https://wiki.knihovna.cz/api.php?action=feedcontributions&feedformat=atom&user=PaulaWikiKnihovna - Příspěvky uživatele [cs]2026-06-30T00:12:22ZPříspěvky uživateleMediaWiki 1.35.0https://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49992Štatistická metóda, programy2015-02-04T17:10:36Z<p>Paula: /* Aplikovateľnosť štatistických metód */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==História==<br />
K najstarším štatistickým činnostiam patrí bezpochyby sčítanie obyvateľov. Poznatky zo súpisov využíval panovník k fiškálnym, vojenským, ekonomickým a iným účelom. <br />
[[John Graunt]] poukázal na zákonnitosti, ktoré nemožno poznať z jednotlivých pozorovaní, ale sú platné pre celé súbory. K týmto poznatkom sa dopracoval pri štúdiu úmrtnosti obyvateľov Londýna.<br />
[[William Petty]] poukázal na význam predvídateľnosti hromadných javov a to na základe rázu týchto javov. Je označovaný za zakladateľa politickej aritmetiky. Obaja bádatelia nesporne zahájili éru, ktorá bola v znamení zvyšujúceho sa záujmu o nové pojatie bádania v zmysle induktívneho poznávania.<br />
Začiatkom 19. storočia bola štatistika budovaná na základe teórie pravdepodobnosti, ktorá bola v tej dobe vypracovaná v hlavných rysoch (Opierala sa o práce Pascala, Bernoulliho, a Laplaceho.) Rozvoj štatistiky bol v znamení anglickej štatistickej školy s predstaviteľmi F. Galton, Ch. Pearson, R. A. Fischer.<br />
Počiatky štatistiky v našich zemiach sú späté s počiatkami štatistiky v Rakúsko- Uhorsku. Rovnako ako v západných krajinách sa štatistika u nás radila do politických vied. Na pražskej univerzite bola výuka zavedená v roku 1764, kde sa prednášalo o štatistike obyvateľstva. Významný krok nastal ku koncu 18. storočia zásluhou univerzitných profesorov J. A. Rieggera a J. Madera, ktorí začali vedľa doposiaľ iba verbálneho hodnotenia dát s hodnotením dát pomocou číselných charakteristík. Zvlášť Riegger sa považuje za priekopníka štatistiáky v tej dobe. V prvej polovici 19. storočia bol u nás najvýznamnejším štatistikom G. N. Schnabel. Zaoberal sa štatistickým popisom jak Čiech tak aj iných európskych štátov. Pripisuje sa mu prvé použitie grafov v štatistickej literatúre u nás aj prvé použitie indexov pri porovnaní hustoty obyvateľstva.<br />
V druhej polovici 19. storočia a v 20. storočí rastie s ďalším vývojom priemyselnej výroby i počet publikácií so štatistickou náplňou. Dôležitú úlohu zohralo založenie Medzinárodného štatistického ústavu a konanie medzinárodných štatistických kongresov. Vedci z druhej polovice 19.storočia, ktorí stoja za zmienku sú Dobroslav Krejčí a Václav Láska. <br />
<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.4-5. ISBN 80-7372-044-2</ref><br />
<br />
==Aplikovateľnosť štatistických metód==<br />
Štatistické metódy dosiahli behom minulého storočia ocenenia vo veľkom počte oborov, nielen výskumnej ale aj riadiacej činnosti. Preukázali, že sú schopné poskytnúť metódy pre poznanie podstaty javov a poskytnúť aparát ku kvalitným výskumným záverom. Riadiacim pracovníkom poskytujú štatistické metódy cenné podklady a umožňujú predvídať a overovať hodnoty ukázateľov, podľa ktorých sa rozhoduje.<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2</ref><br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje najmä v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49991Štatistická metóda, programy2015-02-04T17:04:17Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==História==<br />
K najstarším štatistickým činnostiam patrí bezpochyby sčítanie obyvateľov. Poznatky zo súpisov využíval panovník k fiškálnym, vojenským, ekonomickým a iným účelom. <br />
