ZÁPOČTOVÝ TEST 1. JEV JISTÝ a. je jev, který nikdy nenastane b. je jev, jehož pravděpodobnost = ½ c. je jev, jehož pravděpodobnost = 0 d. je jev, jehož pravděpodobnost = 1 e. je jev, který nastane za jistých okolností f. je jev, který nastane vždy 2. JEVY NESLUČITELNÉ a. jsou jevy, u nichž pravděpodobnost, že nastanou současně = 0 b. jsou jevy, které nastanou současně s pravděpodobností = 1 c. jsou jevy, které nemohou nastat současně d. jsou jevy, z nichž každý nastává s pravděpodobností = ½ e. jsou jevy, u nichž pravděpodobnost, že nastane právě jeden z nich, je rovna součtu pravděpodobností obou jevů 3. Zákon velkých čísel ve statistice znamená a. Jev jistý nastane při nekonečném počtu opakování a jeho pravděpodobnost je 1. b. Při dostatečně velkém opakování téhož náhodného pokusu se podíl sledovaného jevu ustaluje kolem nějaké konstanty. c. Čím je počet opakování náhodného pokusu větší, tím je pravděpodobnost sledovaného jevu větší. d. Jestliže jsou pokusné řady dosti dlouhé a dostatečně často se opakují, lze dosáhnout vypočítané pravděpodobnosti v průměru těchto pokusů s libovolnou přesností. 4. JEVY OPAČNÉ a. jsou jevy, u nichž pravděpodobnost, že nastane právě jeden z nich = 1 b. jsou jevy, z nichž každý nastává s pravděpodobností = ½ c. jsou jevy, které nastanou současně s pravděpodobností = 1 d. jsou jevy, které které nastanou současně s pravděpodobností = 0 5. Elementární jevy a. jsou jevy s nekonečně malou pravděpodobností b. jsou nejméně pravděpodobné jevy c. už dále nemůžeme rozložit d. jsou protikladem jevů složených e. nastávají s elementární pravděpodobností 6. Složené jevy a. jsou protikladem jevů elementárních b. nastávají s pravděpodobností = 1 c. nelze dále rozložit d. se skládají z více jevů elementárních e. jsou jevy, u kterých nelze spočítat pravděpodobnost, s jakou nastanou f. se dají rozložit alespoň na dva jevy elementární 7. Pravděpodobnost jevu a. je číslo z intervalu <0; 100> b. je číslo z intervalu <-1; 1> c. je číslo z intervalu <0; 1> d. je vždy = 1 e. je vždy = 100% 8. Veličiny NOMINÁLNÍ a. jsou veličiny kategoriální b. jsou veličiny, které nemají číselnou hodnotu, ale umíme je seřadit c. je veličina z intervalu <-1; 1> d. nemají stanoveno pořadí e. můžeme sčítat a odečítat, ale ne násobit
9. ORDINÁLNÍ ŠKÁLY a. jsou pořadové škály a veličiny lze uspořádat b. obsahují ordinální veličiny a nelze je uspořádat c. jsou vzorem pro uspořádání kardinálních veličin d. můžeme v nich sčítat a odečítat, ale ne násobit e. můžeme násobit a dělit 10. KARDINÁLNÍ VELIČINY a. se dají uspořádat do pořadové škály, ale nelze s nimi počítat b. se dají vyjádřit v poměrové škále c. se dají vyjádřit v rozdílové škále d. jsou např. všechny fyzikální veličiny e. jsou pouze veličiny délkových jednotek odvozených od fyzikální jednotky 1 m 11. Veličina BARVA OČÍ a. patří mezi nominální veličiny b. patří mezi kardinální veličiny c. se měří v poměrové škále d. se dá uspořádat do pořadové škály e. nelze uspořádat do pořadové škály 12. Veličina ZNÁMKA VE ŠKOLE a. patří mezi nominální veličiny b. patří mezi kardinální veličiny c. patří mezi ordinální veličiny d. se dá uspořádat do pořadové škály e. nelze uspořádat do pořadové škály f. se dá uspořádat do intervalové škály 13. Veličina TEPLOTA ve stupních Celsia a. patří mezi intervalové veličiny b. patří mezi podílové veličiny c. se měří v poměrové (podílové) škále d. se dá uspořádat do pořadové škály e. nelze uspořádat 14. Veličina STUPEŇ POVODŇOVÉHO OHROŽENÍ a. se měří v poměrové (podílové) škále b. měří se v rozdílové škále c. je ordinální veličina d. nelze uspořádat e. se dá uspořádat do pořadové škály, ale nelze s ní počítat f. patří mezi kardinální veličiny 15. KARDINÁLNÍ VELIČINY a. patří mezi ně teplota ve stupních Fahreiheita b. patří mezi ně teplota ve stupních Kelvina c. patří mezi ně výška a váha d. patří mezi ně barva vlasů e. patří mezi ně stupeň dosaženého vzdělání 16. PODÍLOVÁ (POMĚROVÁ) ŠKÁLA a. patří do ní teplota ve stupních Fahreiheita b. patří do ní teplota ve stupních Celsia c. patří do ní teplota ve stupních Kelvina d. patří do ní výška a váha e. patří do ní prospěch ve škole hodnocený známkou f. má stejné vlastnosti a omezení jako ROZDÍLOVÁ ŠKÁLA
17. KOMBINACE a. je kombinatorická veličina, kde nezáleží na pořadí b. je kombinatorická veličina, kde záleží na pořadí c. kombinací je víc než variací bez opakování d. kombinací je méně než variací bez opakování e. vyjadřujeme kombinačním číslem f. z n-prvků vypočteme jako n! 18. PERMUTACE a. je kombinatorická veličina, kde nezáleží na pořadí b. je kombinatorická veličina, kde záleží na pořadí c. PERMUTACÍ je víc než variací bez opakování d. PERMUTACÍ je méně než variací bez opakování e. vyjadřujeme kombinačním číslem f. z n-prvků vypočteme jako n! 19. HROMADNÝ JEV a. je jev, který se vyskytuje v hromadném měřítku a může se neustále opakovat b. je jev, který se vyskytuje v hromadném měřítku nebo se může neustále opakovat c. je jev, který se vyskytuje v hromadném měřítku, ale nesmí se opakovat d. je jev, který se vyskytuje v hromadném měřítku a musí se opakovat e. může být sledování vlastnosti na množině objektů f. může být opakované měření vlastnosti na jednom objektu 20. ZÁKLADNÍ SOUBOR a. je množina všech sledovaných statistických jednotek b. se také nazývá populace c. je synonymum pro výběrový soubor d. je kombinatorická veličina, kde nezáleží na pořadí e. je kombinatorická veličina, kde záleží na pořadí f. je zadán buď výčtem prvků nebo vymezením některých společných vlastností 21. VÝBĚROVÝ SOUBOR a. se také nazývá populace b. je kombinatorická veličina, kde nezáleží na pořadí c. je kombinatorická veličina, kde záleží na pořadí d. je množina vybraných statistických jednotek e. je část základního souboru, která ji reprezentuje a splňuje vlastnost náhodnosti 22. INDUKTIVNÍ STATISTIKA a. je způsob rozdělení celku na součásti b. je proces zobecňování poznatků z výběru na celou populaci c. je způsob, jak na základě zkoumání vlastností výběrového souboru usuzujeme na vlastnosti základního souboru d. je způsob, jak na základě zkoumání vlastností základního souboru usuzujeme na vlastnosti výběrového souboru 23. ARITMETICKÝ PRŮMĚR a. je součet čtverců rozdílu hodnoty a mediánu dělený počtem hodnot b. je to první obecný moment c. je to druhý centrální moment d. je součet všech hodnot dělený počtem hodnot e. je charakteristika polohy f. ovlivňují odlehlé hodnoty 24. ROZPTYL a. je charakteristika polohy b. je charakteristika měřítka c. je součet všech hodnot dělený počtem hodnot d. je součet čtverců rozdílu hodnoty a mediánu dělený počtem hodnot e. je součet čtverců rozdílu hodnoty a aritmetického průměru dělený počtem hodnot
