=== Regresivní analýza === * regrese umí data proložit spojitou funkcí a predikovat následující data * slouží k prokládání dat a predikci sledovaného jevu === Náhodná veličina === * 1 záznam je náhodný jev * více záznamů je náhodná veličina * = jsou hodnoty uskutečněného náhodného pokusu zopakovaného dostatečně četněkrát * znázorňujeme tiskacími písmeny Data – diskrétní (čítání po jedničkách) x spojitá (čas, výška) === Diskrétní náhodná veličina === nabývá konečného nebo nekonečného množství hodnot, kdy každá z těch hodnot má určitou pravdivost, že může nastat, či nikoliv ==== míry polohy: ==== * určují, kde se daná data soustřeďují (kde je těžiště celého rozdělení pravděpodobností) * průměr * jeho nevýhodou je citlivost na tvar rozdělení pravděpodobností * modus * používá se tam, kde je velká četnost stejných pozorování. Nemá smysl ho používat tam, kde celkový počet pozorování je v řádech desítek * je to nejčetnější hodnota v datovém souboru * medián * vezmu hodnoty a uspořádám je podle velikost * vyhledám prostřední hodnotu uspořádání * sudý, lichý! === Míry variability === * rozpětí * rozptyl ==== REGRESE ==== * hledání vztahu mezi proměnnými * prokládá ověřená data nějakou předem definovanou funkcí a zjišťuje, jestli zvolená funkce odpovídá charakteru dat * druhou základní aplikací regrese je použití zvolené fce na predikci do budoucna * **lineární regrese** – když b stojí samostatně * ** nelineární** – když b vkročí do funkce