[[John Graunt]] poukázal na zákonnitosti, ktoré nemožno poznať z jednotlivých pozorovaní, ale sú platné pre celé súbory. K týmto poznatkom sa dopracoval pri štúdiu úmrtnosti obyvateľov Londýna.<br />
[[William Petty]] poukázal na význam predvídateľnosti hromadných javov a to na základe rázu týchto javov. Je označovaný za zakladateľa politickej aritmetiky. Obaja bádatelia nesporne zahájili éru, ktorá bola v znamení zvyšujúceho sa záujmu o nové pojatie bádania v zmysle induktívneho poznávania.<br />
Začiatkom 19. storočia bola štatistika budovaná na základe teórie pravdepodobnosti, ktorá bola v tej dobe vypracovaná v hlavných rysoch (Opierala sa o práce Pascala, Bernoulliho, a Laplaceho.) Rozvoj štatistiky bol v znamení anglickej štatistickej školy s predstaviteľmi F. Galton, Ch. Pearson, R. A. Fischer.<br />
Počiatky štatistiky v našich zemiach sú späté s počiatkami štatistiky v Rakúsko- Uhorsku. Rovnako ako v západných krajinách sa štatistika u nás radila do politických vied. Na pražskej univerzite bola výuka zavedená v roku 1764, kde sa prednášalo o štatistike obyvateľstva. Významný krok nastal ku koncu 18. storočia zásluhou univerzitných profesorov J. A. Rieggera a J. Madera, ktorí začali vedľa doposiaľ iba verbálneho hodnotenia dát s hodnotením dát pomocou číselných charakteristík. Zvlášť Riegger sa považuje za priekopníka štatistiáky v tej dobe. V prvej polovici 19. storočia bol u nás najvýznamnejším štatistikom G. N. Schnabel. Zaoberal sa štatistickým popisom jak Čiech tak aj iných európskych štátov. Pripisuje sa mu prvé použitie grafov v štatistickej literatúre u nás aj prvé použitie indexov pri porovnaní hustoty obyvateľstva.<br />
V druhej polovici 19. storočia a v 20. storočí rastie s ďalším vývojom priemyselnej výroby i počet publikácií so štatistickou náplňou. Dôležitú úlohu zohralo založenie Medzinárodného štatistického ústavu a konanie medzinárodných štatistických kongresov. Vedci z druhej polovice 19.storočia, ktorí stoja za zmienku sú Dobroslav Krejčí a Václav Láska. <br />
<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.4-5. ISBN 80-7372-044-2</ref><br />
<br />
==Aplikovateľnosť štatistických metód==<br />
Štatistické metódy dosiahli behom minulého storočia ocenenia vo veľkom počte oborov, nielen výskumnej ale aj riadiacej činnosti. Preukázali, že sú schopné poskytnúť metódy pre poznanie podstaty javov a poskytnúť aparát ku kvalitným výskumným záverom. Riadiacim pracovníkom poskytujú štatistické metódy cenné podklady a umožňujú predvídať a overovať hodnoty ukázateľov, podľa ktorých sa rozhoduje.<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2</ref><br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49990Štatistická metóda, programy2015-02-04T16:59:01Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==História==<br />
K najstarším štatistickým činnostiam patrí bezpochyby sčítanie obyvateľov. Poznatky zo súpisov využíval panovník k fiškálnym, vojenským, ekonomickým a iným účelom. <br />
[[John Graunt]] poukázal na zákonnitosti, ktoré nemožno poznať z jednotlivých pozorovaní, ale sú platné pre celé súbory. K týmto poznatkom sa dopracoval pri štúdiu úmrtnosti obyvateľov Londýna.<br />
[[William Petty]] poukázal na význam predvídateľnosti hromadných javov a to na základe rázu týchto javov. Je označovaný za zakladateľa politickej aritmetiky. Obaja bádatelia nesporne zahájili éru, ktorá bola v znamení zvyšujúceho sa záujmu o nové pojatie bádania v zmysle induktívneho poznávania.<br />