25. POPULAČNÍ ROZPTYL a. je charakteristika polohy b. je charakteristika měřítka c. týká se VÝBĚROVÉHO SOUBORU d. týká se ZÁKLADNÍHO SOUBORU e. je číslo z intervalu <-1; 1> f. je číslo z intervalu <0; 1> 26. VÝBĚROVÝ ROZPTYL a. je charakteristika polohy b. je charakteristika měřítka c. týká se VÝBĚROVÉHO SOUBORU d. týká se ZÁKLADNÍHO SOUBORU e. je číslo z intervalu <-1; 1> f. je číslo z intervalu <0; 1> 27. VÝBĚROVÁ SMĚRODATNÁ ODCHYLKA a. je odmocnina z výběrového rozptylu b. je výběrový rozptyl umocněný na druhou c. se týká základního souboru d. je druhý centrální moment e. je charakteristika polohy f. je charakteristika měřítka 28. ROZPTYL ZÁKLADNÍHO SOUBORU a. je obecně menší než rozptyl výběrového souboru b. je obecně větší než rozptyl výběrového souboru c. je charakteristika polohy d. je charakteristika měřítka e. týká se výběrového souboru f. se nazývá populační rozptyl 29. MEDIÁN a. je to charakteristika polohy b. je charakteristika měřítka c. vypočte se po uspořádání hodnot d. je to charakteristika střední hodnoty e. ovlivňují ho odlehlé hodnoty f. je to stabilní charakteristika 30. MODUS a. je charakteristika měřítka b. je to nejpravděpodobnější hodnota c. je to charakteristika střední hodnoty d. neovlivňují ho odlehlé hodnoty e. je nejčetnější hodnota f. používáme ho, když máme málo měřených hodnot 31. HORNÍ KVARTIL a. je nutná pro výpočet mezikvartilového rozpětí b. je charakteristika založená na relativní četnosti c. pod horním kvartilem leží 25% hodnot d. nad horním kvartilem leží 25% hodnot e. nejčetnější hodnota 32. DOLNÍ KVARTIL a. je charakteristika měřítka b. je charakteristika založená na relativní četnosti c. pod dolním kvartilem leží 75% hodnot d. nad dolním kvartilem leží 75% hodnot e. nejméně četná hodnota
33. ŠIKMOST a. může nabývat jen kladných hodnot b. může nabývat klsdných i záporných hodnot c. je charakteristika vychýlení dat d. nulová šikmost vyjadřuje symetrii dat e. vyjadřuje koncentraci dat kolem střední hodnoty 34. ŠPIČATOST a. může nabývat jen kladných hodnot b. může nabývat i záporných hodnot c. porovnává špičatost veličiny s obecným Normálním rozdělením d. porovnává špičatost veličiny s normovaným Normálním rozdělením e. vyjadřuje koncentraci dat kolem střední hodnoty f. nulová špičatost vyjadřuje symetrii dat 35. RELATIVNÍ ČETNOST a. je charakteristika měřítka b. je to nejpravděpodobnější hodnota c. je číslo z intervalu <-1; 1> d. je číslo z intervalu <0; 1> e. je nejčetnější hodnota 36. RELATIVNÍ KUMULATIVNÍ ČETNOST a. je charakteristika měřítka b. je to nejpravděpodobnější hodnota c. Minimální hodnota je -1 d. Minimální hodnota je 0 e. Maximální hodnota je 1 f. Maximální hodnota je 100% 37. ABSOLUTNÍ KUMULATIVNÍ ČETNOST a. je charakteristika měřítka b. je číslo z intervalu (-∞; ∞) c. je číslo z intervalu <0; ∞) d. je číslo z intervalu <-1; 1> e. je číslo z intervalu <0; 1> f. maximální hodnota je 100% 38. VZOREC pro výpočet ARITMETICKÉHO PRŮMĚRU a.
1 x= n
n
1 b. σ = n
∑x
2
i
i =1
2
n
∑ (x − µ ) i
i =1
1 n M = ( xi − x ) 3 ∑ 3 c. n i =1
2
e.
s2 =
1 n ∑ (xi − x ) n − 1 i =1
f. k = 1 + 3,3 log n
g.
39. VZOREC pro výpočet VÝBĚROVÉHO ROZPTYLU a.
x=
1 n
n
1 σ = b. n
∑ xi
2
i =1
xG = n x1 ⋅ x2 ⋅ ... ⋅ xn
2
n
∑ (x − µ ) i
i =1
c.
M3 =
1 n ∑ ( xi − x )3 n i =1
2
1 n e. s = ∑ (xi − x ) n − 1 i =1 2
f. k = 1 + 3,3 log n
g.
xG = n x1 ⋅ x2 ⋅ ... ⋅ xn
c.
M3 =
g.
xG = n x1 ⋅ x2 ⋅ ... ⋅ xn
40. VZOREC pro výpočet ROZPTYLU ZÁKLADNÍHO SOUBORU a.
x=
1 n
n
1 σ = b. n
∑ xi
2
i =1
n
2
∑ (xi − µ ) i =1
1 n ( xi − x ) 3 ∑ n i =1
2
e.
s2 =
1 n ∑ (xi − x ) n − 1 i =1
f. k = 1 + 3,3 log n
41. VZOREC pro výpočet VÝBĚROVÉ SMĚRODATNÉ ODCHYLKY a.
1 x= n
n
∑x
b.
i
σ =
i =1
1 n
2
n
∑ (x
i
− µ)
1 n ( xi − x ) 3 ∑ n i =1
c.
