ČASOVÉ ŘADY

a) Stejně dlouhé intervaly

Okamžiková čř
=320

b) Absolutní elementární char.= 1.a2. diference

První Diference –

1. ---
2. -50,00
3. -53,00
4. 104,00
5. -1,00

Druhá diference

1. ----
2. ----
3. 103
4. 157
5. -105
a) Koeficient růstu
59/35= 1,6857
52/59= 0,8813
48/52=0 ,9230
68/48=1,4166
72/68=1,0588
99/72=1,375

b) Průměrný koeficient růstu

Poslední číslo měření/první číslo měření to celé pod odmocninou n-1
99/35 pod šestou odmocninou
a) Nestejně dlouhé intervaly
Okamžiková časová řada
((28+24)/2)*28+((24+44)/2)*31+((44+52)/2)*30+((52+69)/2)*31+((69+78)/2)*30+
((78+52)/2)*31 =čitatel
To celé děleno (31+28+31+30+31+30)=jmenovatel
=9457,5/181
=52,251

b) Bazický index
24/38
44/38
52/38
69/38
78/38
52/38

Koeficient rustu
24/38
44/24
52/44
69/52
78/69
52/78

Průměrný koeficient růstu

52/38 pod sestou odmocninou

a) Bazické indexy
35/52
59/52
52/52
48/52
68/52
72/52
 99/52
b)
Řetězové indexy= koeficient růstu
59/35
52/59
48/52
68/48
72/68
99/72
a) V SPSS přes Curve estimation, nebo přes Linear (v Regression)
y= b0+b1*x
b0= 40,345, b1= -0,096
y=40,345-0,096x

b) V SPSS přes Linear (v Regression)- v tabulce Coefficients – T-test

H0: Regresní koeficient není stat. Významný
H1: Je statisticky významný
Alfa= 0,05
t-test
t= -3,451
p= 0,001
p<alfa
Zamítáme Ho
Na hladině významnosti alfa= 0,05 jsme dokázali, že Regresní koeficient (b1) Je statisticky
významný

c) Tohle nevim, možná takto?

Do sloupce motor dopíšu hodnotu 120, Regression, Linear, Save- Unstandardized, ok
V Data view se kouknu na nový sloupec PRE-

Lze očekávat 28,78498 mil

d) R= korelační koeficient= Ró= 0,366

Korelační koeficient měří míru sílu závislosti y a x
a) b0= 54,26
b1= -0,011
y= 54,26-0,011x

b) Přes Regression, Linear

H0: Regresní koeficient není stat. Významný
H1: Je statisticky významný
Alfa=0,05
t-test
t= -5,995
p= 0,000
p<alfa
 zamítáme H0- Na hladině významnosti alfa= 0,05 se prokázalo, že regresní koeficient je
statistiky významný
c) Bud do sloupce váha dopíšeme hodnotu 2020 a v Linear v Save zaskrtneme
Unstandardized, a pak v data view vvyjede sloupec PRE
Nebo hodnotu 2020 dosadím za x do rovnice
U automobilu s vahou 2020liber lze očekávat 32,60761 mil na galon

d) R= ró=0,564
Korelační koeficient určuje závislost mezi x a y
a) Funkce- závislost mílí na koňské síle
Linear nebo curce estimation
B0=48,816-0,23x

b) Regresní koeficient
 H0: Regresní koeficient není statisticky významný
H1: Je statisticky významný
Alfa=0,05
t-test
t= -7,986
p=0,000
p<alfa
Na hladině významnosti alfa=0,05 se ověřilo, že regresní koeficient b1 je statisticky
významný

c)
Změnay= b1*změna
= - 2,3
Míle na galon se sníží o 2,3->nevim…

d) Koeficient determinace= R na druhou

Udává z kolika procent X ovlivňuje Y
R na druhou = 0,453= 45,3%
Koňská síla ovlivňuje ujeté míle na galon z 45,3%
a) Přes linear
B0= -0,859, b1=0,043, b2=0,85, b3=-0,008
y=-0,859+0,043x1+0,85x2-0,008x3