Začiatkom 19. storočia bola štatistika budovaná na základe teórie pravdepodobnosti, ktorá bola v tej dobe vypracovaná v hlavných rysoch (Opierala sa o práce Pascala, Bernoulliho, a Laplaceho.) Rozvoj štatistiky bol v znamení anglickej štatistickej školy s predstaviteľmi F. Galton, Ch. Pearson, R. A. Fischer.<br />
Počiatky štatistiky v našich zemiach sú späté s počiatkami štatistiky v Rakúsko- Uhorsku. Rovnako ako v západných krajinách sa štatistika u nás radila do politických vied. Na pražskej univerzite bola výuka zavedená v roku 1764, kde sa prednášalo o štatistike obyvateľstva. Významný krok nastal ku koncu 18. storočia zásluhou univerzitných profesorov J. A. Rieggera a J. Madera, ktorí začali vedľa doposiaľ iba verbálneho hodnotenia dát s hodnotením dát pomocou číselných charakteristík. Zvlášť Riegger sa považuje za priekopníka štatistiáky v tej dobe. V prvej polovici 19. storočia bol u nás najvýznamnejším štatistikom G. N. Schnabel. Zaoberal sa štatistickým popisom jak Čiech tak aj iných európskych štátov. Pripisuje sa mu prvé použitie grafov v štatistickej literatúre u nás aj prvé použitie indexov pri porovnaní hustoty obyvateľstva.<br />
V druhej polovici 19. storočia a v 20. storočí rastie s ďalším vývojom priemyselnej výroby i počet publikácií so štatistickou náplňou. Dôležitú úlohu zohralo založenie Medzinárodného štatistického ústavu a konanie medzinárodných štatistických kongresov. Vedci z druhej polovice 19.storočia, ktorí stoja za zmienku sú Dobroslav Krejčí a Václav Láska. <br />
<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.4-5. ISBN 80-7372-044-2</ref><br />
<br />
<br />
==Aplikovateľnosť štatistických metód==<br />
Štatistické metódy dosiahli behom minulého storočia ocenenia vo veľkom počte oborov, nielen výskumnej ale aj riadiacej činnosti. Preukázali, že sú schopné poskytnúť metódy pre poznanie podstaty javov a poskytnúť aparát ku kvalitným výskumným záverom. Riadiacim pracovníkom poskytujú štatistické metódy cenné podklady a umožňujú predvídať a overovať hodnoty ukázateľov, podľa ktorých sa rozhoduje.<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2</ref><br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49989Štatistická metóda, programy2015-02-04T16:29:37Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==História==<br />
K najstarším štatistickým činnostiam patrí bezpochyby sčítanie obyvateľov. Poznatky zo súpisov využíval panovník k fiškálnym, vojenským, ekonomickým a iným účelom. <br />
[[John Graunt]] poukázal na zákonnitosti, ktoré nemožno poznať z jednotlivých pozorovaní, ale sú platné pre celé súbory. K týmto poznatkom sa dopracoval pri štúdiu úmrtnosti obyvateľov Londýna.<br />
[[William Petty]] poukázal na význam predvídateľnosti hromadných javov a to na základe rázu týchto javov. Je označovaný za zakladateľa politickej aritmetiky. Obaja bádatelia nesporne zahájili éru, ktorá bola v znamení zvyšujúceho sa záujmu o nové pojatie bádania v zmysle induktívneho poznávania.<br />
Začiatkom 19. storočia bola štatistika budovaná na základe teórie pravdepodobnosti, ktorá bola v tej dobe vypracovaná v hlavných rysoch (Opierala sa o práce Pascala, Bernoulliho, a Laplaceho.) Rozvoj štatistiky bol v znamení anglickej štatistickej školy s predstaviteľmi F. Galton, Ch. Pearson, R. A. Fischer.<br />
<br />
<br />
==Aplikovateľnosť štatistických metód==<br />
Štatistické metódy dosiahli behom minulého storočia ocenenia vo veľkom počte oborov, nielen výskumnej ale aj riadiacej činnosti. Preukázali, že sú schopné poskytnúť metódy pre poznanie podstaty javov a poskytnúť aparát ku kvalitným výskumným záverom. Riadiacim pracovníkom poskytujú štatistické metódy cenné podklady a umožňujú predvídať a overovať hodnoty ukázateľov, podľa ktorých sa rozhoduje.<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2</ref><br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49988Štatistická metóda, programy2015-02-04T16:12:28Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==História==<br />