M3 =
g.
xG = n x1 ⋅ x2 ⋅ ... ⋅ xn
i =1
2
e.
s =
1 n ∑ ( xi − x ) n − 1 i =1
f. k = 1 + 3,3 log n
42. Vzorec pro výpočet pravděpodobnosti BINOMICKÉHO ROZDĚLENÍ je: a.
c.
n n− x P( X = x) = π x (1 − π ) x
P( X = x) =
λx
e
−λ
1 n ( xi − x ) 3 ∑ n i =1
b.
M3 =
d.
− 1 P ( X = x) = e σ 2π
x!
( x − µ )2 2σ 2
43. Vzorec pro výpočet pravděpodobnosti POISSONOVA ROZDĚLENÍ je: a.
c.
n n− x P ( X = x) = π x (1 − π ) x
P( X = x) =
λx x!
e
−λ
1 n ( xi − x ) 3 ∑ n i =1
b.
M3 =
d.
− 1 P ( X = x) = e σ 2π
( x − µ )2 2σ 2
44. BINOMICKÉ ROZDĚLENÍ a. vyjadřuje rozdělení řídkých jevů b. je rozdělení nezávislých pokusů alternativních rozdělení se stejnou pravděpodobností úspěchu c. má jeden parametr: λ - pravděpodobnost úspěchu d. má dva parametry: π - pravděpodobnost úspěchu a n - počet pokusů e. pomocí binomického rozdělení vypočteme pravděpodobnost, že ze 100 narozených dětí bude nejméně 52 chlapců f. pomocí binomického rozdělení vypočteme pravděpodobnost, že v telefonní ústředně přijmou za minutu alespoň tři hovory 45. ALTERNATIVNÍ ROZDĚLENÍ a. vyjadřuje pravděpodobnost, že jev nastane nebo nenastane b. má jeden parametr: π - pravděpodobnost úspěchu c. má dva parametry: π - pravděpodobnost úspěchu a n - počet pokusů d. je rozdělením řídkých jevů e. pomocí alternativního rozdělení vypočteme pravděpodobnost, že v 1 metru látky budou alespoň 3 kazy f. pomocí alternativního rozdělení vypočteme pravděpodobnost, že z 1000 vyšetřených pacientů bude méně než 100 diabetiků 46. POISSONOVO ROZDĚLENÍ a. je rozdělením řídkých jevů b. se skládá z několika jevů, které mají stejnou pravděpodobnost úspěchu c. je rozdělení nezávislých pokusů se stejnou pravděpodobností úspěchu d. má jeden parametr: λ - pravděpodobnost úspěchu e. má dva parametry: π - pravděpodobnost úspěchu a n - počet pokusů f. pomocí Poissonova rozdělení vypočteme pravděpodobnost, že z 1000 výrobků bude maximálně 5 vadných
47. NORMÁLNÍ ROZDĚLENÍ a. vystihuje rozložení spojitých kvantitativních veličin b. má jeden parametr: π - pravděpodobnost úspěchu c. d. e. f. g. h. i. j. k. l. m. n. o. p. q.
má dva parametry: µ - střední hodnota, σ - rozptyl znázorňujeme Gaussovou křivkou jeho frekvenční funkce je symetrická kolem střední hodnoty jeho frekvenční funkce je zešikmená doprava definiční obor frekvenční funkce je z intervalu (-∞; ∞) hodnoty kolísají kolem střední hodnoty tak, že na obě strany jsou výsledky stále méně časté v intervalu <–δ ; +δ> leží 68,26% případů v intervalu <–3δ ; 3δ> leží 99,7% případů v intervalu <–3δ ; 3δ>leží 95% případů v intervalu <–2δ ; 2δ>leží 95% případů výstižně odráží variabilitu veličin sledovaných v biologii se nedá použít pro modelování biologických veličin vystihuje veličiny, na které má vliv množství nepatrných vzájemně nezávislých náhodných vlivů vyjadřuje pravděpodobnost rozdělení řídkých jevů nejčetnější hodnoty kolísají kolem střední hodnoty a extrémní hodnoty se objevují jen ojediněle 2
48. STUDENTOVO ROZDĚLENÍ a. vyjadřuje pravděpodobnost, že jev nastane nebo nenastane b. je odvozené rozdělení, které slouží pro testování výběrových souborů c. má pouze jeden parametr: n - počet měření d. e. f. g. h. i. j. k. l.