b) Parciální korelační koeficient

Analyze, Correlate, Partial- do variables Kreditka a zaměstnání. Do Controling for:
Ostatní xka ze zadani ( vek, adresa)
Ryx2.x1x3= 0,334
Udává nám závislost y na x2. Před tečkou měříme sílu závislosti, za tečkou- konstanta

c) Test statistické významnosti parciálních koeficientů

Regression, linear
H0: Parciální koeficient není statisticky významný
H1: Je statisticky významný
Alfa=0,05
T-test
p(b1)=0,043
p(b2)=0,000
pb3=0,718
p b1<alfa,p b2<alfa,p b3>alfa
p hodnota u b3 je větší než alfa= Nezamítáme H0
x3 není statisticky významný, proto můžeme vyloučit a tím zjednodušit regresní
model
a) Regression, Linear
y=-18,584+1,555x1+0,555x2

b) Correlate, Partial, nahoru příjem a věk, dolu adresa

Ryx1.x2= 0,355
Poskytuje nám závislost y na x1

c) Test statistické významnosti parciálních koeficientů

H0: Není statisticky významný
H1: Je statisticky významný
Alfa= 0,05
T-test
p(b1)=0,000
p(b2)=0,143
p(b2)>alfa=> Nezamítáme H0
b2 není statisticky významný, tudíž x2 můžeme vyřadit

a) Y=-5,129+0,617x1+2,650x2
b) Corelate, partial
Ryx1.x2=0,216
Vyjadřuje závislost y(příjmu) na x1(věku)

c) Test významnosti parciálních koeficientů

H0: Parciální koeficient není statisticky významný
H1: Je statisticky významný
Alfa=0,05
T-test
p(b1)= 0,006
p(b2)=0,000
Všechny parciální koeficienty jsou statisticky významné p<alfa, tudíž
nemůžeme žádná x vyřadit a tím zjednodušit regresní model
a) Regression, Curve estimation, dependent pošta a telekomunikace
Linear, quadratic, compound, power
Ok
R na druhou je největší u power
R na druhou =0,949- volíme mocninnou fci
b) Y= 4139,853*t na 0,152
c) F test
H0: Regresní model není stat významný¨
H1: je stat významný
Alfa=0,05
Ftest
F=240,019
P=0,000
P<alfa
Zamítáme H0- Regresní model je statisticky významný

d) Define date and time (data), napsat první rok od kterého je ta tabulka,
Regresion, curve estimation, power- vítěz, dependent pošta a telekomunikace,
time, save- predicted values, predicted intervals, predicted through 2021
Bodový=y´2021=6309,90267
IS0,95=(5901,51284; 6746,55344)
a) Curve estimation, bydleni, voda, energie, quadratic, compound, logarithmic, power
R na druhou je největší u exponenciální fce- compound
R na druhou=0,876
b) Y=b0*b1 na t
Y= 18675,269*1,041 na t

c) H0: Regresní model není statisticky významný

H1: Je statisticky významný
Alfa=0,05
F- test
F=91,843
P=0,000
 P<alfa Je statisticky významný
d) Bodovy y´=35472,04990
IS0,95=(0,000;42135,00978)

a) R na druhou je největší u Compound= exponenciální fce

R na druhou = 0,927

b) Y=2573,686*1,039 na t
c) H0: regresní model není statisticky významný
H1: Je statisticky významný
Alfa=0,05
F test
F= 164,655
P=0,000
P<alfa
Zamítáme H0
Na hladině významnosti alfa=0,05 se prokázalo, že Regresní model je statisticky
významný
d) Bodová y´2021=4728,88653
Intervalova IS0,95=(0,000; 5341,98213)

