Denní přehled počtu osob s nově prokázaným onemocněním COVID‑19 9/14/2020 "1,038" 9/13/2020 791 9/12/2020 "1,538" 9/11/2020 "1,446" 9/10/2020 "1,380" 9/9/2020 "1,158" 9/8/2020 "1,162" 9/7/2020 559 9/6/2020 410 9/5/2020 506 9/4/2020 797 9/3/2020 676 9/2/2020 646 9/1/2020 499 ##### Sheet/List 2 ##### Automobil Doba jízdy (min.) A 5.3 5.2 5.4 4.9 B 5.9 5.8 5.7 C 5.2 4.2 5.1 5.2 ##### Sheet/List 3 ##### "Společnost na výrobu textilních výrobků zkoumala, jak souvisí zisk prodeje s výdaji na reklamu. " V 5 náhodně zvolených firmách získala tyto údaje: Výdaje na reklamu(tis.Kč) 6 9 12 16 22 Zisk (v 10tis.Kč) 5 9 21 32 51 a) Vytvořte bodový graf a určete typ regresní funkce popisující závislost. b) Stanovte regresní koeficienty regresní funkce. c) "Vypočtěte koeficient determinace a na jeho základě slovně zhodnoťte ""přiléhavost"" dat k" regresnímu modelu. xi yi xi.yi xi^2 Yi ST Sy 6 5 9 9 12 21 16 32 22 51 součet průměr ##### Sheet/List 4 ##### Při zjišťování dvou různých způsobů reklamy u určitého druhu zboží byly získány následující údaje: obrat (tis.Kč) rádio a televize (tis.Kč) noviny (tis.Kč) 1119 0 40 a) Odhadněte parametry regresní přímky popisující průběh 625 25 25 závislosti obratu (y) na velikosti prostředků vydaných za reklamu 971 30 30 v rádiu a televizi (x1) a charakterizujte těsnost této závislosti. 1177 35 35 982 40 25 b) Odhadněte parametry lin.regresní funkce y= bo+b1x1+b2x2 1577 45 45 popisující závislost obratu (y) na velikosti vydaných prostředků 914 50 0 za reklamu v rádiu a televizi (x1) a na velikosti výdajů za reklamu 1330 55 25 v novinách (x2) a charakterizujte těsnost závislosti. 1436 60 30 1741 65 35 "c) Rozhodněte, zda zavedení další vysvětlující proměnné významně" 1717 70 40 přispělo k výstižnosti modelu. "d) Určete 95% intervaly spolehlivosti pro regresní parametry b1,b2." "e) Proveďte bodový odhad velikosti obratu, vydá-li se na reklamu " v rádiu a televizi 40 tis.Kč a na reklamu v novinách 35 tis.Kč. ##### Sheet/List 5 ##### Y X1 X2 X3 X4 Prodejna Roční tržby tis. Kč Poč. kolemjdoucích/hod. Velikost prodejny m2 Prům. plat prodavačů/měs. Přítomnost konkurence v místě 1 7800 12 90 10 1 2 10500 20 150 17.1 0 3 5700 11 100 10.5 1 4 12000 30 180 20.8 0 5 8100 15 120 12.4 1 6 9600 17 90 15.7 1 7 12900 27 200 23.2 1 8 6600 13 100 12.1 1 9 19500 55 320 26.3 0 10 15600 45 220 24.8 0 11 11400 29 170 20.5 0 12 9000 15 145 13.8 1 13 10800 24 170 16.2 0 14 9900 22 130 15.4 1 15 7200 11 120 13.1 1 16 10560 16 140 14.6 1 17 11280 18 150 15.9 0 18 11700 20 190 20.5 0 19 