má dva parametry: µ - střední hodnota, σ - rozptyl vyjadřuje pravděpodobnost rozdělení řídkých jevů se používá nejčastěji k porovnání průměrů jeho frekvenční funkce je symetrická kolem střední hodnoty jeho frekvenční funkce je zešikmená doleva je odvozeno z normálního rozdělení a rozdělení chí-kvadrát je rozdělení součtu n druhých mocnin normálně rozdělených veličin hodnoty kolísají kolem střední hodnoty tak, že na obě strany jsou výsledky stále méně časté hodnoty jsou rozděleny rovnoměrně v intervalu
2
49. ROVNOMĚRNÉ ROZDĚLENÍ a. vystihuje veličiny, na které má vliv velké množství drobných náhodných jevů b. vyjadřuje pravděpodobnost, že jev nastane nebo nenastane c. znázorňujeme Gaussovou křivkou d. má spojitá náhodná veličina, jestliže hustota pravděpodobnosti je na intervalu hodnot (a, b) konstantní a mimo tento interval nulová e. má dva parametry: µ - střední hodnota, σ - rozptyl f. vyjadřuje pravděpodobnost rozdělení řídkých jevů 2
50.
χ 2- ROZDĚLENÍ a. je odvozené rozdělení, které slouží pro testování výběrových souborů b. vyjadřuje pravděpodobnost, že jev nastane nebo nenastane c. má dva parametry: µ - střední hodnota, σ - rozptyl d. je rozdělením řídkých jevů e. je rozdělení součtu n druhých mocnin normálně rozdělených veličin 2
51. FISCHEROVO – SNEDECOROVO F - ROZDĚLENÍ a. má pouze jeden parametr: n - počet měření b. má dva parametry: n - počet měření v 1. výběru, m - počet měření v 2. výběru c. vyjadřuje pravděpodobnost rozdělení řídkých jevů d. používá jako výběrové rozdělení pro parametrický test rozdílnosti rozptylů e. je výběrové rozdělení složené z podílu dvou rozdělení chí – kvadrát f. je odvozeno z normálního rozdělení a rozdělení chí-kvadrát g. je rozdělení součtu n druhých mocnin normálně rozdělených veličin
52. PARAMETRICKÉ TESTY a. slouží k testování parametrů výběrových rozdělení b. nevyžadují splnění žádných předpokladů c. jsou přesnější než neparametrické d. jsou méně přesné, ale robustnější než neparametrické testy e. vyžadují splnění podmínky normality výběrů f. nejsou ovlivněny odlehlými hodnotami g. jsou založeny na pořadí hodnot 53. NEPARAMETRICKÉ TESTY a. jsou přesnější než parametrické b. jsou méně přesné, ale robustnější než parametrické testy c. slouží k testování výběrů v případě, že nemůžeme předpokládat normální rozdělení d. slouží k testování výběrů v případě, že je splněna podmínka normality výběrů e. nejsou ovlivněny odlehlými hodnotami f. jsou založeny na pořadí hodnot 54. ROBUSTNOSTNÍ TESTY a. jsou přesnější za cenu toho, že je nemůžeme použít bez omezení b. můžeme použít bez omezení, ale nejsou tak přesné c. parametrické testy jsou robustnější než neparametrické d. neparametrické testy jsou robustnější než parametrické e. robustní testy nemůžeme použít bez předpokladu normality rozdělení f. robustní testy používáme v případě neznámého typu rozdělení 55. TESTOVÁNÍ VELIČINY a. je zkoumání nějaké vlastnosti u populace b. je náhodné zkoumání rozdílů mezi náhodnými jedinci c. je postup začínající stanovením hypotézy neboli domněnky o statistickém souboru d. je postup, kterým zjistíme, zda je pravdivá nulová nebo alternativní hypotéza e. je náhodný výběr z populace f. je experiment, kterým zjistíme výsledky na dvou skupinách objektů 56. NULOVÁ HYPOTÉZA a. je tvrzení o statistickém souboru, které bychom chtěli potvrdit nebo vyvrátit b. je tvrzení, že střední hodnota výběru se rovná nule c. je tvrzení, že rozptyl výběrového souboru = 0 d. je tvrzení, které říká, že zkoumaná charakteristika u dvou výběrů se neliší e. je tvrzení, které říká, že se zkoumaná charakteristika u dvou výběrů liší f. je tvrzení, které říká, že výběry pocházejí ze stejného