho vypočítáme:

1

112. Analýzu rozptylu je možné chápat jako testování hypotézy o shodě rozptylů?

1

113. Při analýze rozptylu porovnáváme výsledné testové kritérium skvantilem chí kvadrátu.

1

114. Vyjde-li nám při analýze rozptylu p-hodnota 0,03, pak zamítáme nulovou hypotézu při hladinách významnosti 0,01 i 0,05.

1

115. Testové kriterium u analýzy rozptylu konstruujeme jako podíl meziskupinového a celkového součtu čtverců.

1

116. Při výpočtu analýzy rozptylu porovnáváme testové kriterium sF hodnotou vtabulkách (Fisher-Snedecorův kvantil)

1

117. Analýza rozptylu se používá při testování závislosti dvou kategoriálních proměnných?

1

118. Těsnost závislosti vanalýze rozptylu posuzujeme pomocí korelačního koeficientu?

1

119. Kovariance nabývá hodnot

1

120. Metoda nejmenších čtverců je:

1

121. Obsahem nulové hypotézy u korelační analýzy je:

1

122. Lineární závislost 2 veličin je vyjádřena vgrafu přímkou rovnoběžnou s vodorovnou osou. Veličiny:

1

123. Korelační analýza může být využita pro zkoumání:

1

124. Komentujte následující regresně sdružené přímky: Y=5x-2 X=5-0,2y

1

125. Bylo zkoumáno, zda cena žárovky a délka jejího svícení spolu závisí -spočteme to

1

126. Máme I² v korelační analýze, kdy je závislost nejtěsnější:

1

127. Kde se používá metoda nejmenších čtverců ?

1

128. Při t-testu(b0/s(b0)) sa používa:

1

129. Když máme rovnici Y = 16 –0,8 x, platí, že:

1

130. Když vyjde u regrese F-test "NEVÝZNAMNÝ”, tak to znamená že:

1

131. Znám korelační koeficient r, jaký bude poměr determinace r2

1

133. Regresní koeficient

1

134. Pokud do modelu přidáme další proměnné, index determinace se:

1

135. Kde se používá metoda nejmenších čtverců -?

1

137. Korelační koeficient se spočítá jako:

1

138. Korelační koeficient: r2=-0,8 + graf, napsat, co platí

1

139. Hodnoty párového korelačního koeficientu leží vintervalu:

1

140. Koeficient determinace v regresní analýze lze případně spočítat jako:

1

141. Co je to index determinace?

1

142. Regresní přímka je zadána rovnicí Y=100 + 5x, co se stane se závislou proměnnou Y, kdyžse x zvýší o100jednotek?

1

143. Regresní přímka, když se všechny y zvětší o 2 a x se nezmění, co se stane?

1

144. Hodnota součinu sdružených výběrových regresních koeficientů bxy a byx je vždy:

1

145. Regresní analýza vyjadřuje závislost

1

146. Vícenásobný regresní model o 6 neznámých, 2 jsme vyřadili, koeficient determinace se:

1

147. Z regresního modelu se čtyřmi vysvětlujícími proměnnými byly dvě proměnné odebrány jako málo důležité. Potom:

1

148. Součin výběrových koeficientů sdružených regresních přímek je vždy číslo nezáporné.

1

149. Pomocí regrese je možné měřit závislost dvou kvantitativních proměnných

1

150. Jestliže je směrnice přímky záporná, tak to znamená, že je korelační koeficient záporný.

1

151. Může být index determinace vyšší než upravený index determinace

1

152. Jestliže do modelu přidáme další vysvětlující proměnnou, může se index determinace

1

153. Korelační koeficient je podíl reziduálního součtu čtverců na celkovém součtu čtverců

1

154. Může být index determinace vyšší než upravený index determinace?

1

155. Jestliže do modelu přidáme další vysvětlující proměnnou, může se index determinace snížit

1

156. Korelační koeficient se používá pro určení závislosti analýzy rozptylu.

1

157. Metodu nejmenších čtverců lze přímo použít k odhadu parametrů u nelineární regrese

1

158. Regresní parabola je funkcí lineární z pohledu parametrů

1

159. Jestliže známe jeden řetězový index, co z něho můžeme vypočítat?

1

160. Chronologický průměr využijeme u:

1

161. Kdy používáme vážený chronologický průměr

1

162. Průměrnou hodnotu časové řady “Počet zaměstnanců kposlednímu dni měsíce”zjištěnou v r. 1990 v lednu, březnu a pak od května každý měsíc. Vypočítáme:

