Ovládání programovacího jazyka R
- webinář ZDARMA -

Přesvědčte se, že nemusíte mít IT geny, abyste pracovali s datovými podklady, vytvářeli grafy, efektní reporty…

úterý 12. 05. 2026 od 15:00
Prohlédnout

Nový formát vzdělávání: Letní škola statistiky 2026
Za 5 dní ovládnete statistiku v R, JASP, nebo Jamovi. Napořád.

20. - 24. 7. 2026
Prohlédnout

Objevte nové možnosti využití statistiky pro svou praxi.

Podívejte se na ZÁZNAM WEBINÁŘE Biostatistika v R
Prohlédnout

Objevte nové možnosti využití statistiky pro svou praxi.

Podívejte se na ZÁZNAM WEBINÁŘE Biostatistika v R

Shlédnout webinář

Propásli jste webinář JAK NA STATISTIKU BEZ PROGRAMOVÁNÍ?

Podívejte se na ZÁZNAM ZDE!

Shlédnout webinář

Obsah

Slovník pojmů

Geometrický průměr: definice, využití a výpočet


Geometrický průměr je míra polohy, která vyjadřuje střední hodnotu v sadě vykazující zřetězené růstové charakteristiky (detailnější popis níže).

Počítá se jako n-tá odmocnina ze součinu všech čísel v sadě:

\[G = \left(\prod_{i=1}^{n} x_i\right)^{\frac{1}{n}} = \sqrt[n]{x_1 \cdot x_2 \cdot \ldots \cdot x_n} \]


Využití geometrického průměru

Geometrický průměr poskytuje relevantní výsledek v situacích, kde je třeba zohlednit relativní změny a procentuální růst.

Je vhodný pro datové sady, kde hodnoty vykazují exponenciální nebo logaritmický nárůst, resp. pokles. Jde např. o výpočet průměru:

  • růstu populace,
  • pH roztoku,
  • farmakokinetických vlastností zkoumané sloučeniny,
  • výnosu investic.

Geometrický průměr není použitelný pro datové sady s:

  • nulovými hodnotami (jednotlivé hodnoty datové sady se mezi sebou násobí, proto při použití nulové hodnoty bude výsledný geometrický průměr také nulový),
  • zápornými hodnotami (n-tá odmocnina záporného čísla v oboru reálných čísel neexistuje – v takové situaci geometrický průměr nevypočítáme).

Není vhodný ani pro data, která mají:

  • mezi sebou lineární vztah (pro ty je lepší aritmetický či vážený průměr),
  • charakter podílu, např. u poměrných veličin, jako je průměrná rychlost jízdy (poměr vzdálenosti k času) či průměrná životnost komponent zařízení (zde využijete harmonický průměr).


Příklad výpočtu geometrického průměru

Představte si, že zkoumáte pokles koncentrace experimentálního léku v krevní plazmě během jeho vylučování. Naměřili jste tyto hodnoty:

Čas po podání přípravku (hod) Koncentrace léku (mg/l)
0 200
1 100
2 50
3 25
4 12,5
5 6,25

Po dosazení do rovnice pro geometrický průměr vychází:

\[G = \left(\prod_{i=1}^{n} x_i\right)^{\frac{1}{n}} = \sqrt[n]{x_1 \cdot x_2 \cdot \ldots \cdot x_n} \] \[ G = \sqrt[6]{200 \times 100 \times 50 \times 25 \times 12.5 \times 6.25} \] \[ G = 35.36\text{ mg/l}\]

Průměrná koncentrace přípravku ve sledovaném období je 35,36 mg/l.



Výpočet geometrického průměru v Excelu

# buňky A1 až A100 obsahují naměřené hodnoty

# funkce pro výpočet geometrického průměru
=GEOMEAN(A1:A100)


Výpočet geometrického průměru v jazyce R

Pro výpočet geometrického průměru v jazyce R je potřeba nejprve nainstalovat knihovnu psych.

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

Prohlédnout balíčky kurzů 
# načtení knihovny
library(psych)

# naměřené hodnoty
data <- c(3, 5, 6, 7, 8)

# funkce pro výpočet geometrického průměru
geometric.mean(data)


Zpátky na slovník pojmů

Mohlo by vás zajímat
Články
Analýza dat ve vědě a výzkumu

Statistická analýza je klíčem ke kvalitnějším výsledkům a publikaci v prestižních vědeckých časopisech. Jak ji dělat správně?