základního souboru g. je tvrzení, které říká, že výběry nepocházejí ze stejného základního souboru h. je tvrzení, které po matematické stránce vyjadřuje „rovnost“, nulový rozdíl i. je tvrzení, které po matematické stránce vyjadřuje ekvivalenci, nezávislost j. je domněnku že mezi testovanými soubory neexistuje vztah (souvislost) k. je tvrzení, že pozorované rozdíly jsou způsobeny jen náhodnými vlivy l. je tvrzení, že výběrový soubor se řídí očekávaným rozdělením hodnot m. platí, když pozorované hodnoty jsou velmi blízké očekávaným (hypotetickým) hodnotám n. platí, když pozorované hodnoty se příliš liší od očekávaných hodnot, tj. neumíme to vysvětlit pouhou náhodou 57. ALTERNATIVNÍ HYPOTÉZA a. je domněnka o nějaké vlastnosti populace b. je tvrzení o statistickém souboru, které bychom chtěli potvrdit nebo vyvrátit c. je tvrzení, že střední hodnota výběru se nerovná nule d. je tvrzení, že rozptyl výběrového souboru se nerovná nule e. je tvrzení, které říká, že zkoumaná charakteristika u dvou výběrů se liší f. je tvrzení, které říká, že se zkoumaná charakteristika u dvou výběrů neliší g. je tvrzení, které říká, že výběry nepocházejí ze stejného základního souboru h. je tvrzení, které po matematické stránce vyjadřuje rozdíl zkoumaných výběrů i. je tvrzení, které po matematické stránce vyjadřuje ekvivalenci, nezávislost
j. k. l. m. n. o.
je domněnka že mezi testovanými soubory neexistuje vztah (souvislost) je tvrzení, že mezi testovanými soubory existuje vztah (souvislost) je tvrzení, že charakteristiky výběrových souborů se liší je tvrzení, že se výběrový soubor řídí očekávaným rozdělením hodnot platí, když pozorované hodnoty jsou velmi blízké očekávaným (hypotetickým) hodnotám platí, když pozorované hodnoty se příliš liší od očekávaných hodnot, tj. neumíme to vysvětlit pouhou náhodou
58. CHYBA I. DRUHU a. nastane, když zamítneme neprávem domněnku o nějaké vlastnosti populace b. nastane, když přijmeme omylem domněnku o nějaké vlastnosti populace c. nastane, když zamítneme H0, ačkoliv platí d. nastane, když H0 přijmeme, ačkoliv neplatí e. nastane, když H0 přijmeme, ačkoliv platí f. nastane, když H0 zamítneme, ačkoliv neplatí g. snížíme-li chybu II. druhu, zvýší se chyba I. druhu h. velikost chyby II. druhu nemá vliv na velikost chyby I. druhu 59. CHYBA II. DRUHU a. nastane, když zamítneme neprávem domněnku o nějaké vlastnosti populace b. nastane, když přijmeme omylem domněnku o nějaké vlastnosti populace c. nastane, když zamítneme H0, ačkoliv platí d. nastane, když H0 přijmeme, ačkoliv neplatí e. nastane, když H0 přijmeme, ačkoliv platí f. nastane, když H0 zamítneme, ačkoliv neplatí g. snížíme-li chybu I. druhu, zvýší se chyba II. druhu h. velikost chyby I. druhu nemá vliv na velikost chyby II. druhu 60. HLADINA VÝZNAMNOSTI a. je pravděpodobnost, že H0 zamítneme, ačkoliv platí b. je pravděpodobnost, že H0 přijmeme, ačkoliv neplatí c. je pravděpodobnost chyby I. druhu, kterou připouštíme d. je pravděpodobnost, kterou si zvolíme pro chybu II. druhu e. je pravděpodobnost, kterou vypočteme na základě vybraného testu f. je p – hodnota g. je hranice, se kterou porovnáváme vypočtenou p – hodnotu h. je v porovnání s p – hodnotou kritériem pro přijetí nebo zamítnutí H0 i. je kritická hodnota pro porovnání s vypočítanou statistikou j. je kritická hodnota pro porovnání se statistikou vypočtenou t – testem k. je kritická hodnota pro porovnání se statistikou vypočtenou F – testem l. je riziko zamítnutí nulové hypotézy 61. KORELACE a. je pravděpodobnost toho, že je mezi veličinami souvislost b. je vztah mezi dvěmi veličinami c. je souvislost mezi veličinou vysvětlující a vysvětlovanou d. je vyjádřena