K najstarším štatistickým činnostiam patrí bezpochyby sčítanie obyvateľov. Poznatky zo súpisov využíval panovník k fiškálnym, vojenským, ekonomickým a iným účelom. <br />
<br />
==Aplikovateľnosť štatistických metód==<br />
Štatistické metódy dosiahli behom minulého storočia ocenenia vo veľkom počte oborov, nielen výskumnej ale aj riadiacej činnosti. Preukázali, že sú schopné poskytnúť metódy pre poznanie podstaty javov a poskytnúť aparát ku kvalitným výskumným záverom. Riadiacim pracovníkom poskytujú štatistické metódy cenné podklady a umožňujú predvídať a overovať hodnoty ukázateľov, podľa ktorých sa rozhoduje.<ref>KADEŘÁBEK, Jiří.Statistika. Liberec: Technická univerzita v Liberci, 2006, s.3. ISBN 80-7372-044-2</ref><br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=49987Štatistická metóda, programy2015-02-04T15:05:17Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Aplikovateľnosť štatistických metód==<br />
V dnešnej dobe poznáme veľa druhov štatistických metód. Každá oblasť (obor) využíva vlastné metódy. 2 hlavné metódy ktoré sa využívajú sú deskriptívna štatistika a deduktívna štatistika. Štatistika sa aplikuje v týchto sférach: <br />
*aplikovaná štatistika<br />
*strojové učenie<br />
*data mining<br />
*marketing<br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS ako príklad štatistického programu==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46934Štatistická metóda, programy2014-12-05T16:32:57Z<p>Paula: /* SPSS */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce '''SPSS Data Editor''' a '''SPSS Output Navigator'''. Prvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. <br />
Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. '''SPSS Script Editor''' skrátene nazývaný '''Autoscript'''. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou '''*.sav'''. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku '''*.sys'''.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46909Štatistická metóda, programy2014-12-05T15:23:27Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce SPSS Data Editor a SPSS Output Navigator. PRvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. SPSS Script Editor skrátene nazývaný Autoscript. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
===Typy dátových súborov, komunikácia s inými programami===<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou *.sav. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku *.sys.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46908Štatistická metóda, programy2014-12-05T15:22:15Z<p>Paula: /* Typy dátových súborov, komunikácia s inými programami */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce SPSS Data Editor a SPSS Output Navigator. PRvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. SPSS Script Editor skrátene nazývaný Autoscript. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
==Typy dátových súborov, komunikácia s inými programami==<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou *.sav. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku *.sys.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.<ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46907Štatistická metóda, programy2014-12-05T15:21:44Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce SPSS Data Editor a SPSS Output Navigator. PRvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. SPSS Script Editor skrátene nazývaný Autoscript. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