Naše kurzy

Správa a řízení vědeckých dat dle FAIR Data Principles

Přihlásit na kurz Lektor: Ing. Jan Červený, Ph.D. Spravujte svá experimentální data tak, abyste s nimi vy i vědecká komunita mohli dlouhodobě pracovat – a vytěžit z nich další poznatky. Publikováním výsledků životnost nasbíraných dat nekončí. V kurzu pro vědecké pracovníky vás krok po kroku naučíme, jak data z experimentů uložit a zpřístupnit podle zásad FAIR Data Principles. Díky tomu s nimi budete moci opakovaně pracovat a hledat v nich nové souvislosti. 2denním kurzem vás provede Ing. Jan Červený, PhD., vedoucí výzkumný pracovník oddělení adaptivních a chytrých biotechnologií na Ústavu výzkumu globální změny AV ČR (viz profil lektora).  Procvičování probíhá v české verzi aplikace MS Excel 365 . Počítač vám zapůjčíme na místě, není třeba nosit vlastní Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: chcete zvýšit své šance na získání výzkumných grantů, potřebujete zorganizovat a propojit data z různých projektů (a zpřístupnit je), publikujete vědecké články a potřebujete mít data v excelentní kvalitě, chcete zlepšit úroveň vědeckých výstupů své organizace. Jaké vstupní znalosti jsou potřeba? Pro absolvování kurzu jsou vhodné znalosti v rozsahu: MS Excel na základní uživatelské úrovni (základní operace a funkce), základní terminologie zpracování a ukládání informací (databázové principy, elementární matematické operace s daty), povědomí o existenci globálních systémů identifikace digitálních objektů (DOI apod.) Co se v kurzu naučíte? jak s daty systematicky pracovat a co to vašemu výzkumu přinese, jak se ke správě dat staví čtyři základní pilíře konceptu FAIR Data Principles (Findability – dohledatelnost, Accessibility – dostupnost, Interoperability – interoperabilita, Reuse – opakované použití), principy správného ukládání a popisování datových setů, jak propojit data z různých zdrojů (např. laboratorních zařízení či úložišť), jaké technologie jsou dostupné a které vybrat, jak data efektivně vyhodnotit s pomocí statistické analýzy. Chci vidět podrobný sylabus kurzu    Úvod:  Co jsou FAIR Data Principles a proč je důležité je dodržovat.  Dohledatelnost (Findability) – Jak zajistit nalezení dat včetně použití metadat a identifikátorů. Dostupnost (Accessibility) – Jak umožnit přístup k datům a zajistit jejich dostupnost pro výzkum. Interoperabilita (Interoperability) – Jak zajistit, aby data byla srozumitelná a čitelná pro různé systémy a aplikace. Opakované použití (Reuse) – Jak zajistit opakované využití dat v rámci výzkumné organizace i mimo ní.   Jaké jsou důvody potřeby systematického zpracovávání dat nejen kvůli naplňování požadavků na Open Science. Zvýhodněné balíčky kurzů Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete Prohlédnout balíčky kurzů Jaký je přístup EU a

Regresní analýza v TIBCO Statistica

Přihlásit na kurz Lektor: Mgr. Patrik Galeta, PhD. Naučte se v aplikaci Statistica zpracovávat svoje data pomocí lineární a nelineární regrese – jedné z nejvyužívanějších statistických metod. Na kurzu vás provedeme vás různými modely regresní analýzy, metodami vyhodnocení a naučíme vás data správně vizualizovat (viz názory spokojených účastníků). 1denním kurzem vás provede Mgr. Patrik Galeta, PhD., odborný asistent katedry antropologie Západočeské univerzity v Plzni, který se statistice věnuje v rámci demografických studií (viz profil lektora). Procvičování probíhá v české verzi aplikace TIBCO Statistica. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: potřebujete rychle a efektivně zpracovávat data z výzkumu, vývoje či obchodu (vědečí pracovníci, datoví nebo finanční analytici), chcete prohloubit své znalosti v oblasti regresní analýzy. Jaké vstupní znalosti jsou potřeba? Pro absolvování tohoto kurzu je vhodné mít znalosti v rozsahu kurzů: Základní kurz statistiky I v TIBCO Statistica a Základní kurz statistiky II v TIBCO Statistica. Co v kurzu naučíte? jaké regresní modely existují a jak správně ověřit předpoklady pro jejich použití, co je logistická regrese, jak sestavit regresní model a změřit jeho kvalitu, podle čeho hodnotit model jako celek, jaký je význam korelační analýzy (především multikolinearity), jakým způsobem data vhodně vizualizovat na co si dat při tvorbě regresních modelů pozor a čemu se vyhnout. Chci vidět podrobný sylabus kurzu Úvod Úvod do regresní analýzy Princip regresní analýzy Korelační analýza Význam korelace Multikolinearita Koeficient determinace Lineární regresní modely Ověření předpokladů Jednoduchá regrese Vícenásobná regrese Polynomiální regrese (určení stupně polynomu) Nelineární regresní modely Úvod do logistické regrese Názory spokojených účastníků Chci vidět další názory účastníků kurzu Jaké školící materiály obdržíte? na kurzu obdržíte tištěné prezentace probírané látky, které vám následně zašleme v elektronické verzi Jak dlouho kurz trvá? 1 pracovní den Kdo vás bude školit? Kurzem vás provede Mgr. Patrik Galeta, PhD., odborný asistent katedry antropologie Západočeské univerzity v Plzni. Statistickým metodám se věnuje v rámci demografických studií, na ZČU vede také kurz zpracování dat. Vedle stovek studentů proškolil ve statistických metodách také stovky účastníků našich kurzů. Kolik kurz stojí, kde probíhá a jaké jsou možnosti platby? Kurz probíhá v našem školícím středisku na adrese Kodaňská 1441/46, Praha 10. Cena kurzu je 7 900 Kč bez DPH. Součástí ceny je kromě zajištění pomůcek a školících materiálů také občerstvení v průběhu kurzu a oběd. Zvýhodněné balíčky kurzů Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete Prohlédnout