např. korelačním koeficientem e. je tvar závislosti dvou zkoumaných veličin f. vysvětluje, jak vypadá závislost dvou zkoumaných veličin g. určuje míru těsnosti vztahu dvou nebo více veličin 62. LINEÁRNÍ REGRESE a. zkoumá lineární závislosti dvou veličin b. stanoví, jaký vliv má jedna veličina na snižování hodnot druhé veličiny c. matematicky stanoví vzorec nezávislost veličin d. matematicky stanoví vztah pro přímou a/ nebo nepřímou úměrnost veličin e. je úpravou KOVARIANCE tak, aby výsledek nebyl závislý na rozptylu veličin f. je vyjádřena Pearsonův korelačním koeficientem g. je vyjádřena Spearmanovým korelačním koeficientem
63. KORELAČNÍ KOEFICIENT a. je úpravou KOVARIANCE tak, aby výsledek nebyl závislý na rozptylu veličin b. mírou korelace je Pearsonův, Spearmanův a Kendalův korelační koeficient c. mírou korelace je Fischerův exaktní korelační koeficient d. mírou korelace je korelační koeficient chí - kvadrát e. koeficient chí – kvadrát je robustní míra korelace f. Spearmanův korelační koeficient je robustnější míra než Pearsonův lineární korelační koeficient g. Pearsonův lineární korelační koeficient je robustnější míra Kendalův koeficient korelace h. Pearsonův korelační koeficient je mírou lineární závislosti dvou veličin i. Pearsonův korelační koeficient je robustní míra, kterou neovlivní odlehlé hodnoty j. Pearsonův korelační koeficient je míra, kterou velmi ovlivní odlehlé hodnoty k. může nabývat hodnot z intervalu <0; 1> l. může nabývat hodnot z intervalu (-∞; ∞) m. může nabývat hodnot z intervalu <-1; 1> n. může nabývat hodnot z intervalu <0; ∞) 64. FUNKČNÍ ZÁVISLOST a. se dá vyjádřit matematickým vzorcem b. se nedá vyjádřit matematickým vzorcem, pouze statistickým koeficientem korelace c. je pevná závislost d. je stochastická závislost e. nastane, když se korelační koeficient -> 1 (blíží jedné) f. nastane, když se korelační koeficient -> 0 (blíží nule) g. nastane, když se korelační koeficient -> -1 (blíží mínus jedné) h. nastane, když se korelační koeficient -> ∞ (blíží nekonečnu) 65. NEZÁVISLOST a. nastane, když se náhodná veličina sledovaná jako vysvětlovaná mění pouze náhodně bez ohledu na vysvětlující proměnnou b. nastane, když se náhodná veličina sledovaná jako vysvětlovaná nemění ani v případě změny vysvětlující proměnné c. nastane, když se korelační koeficient -> 1 (blíží jedné) d. nastane, když se korelační koeficient -> 0 (blíží nule) e. nastane, když se korelační koeficient -> ∞ (blíží nekonečnu) 66. Určete, které hypotézy považujeme za NULOVÉ a. „Agresivita u předškolních dětí se vyskytuje častěji u dětí vyrůstajících v neúplných rodinách.“ b. „Chlapci dosahují lepších výsledků ve fyzice než dívky.„ c. "Výsledky dotazníkového šetření nezávisí na věku respondentů.„ d. "Obliba předmětu závisí na pohlaví studentů" e. "Léčebný účinek nezávisí na zvolení léku A nebo B" f. „Agresivita u předškolních dětí se vyskytuje stejně často u dětí z úplných rodin i u dětí z neúplných rodin." g. „Chlapci dosahují stejných výsledků ve fyzice jako dívky." h. "Výsledky dotazníkového šetření nezávisí na věku respondentů.„ 67. Určete, které hypotézy považujeme za ALTERNATIVNÍ a. „Agresivita u předškolních dětí se vyskytuje častěji u dětí vyrůstajících v neúplných rodinách.“ b. „Chlapci dosahují lepších výsledků ve fyzice než dívky.„ c. "Výsledky dotazníkového šetření nezávisí na věku respondentů.„ d. "Obliba předmětu závisí na pohlaví studentů" e. "Léčebný účinek nezávisí na zvolení léku A nebo B" f. „Agresivita u předškolních dětí se vyskytuje stejně často u dětí z úplných rodin i u dětí z neúplných rodin." g. „Chlapci dosahují stejných výsledků ve fyzice jako dívky." h. "Výsledky dotazníkového šetření nezávisí na věku respondentů.„ i. "Dopravní situace nezávisí na dnu v pracovním týdnu"