==Typy dátových súborov, komunikácia s inými programami==<br />
SPSS pre windows má svoj vlastný dátový formát, ktorý je čitateľný iba v tomto programe. Dátové súbory ukladá s príponou *.sav. Pokiaľ však pracujeme s verziou pre DOS, majú dátové súbory nešastne zvolenú koncovku *.sys.<br />
S okolím komunikuje SPSS pomerne jednoducho pomocou ponúk File, Export a File, Import. Tie umožňujú vystrčiť (a načítať) dáta vo formátoch bežne používaných programoch. Veľmi dobre je organizované načítavanie dát z databází (resp. tabuľkových procesorov), ktoré možno nájsť pod postupnosťou ponúk File, Database capture. Ponúkajú sa tu všetky bežne používané databázy. Celý prevod sa odohráva v piatich krokoch pod vedením Database Capture Wizard, čo je vlastne sprievodca, ktorý urobí veľa práce za nás.ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.27. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46904Štatistická metóda, programy2014-12-05T15:13:49Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce SPSS Data Editor a SPSS Output Navigator. PRvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. SPSS Output Navigator je okno výstupu a má podobu textového okna - veľmi vzdialene teda pripomína prácu v textovom procesore. Pretože slúži pre výstup objavujú sa v tomto okne výsledky spustených procedúr. V okne výstupu je možné mazař, editovať výsledky,kopírovať z nich do iných programov (teda i do Wordu) a v podstate prevádzať obdobné úpravy ako v textovom procesore. Práce v tomto okne sa pomerne líšia v starých verziách (7,0 a nižšie) SPSS. Tretím oknom, ktoré väčšina bežných užívateľov vôbec nespustí, je tzv. SPSS Script Editor skrátene nazývaný Autoscript. SPSS je totiž možné ovládať ako z ponuky, tak i pomocou príkazov. Príkazy je možné organizovať do "skrípt", čo sú vlastne programy ktoré možno uložiť a potom kedykoľvek spustiť. SPSS už samo obsahuje niekoľko takých hotových skrípt, ktoré sa nachádzajú v podadresári Script. V starších verziách sa objavuje okno Chart Carousel, ktoré sa aktivuje vytvorením ľubovoľného typu grafu a slúži teda pre prácu s týmito grafmi. Vo verzii 7,5 je toto okno už súčasťou SPSS Output Navigator. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.26-27. ISBN 80-7079-033-4 </ref><br />
<br />
==Typy dátových súborov, komunikácia s inými programami==<br />
SPSS pre windows má svoj vlastný dátový formát<br />
<br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46896Digitalizácia2014-12-05T14:54:04Z<p>Paula: Stránka vyprázdněna</p>
<hr />
<div></div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46892Digitalizácia2014-12-05T14:52:32Z<p>Paula: </p>
<hr />
<div>{{AfD}}</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46887Štatistická metóda, programy2014-12-05T14:49:39Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==SPSS==<br />
SPSS ako štatistický program je pomerne starou záležitosťou. Pôvodne bol vytvorený vo verzii pre veľké sálové počítače (IBM apod.). Po rozmachu osobných počítačov sa objavila verzia pre PC a pochopiteľne najprv verzia pre DOS. Po nástupe Windows bola vytvorená verzia i pre toto prostredie. I táto verzia bola neustále vylepšovaná, takže dnes sa program už značne odlišuje od pôvodného, predovšetkým z hľadiska obsluhy, práce s dátami a práce s oknom výstupu. Menších zmien dostal program aj po stránke štatistickej.<br />