Úvod do programování v Pythonu (nejen) pro vědce

Online kurz (12 × 2,5 hod ve 12 týdnech) Přihlásit na kurz Lektor: Vít Kuntoš Trvání kurzu: 12 týdnů Naučte se základy nejoblíbenějšího programovacího jazyku Python, i když nemáte s programováním žádné zkušenosti. Po absolvování kurzu porozumíte syntaxu kódu v Pythonu a naučíte se využívat datové typy, řídící struktury, funkce a základní datové struktury. Na získané znalosti navážete např. kurzem statistického vyhodnocování dat v Pythonu. Kurzem s nejvýše 10 účastníky vás provede Vít Kuntoš, programátor s praxí v Pythonu a frameworku Django (viz profil lektora). Všechny prezentované postupy si vyzkoušíte na praktických příkladech v online aplikaci pro psaní kódu v Pythonu. Chci se přihlásit Adresa konání kurzu Délka kurzu Každý čtvrtek 18:00 – 20:30 Výukový čas Z kurzu budete mít největší užitek, pokud: nejste programátor a nikdy jste neprogramovali, ale chcete se naučit úplné základy programovacího jazyku Python, chcete získat základní znalosti pro další rozvoj a využití Pythonu všemi směry – pro vyhodnocování a vizualizaci dat (nejen) z výzkumu nebo tvorbu webových aplikací a automatizací. Jaké vstupní znalosti jsou potřeba? pro absolvování kurzu nejsou potřeba žádné specifické znalosti. Co se na kurzu naučíte? jak se orientovat v prostředí aplikace RStudio, jaké typy proměnných existují a jaké jsou mezi nimi rozdíly, co je průměr, medián, směrodatná odchylka a další popisné statistiky a kdy a jak je použít, jak v programovacím jazyce R vyhodnocovat data a testovat hypotézy pomocí základních statistických metod, jakým způsobem vhodně vizualizovat data, jak mezi sebou porovnávat dva a více datových souborů, jak vyhodnocovat data pomocí kontingenčních tabulek, jak sestavit regresní model a vytvářet modely typu „co se stane, když…“. Chci vidět podrobný sylabus kurzu Program kurzu podle lekcí Součástí každé lekce jsou příklady a úkoly, na kterých si přednášenou látku vyzkoušíte. V závěru kurzu vytvoříte vlastní projekt, na kterém v praxi ukážete, jak Pythonu rozumíte. Úvod do programování – k čemu jej využijete, historie a vlastnosti Pythonu, odkud získávat informace Psaní kódu – jak počítač kód zpracovává, psaní komentářů, typy proměnných, funkce print a input Číselné datové typy a operace – integer, float, complex, aritmetické operace, porovnávání, převody Řetězce – metody pro práci s textem, formátování, indexování, slicing, striding Boolean a podmínky – funkce if, else, elif, true a false, logické operátory, rozhodování v programu Cykly – funkce for a while, opakování bloku kódu, iterace přes sekvence dat Listy a práce s nimi – ukládání více hodnot, přístup k prvkům, metody pro manipulaci Slovníky a práce s

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

Prohlédnout balíčky kurzů
[24. 4. 2024] Webinář ZDARMA: Jak získat 82% příspěvek na školení statistiky přes MPSV

Pod vedením zakladatele Datové akademie Dávida Tkáče mj. zjistíte:

  • kam a jak se registrovat, abyste se na kurzy mohli přihlásit,
  • kde najít nabídku kurzů a jak poslat přihlášku (a co se po jejím odeslání stane),
  • jak probíhá vyúčtování a platba za kurz,
  • na co si dát pozor a s čím je potřeba počítat.
Více informací