12300 23 190 21.3 1 20 10320 31 170 14.3 1 21 8040 16 130 12.6 1 22 8760 19 140 14.2 1 23 10920 21 170 17.4 1 24 11940 24 160 21.1 1 25 12360 29 170 22.1 1 ##### Sheet/List 6 ##### měsíc počet dnů yt očištěná leden 25 únor 30 březen 32 duben 36 květen 40 červen 45 1) průměrný počet dnů v měsíci = 2) očištěné hodnoty s ohledem na počet kalenářních dnů v měsíci (yt/di)*dprů ##### Sheet/List 7 ##### Pro časovou řadu spotřeby určité suroviny (v kg) na 1 obyvale v ČR v letech 2014-2020: rok 2016 2017 2018 2019 2020 spotřeba suroviny 40 42 44 45 50 "a) sestrojte bodový graf a odhadněte trend časové řady," "b) vypočtěte odhady koeficientů daného trendu," "c) vypočtěte index determinace, zhodnoťte výstižnost trendové funkce," d) odhadněte velikost spotřeby v roce 2021. rok t´ yt´ t´na2 t´*yt´ T(teor) ST Sy 2016 40 2017 42 2018 44 2019 45 2020 50 součet průměr koeficient b0= koeficient b1= index deter. R na 2= v roce 2021 t´= ##### Sheet/List 8 ##### Model konstantní sezónnosti - lineární trend sezónní složka= sezónní indexy měsíc poř.č. prodej trend prodej-trend cj model Jan-16 1 6489 Feb-16 2 5971 Mar-16 3 6272 Apr-16 4 6944 May-16 5 7217 Jun-16 6 7448 Jul-16 7 7259 Aug-16 8 7602 Sep-16 9 7651 Oct-16 10 8064 Nov-16 11 7952 Dec-16 12 8498 Jan-17 13 6930 Feb-17 14 6391 Mar-17 15 6979 Apr-17 16 7315 May-17 17 7798 Jun-17 18 7861 Jul-17 19 7994 Aug-17 20 7798 Sep-17 21 8022 Oct-17 22 8155 Nov-17 23 8694 Dec-17 24 8764 Jan-18 25 7560 Feb-18 26 7182 Mar-18 27 7077 Apr-18 28 7847 May-18 29 8603 Jun-18 30 8659 Jul-18 31 8827 Aug-18 32 8855 Sep-18 33 8337 Oct-18 34 8379 Nov-18 35 8834 Dec-18 36 9709 Jan-19 37 7833 Feb-19 38 7406 Mar-19 39 7791 Apr-19 40 8190 May-19 41 8869 Jun-19 42 8988 Jul-19 43 8736 Aug-19 44 9254 Sep-19 45 9240 Oct-19 46 9380 Nov-19 47 9422 Dec-19 48 9954 Jan-20 49 8442 Feb-20 50 7987 Mar-20 51 8673 Apr-20 52 8925 May-20 53 9534 Jun-20 54 9534 Jul-20 55 9331 Aug-20 56 9877 Sep-20 57 9695 Oct-20 58 9730 Nov-20 59 10192 Dec-20 60 10661 Jan-21 Feb-21 Mar-21 Apr-21 May-21 Jun-21 Jul-21 Aug-21 Sep-21 Oct-21 Nov-21 Dec-21 ##### Sheet/List 9 ##### Najděte pro tuto časovou řadu model konstantní sezónnosti se schodovitým trendem. Odhadněte hodnoty časové řady pro rok 2019. poř.číslo yt schody yt-schod cj model at ….roční průměry 2016 Q1 1 120 a1 Q2 2 138 a2 Q3 3 132 a3 Q4 4 114 a4 2017 Q1 5 118 a5 Q2 6 138 a6 Q3 7 150 Q4 8 119 2018 Q1 9 149 Q2 10 161 Q3 11 155 Q4 12 145 2019 Q1 13 150 Q2 14 173 Q3 15 181 Q4 16 159 2020 Q1 17 178 Q2 18 195 Q3 19 198 Q4 20 183 2021 Q1 21 Q2 22 Q3 23 Q4 24