SPSS ako program pre Windows pracuje zároveň v niekoľkých oknách. Jedná sa predovšetkým o dve základné a síce SPSS Data Editor a SPSS Output Navigator. PRvý z nich je určený pre prácu s dátami a má podobu spreadsheetu - silne teda pripomína napr. tabuľky z Excelu, i keď možnosti editoru SPSS zďaleka nie sú tak veľké. V tabuľke editoru je možné dáta pomocou tabuľky upravovať, ale na druhej strane slúži čiastočne i pre výstup, pretože sa do tabuľky nahrávajú premenné, ktoré sa behom prce počítajú ako výsledok niektorých procedúr. <br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.<br />
* MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.129. ISBN 80-7079-033-4</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46874Štatistická metóda, programy2014-12-05T14:32:36Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999, s.5. ISBN 80-7184-493-4.</ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšie je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46873Štatistická metóda, programy2014-12-05T14:31:02Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. ''Vybrané kapitoly ze statistiky I..'' Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4. s. 5 </ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšiáe je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <ref>MAREK, Luboš. Statistické výpočetní prostředí. Praha: Vysoká škola ekonomická v Prahe, 1997, s.11. ISBN 80-7079-033-4 </ref><br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46872Štatistická metóda, programy2014-12-05T14:27:15Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. ''Vybrané kapitoly ze statistiky I..'' Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4. s. 5 </ref><br />
<br />
==Databázy==<br />
Veľké dátové súbory sú väčšinou spravované pomocou "veľkých" databází. Tu je zrejme najčastejšie používaným databázovým programom systém [[Oracle]]. Ten je často umiestený na tzv. databázovom serveri a málokedy je to zariadené tak, že b normálny bežný užívateľ pracoval priamo s týmto programom. Častejšiáe je situácia riešená takým spôsobom, že uživateľ si iba "vytiahne" dáta z tohto serveru a potom s nimi pracuje v niektorej z databázi určených pre PC. Tu sa potom naskytá široké spektrum programov, z ktorých je možné zvoliť ten pravý. "klasikom" a taktiež normou sa v minulých rokoch stala databáza [[dBASE]]. Veľmi obľúbenou databázou je [[FoxPro]]od firmy Microsoft. Súčasťou kancelárskeho balíku MS Oficce je databáza [[Access]]. <br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46871Štatistická metóda, programy2014-12-05T14:13:53Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''štatistické výpočetné prostredie, štatistická analýza<br />
<br />
::''podradené'' dáta<br />
<br />
==Štatistika==<br />
[[Statistika]] pochádza z latinského STATUS, tj. STAV, ŠTÁT, vedecké štúdium dát popisujúcich existujúcu variabilitu a hodnotiacich súťažacie myšlenky (hypotézy) vysvetlujúce dáta. Štatistiku možno definovat z rôznych uhlov pohľadu i účelov rozdielne. Všeobecne je to ''„…praktická činnosť /často institucionálne podložená/ spočívajúca v zbere a spracovaní číselných údajov o hromadných prírodných a společenských javoch a procesoch."'' ''<ref>STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. ''Vybrané kapitoly ze statistiky I..'' Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4. s. 5 </ref><br />
<br />
<br />
<br />
==Citácie==<br />
<references/><br />
<br />
==Použitá literatúra==<br />
* STRÁDALOVÁ, Jarmila; KUBÁTOVÁ, Květa. Vybrané kapitoly ze statistiky I.. Praha : Univerzita Karlova v Praze - Nakladatelství Karolinum, 1999. 250 s. ISBN 80-7184-493-4.</div>Paulahttps://wiki.knihovna.cz/index.php?title=KISK:Knihovnick%C3%A9_syst%C3%A9my_a_standardy&diff=46702KISK:Knihovnické systémy a standardy2014-12-04T21:44:44Z<p>Paula: /* Rozcestí */</p>