68. STATISTICKÝ TEST a. je tvrzení o statistickém souboru b. je zjištění, zda rozdíl testovaných hodnot můžeme vysvětlit pomocí náhody, nebo jej musíme považovat za systematický c. je stanovení nulové a alternativní hypotézy d. je potvrzení nebo vyvrácení nulové hypotézy e. je postup, kterým chceme potvrdit nebo vyvrátit nulovou hypotézu f. je tvrzení o střední hodnotě statistického souboru g. je tvrzení o střední hodnotě a rozptylu statistického souboru h. je tvrzení, že střední hodnota výběru = konstantě i. je postup, jak s předem stanovenou chybou potvrdit nebo vyvrátit domněnku o souboru j. je tvrzení, že rozptyl výběrového souboru se nerovná nule k. je tvrzení, které říká, že se zkoumaná charakteristika u dvou výběrů neliší l. je tvrzení, které říká, že výběry nepocházejí ze stejného základního souboru m. je tvrzení, které po matematické stránce vyjadřuje rozdíl zkoumaných výběrů 69. KONTINGENČNÍ TABULKA a. se skládá z několika řádků a sloupců, do kterých zapisujeme náhodná čísla b. se skládá z několika řádků a sloupců, do kterých zapisujeme hodnoty dvou zkoumaných veličin c. slouží k testování nezávislosti veličin pomocí testu chí – kvadrát d. slouží k testování rozdílu rozptylů pomocí Fischerova F – testu e. slouží k testování shody průměrů pomocí t-testu f. obsahuje v posledním sloupci a v posledním řádku tzv. marginální hodnoty g. slouží k testování shody rozptylů pomocí Fischerova exaktního faktoriálového testu h. slouží k testování shody průměrů dvou veličin pomocí testu chí – kvadrát i. slouží k testování nezávislosti veličin pomocí Studentova t - testu j. slouží k testování nezávislosti veličin pomocí U – testu normálního rozdělení 70. ČTYŘPOLNÍ TABULKA a. je zvláštní případ kontingenční tabulky b. se skládá ze 2 řádků a 2 sloupců s hodnotami měřených veličin a z řádku a sloupce marginálních veličin c. je tabulka se 4 políčky, do kterých zapisujeme náhodná čísla d. slouží k testování nezávislosti veličin pomocí testu chí – kvadrát e. slouží k testování shody rozptylů dvou veličin pomocí Fischerova F-testu f. slouží k testování nezávislosti veličin pomocí Fischerova exaktního faktoriálového testu g. slouží k testování shody průměrů dvou veličin pomocí Studentova rozdělení 71. DRUHY TESTŮ a k čemu slouží a. U – test … k testování shody průměru jednoho výběru s předpokládanou hodnotou Normálního rozdělení b. jednovýběrový t – test … slouží k testování shody střední hodnoty jednoho výběru s předpokládanou hodnotou Normálního rozdělení c. jednovýběrový t – test … slouží k testování shody průměru jednoho výběru s předpokládanou hodnotou Studentova t - rozdělení d. dvouvýběrový t – test … slouží k testování shody rozptylů dvou výběrů s předpokládanou hodnotou Fischerova F - rozdělení e. dvouvýběrový F – test … slouží k testování shody rozptylů dvou výběrů na základě Fischerova F rozdělení f. dvouvýběrový F – test … slouží k testování nezávislosti středních hodnot a porovnává se s kritickou hodnotou Fischerova F - rozdělení g. chí – kvadrát test … slouží k testování nezávislosti veličin uspořádaných do kontingenční tabulky a porovnává se s kritickou hodnotou chí -kvadrát h. párový t-test … slouží k testování párových hodnot veličiny pro zjištění významnosti změny v čase a porovnává se Studentovým t-rozdělením i. párový t-test … slouží k testování nezávislých hodnot dvou výběrů, ze kterých sestavíme páry a porovnáváme se Studentovým t-rozdělením j. Z – test neboli U-test … slouží k testování shody průměru jednoho výběru s předpokládanou hodnotou Normálního rozdělení