1

163. Jak lze převést okamžikovou měsíční časovou řadu na čtvrtletní?

1

164. Průměr u čas. řad, když známe koeficienty růstu je:

1

165. Očištěná časová řada má:

1

166. Průměrný koeficient růstu se vypočítá jako:

1

167. Při modelování sezónní složky regresní metodou do modelu:

1

168. Jaký je relativní přírůstek, když koeficient růstu = 0,85

1

169. Součet sezónních faktorů u modelu řady skonstantní sezónností je:

1

170. Čtvrtletní časovou řadu očistíme od sezónnosti:

1

171. Systematické složky vkrátkodobé časové řadě jsou pouze:

1

172. Průměrnou hodnotu časové řady je vždy vhodné vypočítat jako prostý aritmetický průměr
jejich jednotlivých hodnot.

1

173. Při modelování trendů včasových řadách pomocí regresního přístupu je vždy lepší použít kvadratickou funkci než lineární.

1

174. Systematické složky v časové řadě jsou jen trendová a cyklická.

1

175. Sezónní umělé proměnné jsou jen u čtvrtletních intervalů, ne u měsíčních ani ročních.

1

176. Průměrné tempo růstu včasové řadě musí být vždy větší než jedna.

1

177. Klouzavé průměry umožňují vyhladit průběh časové řady a naznačit její trend

1

178. Index spotřebitelských cen ČSÚ měří a zveřejňuje

1

179. Máme bazický index zroku 2010 IB=1,28 (2009 základní rok) o řetězcovém indexu za stejné období platí

1

180. Včasové řadě skladnými hodnotami je hodnota jednoho z koeficientů růstu 0,85. Pak hodnota odpovídajícího relativního přírůstku (nepřevedená na %) musí být:

1

181. Pokud chceme porovnat ceny dvou období, použijeme:

1

182. Máme tržby za únor a březen výrobků A a B vprodejním řetězci. K zachycení změny tržeb použijeme:

1

183. Individuální indexy se dělí na

1

184. Pokud znáte Pascheho cenový index a Fischerův cenový index, můžete zjistit:

1

185. Spotřební koš představuje

1

186. Míra inflace je (nevím)

1

187. Je potřeba porovnat cenu 1 výrobku ve 4 obchodech ve dvou obdobích. Použijeme:

1

188. Jaký použijeme index pro 3 výrobky se stejným množstvím v základním období pro výpočet relativní změny ceny?

1

189. Mezi extenzitní ukazatele patří

1

190. Jaký typ průměru je použit ve vzorci Index množství Laspeyresův ( ):

1

191. Je hustota obyvatel ČR hodnotna extenzivní?

1

192. Index spotřeb. cen se používá

1

193. O inflaci lze např. říci, že:

1

194. Známe hodnotu jednoho výrobku v lednu a březnu v 1 prodejním řetězci. Jaký index?

1

195. K porovnání hodnot ve dvou po sobě jdoucích následujících obdobích se používá:

1

dawdawd

statistika

1. Čím znázorníme rozdělení četností hodnot spojité veličiny:

2. Ve výsečovém diagramu vyjadřuje velikost úhlu každé výseče:

3. Ve sloupkovém grafu vyčteme četnost ze:

4. Co není vychýleno extrémními hodnotami základního souboru:

5. Zadáno 7 konkrétních platů, kolik zaměstnanců pobírá plat, který je nižší než medián:

6. Je možné, aby se u symetrického rozdělení neshodoval průměr s mediánem:

7. Průměr ze souboru hmotnosti sušenek je 500g a medián 575g. Jaká je jednotlivá váha sušenek:

8. Medián může popsat polohu statistického souboru lépe než průměr, jestliže:

9. Z 30 hodnot byl vypočten aritmetický průměr 15 a nalezen medián 13,9. Dvě jednotky však byly opomenuty a je třeba je dodatečně zařadit do souboru. Hodnoty sledované proměnné jsou u nich 10 a 36. Opravené výsledky pak budou:

10. Modus:

11. Byly naměřeny teploty pod bodem mrazu, rozptyl bude:

12. Naměřili jsme směrodatnou odchylku 0:

13. Rozptyl je:

14. Součet odchylek od průměru je roven:

15. Rozptyl dvou záporných různých čísel je:

16. Máme skupinu nájmů, průměr jednorázově vzroste o 1311 CZK, jak se změní variační rozpětí a rozptyl?:

17. Medián mezd žen = 20, medián mezd mužů = taky 20, celkový medián taky 20?:

18. Použití harmonického průměru je vhodné, pokud chceme spočítat průměrnou rychlost:

19. Rozptyl je vždy větší než směrodatná odchylka :