a) R na druhou je nevětší u kvadratické fce

R na druhou= 0,901
b) Y=10308,741+307,918t+ 0,221t na druhou
c) H0: Regresní model není statisticky významný
H1: Je statisticky významný
Alfa=0,05
F test
F=54,423
 P=0,000
P<alfa
Zamítáme H0
Na hladině významnosti alfa=0,05 se prokázalo, že model je statisticky významný
d) Bodová y´2021=15291,94066
Interval IS0,95= (0,000; 16749,48028)

a) R na druhou největší u kvadratické fce

R na druhou= 0,881

b) Y= 5423,963- 31,057t+ 10,333t na druhou

c) H0: Regresní model není statisticky významný
H1: Je statisticky významný
Alfa=0,05
F test
F=44,502
P=0,000
P<alfa
Zamítáme H0
Na hladině významnosti alfa=0,05 jsme prokázali statisticku významnost modelu
d) Bodová y´2021=7572,19121
IS0,95=(0,0000; 8296,73009)
a) weight cases, descriptive, crosstabs, rows- pohlavi, columns preference,
expected, protože je 2x3= test chi
muž int. Bank.= 16,7
muž jinak= 4,6
muž osobní= 3,7
žena int. Bank= 19,3
žena jinak= 5,4
žena osobní= 4,3

b) H0: Pohlaví respondentu neovlivnuje jejich preference při kontaktu s bankou

H1: Pohlaví ovlivnuje preference
Alfa:0,05
Chí test
Chí= 6,338
P=0,042
P<alfa
Zamitame H0
Na hladine významnosti alfa=0,05 se prokázalo ze pohlaví respondentu
ovlivnuje jejich preference při kontaktu s bankou
a) Muz ban=14,7
Muz osob=4,3
Zena bank= 12,3
Zena osob= 3,7
Protože některé očekávané četnosti jsou menší než 5, bude dělat F F test

b) H0: Pohlaví neovlivňuje preference pro kontaktu s bankou

H1: Ovlivnuje preference
Alfa=0,05
F F test
FFtest= 3,584
P=0,105
P>alfa
Nezamítáme H0
Pohlaví neovlovnuje preferece

a) Muz bank=13,9
Muz jiné= 8,7
Muz osobne= 14,4
 Zena bank= 13,1
Zena jiné= 8,3
Zena osobne=13,6

b) H0: pohlaví neovlivnuje preference při kontaktu s bankou

H1: Pohlaví ovlivnuje preference
Alfa=0,05
Chi test
Chi=2,391
P=0,302
p>alfa
nezamítame H0
Pohlaví neovlivnuje preference při kontaktu s bankou

a) Muz bankomat= 19,0

Muz jinak= 4,8
Muz prepazak=4,2
Zena bankomat=17,0
Zena jinak=4,2
Zena prepazka=3,8

b) H0: pohlaví respondentů neovlivnuje preference při vyberu hotovosti

z bankomatu
H1: ovlivnuje
Alfa= 0,05
Chi test= 2,951
P=0,229
p>alfa
Nezamítáme H0
Pohlavá respondentů neovlivnuje preference při vyberu hotovosti z
bankomatu
a) Muz bezkontakt=36,4
Muz hotovost=15,6
Zena bezkontakt=45,6
Zena hotovost=19,4
b) H0: Pohlaví respondentů neovlivnuje jejich preference při platebnim styku
H1: Pohlaví ovlivnuje preference
Alfa=0,05
Chí test
Chí´= 0,400
P=0,527
p>alfa
nezamítáme H0
Pohlaví respondentů neovlivnuje jejich preferenci při platebnim styku

a) Muz internetove=15,2
Muz osobne=3,8
Zena internetove= 16,8
Zena osobne=4,2
b) H0: Pohlaví neovlivnuje preference při kontaktu s bankou
H1: Ovlivnuje
Alfa=0,05
Chí test
Chí=2,030
P=0,154
p>alfa nezamítame H0
Pohlavi neovlivnuje preference