<hr />
<div>==Knihovnické systémy a standardy==<br />
<br />
Toto je úvodní stránka předmětu. Měla by sloužit jako '''rozcestník na další témata'''. Při zpracování článků použijte více zdrojů a snažte se o jejich odbornost. Nemá smysl, aby toto byla druhá nebo okopírovaná Wikipedie. Můžete na ni odkázat. Při zpracování témat se snažte zaměřit na náš obor.<br />
<br />
Podrobné informace k vytváření hesel najdete v IS v materiálech k předmětu.<br />
<br />
<br />
== Rozcestí ==<br />
<br />
*[[Technologie v knihovnictví]] - [[Vývoj technologií v knihovnictví]] (zabráno Jan Sladký 425999), [[Média]](zabráno L. Řičánková, 408193), [[Typy dokumentů]] (zabráno Tereza Pojezná), [[Formáty elektronických knih]] (zabráno Christopher Jurák, 428908). <br />
<br />
<br />
<br />
*[[Systém]] - [[Informační systém]], [[Knihovní systém]] , základní pojmy, [[Linka zpracování]], [[Akvizice]], [[Katalogizace]] ([[Jmenná katalogizace]] (''zabráno Z.Chlupová''), [[Věcná katalogizace]] (''zabráno N.Hálová'')), [[Mezinárodní desetinné třídění (MDT)]] (zabráno ''L. Hrbáčková''), [[DDT]], [[Library of Congress Classification (LCC)]] (''zabráno A.Fafková''), [[Meziknihovní výpůjční služby (MVS)]] (zabráno K.Vojtasová), [[Mezinárodní meziknihovní výpůjční služby (MMVS)]] (zabráno A. Kolbábková - 428538), [[Koha]] (Albert Lukšík 374421), [[Alma]]<br />
<br />
<br />
<br />
*[[Katalog]] - [[Generace katalogů]] (zabráno Jiří Velísek 383651), [[Interface katalogu]], [[Lístkový katalog]], [[Elektronické online katalogy (OPAC)]](Lenka Doležalová, 342083)<br />
<br />
<br />
<br />
*[[Standardizace]](Tereza Čoupková 403069) - Problém konzistence dat a zpětné kompatibility, [[Vývoj standardů]], [[Standardy v knihovnictví]]<br />
<br />
<br />
<br />
*[[Bibliografický popis dokumentů]] - [[Bibliografický záznam]] jako model dokumentů, [[Pravidla pro vytváření záznamů]], [[Pravidla pro obsah a formu záznamů]] (zabráno Pavla Čonková), [[AACR2]] (zabráno Lukáš Eliaš), [[RDA]], [[ISSN]] - (Jan Kupka), [[ISBN]] - Jiří Škrobák, [[ISBD]](zabráno Karel Starý 397620), [[MARC]] ([[UNIMARC]] (zabráno Tereza Dřevová), [[MARC21]]), Přístup k bibliografickým záznamům, [[Selekční údaje]], [[Záhlaví]] (zabráno Tesařová Eva), [[Autoritní báze]] (L. Černá), [[Vyhledávání]] (M. Martonová), [[DOI]] (Kudrna, 427 643), [[Tritius]] (L. Machátová, 385398) [[Štatistická metóda, programy]] (Paulína Kosturáková, 429017)<br />
<br />
<br />
*[[Funkční požadavky na bibliografické záznamy]] (zabráno Hana Nosková),[[Revize pravidel]] (Zabráno Martin Páč), nové trendy a alternativy v popisu dokumentů.<br />
<br />
<br />
<br />
*[[Systém knihoven v ČR]], [[Automatizace knihovny]] (''zabráno Adam Žebrák''), [[Digitální knihovna]], [[Institucionální repozitáře [[Knihovna a tiskárna pro nevidomé K. E. Macana]](''zabráno Milan Lučan'') [[ Moravská zemská knihovna ]] ( Barbora Tvrdoňová) [[Vývoj knihoven a knihovnictví]](zabrané Lucia Marcinková, 427757)<br />
<br />
<br/><br/><br />
<br />
[[Category:KISK:Kurzy]] <br/></div>Paulahttps://wiki.knihovna.cz/index.php?title=%C5%A0tatistick%C3%A1_met%C3%B3da,_programy&diff=46701Štatistická metóda, programy2014-12-04T21:34:00Z<p>Paula: Založena nová stránka: '''Autor''': Paulína Kosturáková '''Kľúčové slová''': '''Synonymá''': štatistika '''Súvisiace pojmy''': ::''nadradené'' ::''podradené'' ==Pojem==</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': štatistika<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''<br />
<br />
::''podradené'' <br />
<br />
==Pojem==</div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46700Digitalizácia2014-12-04T21:33:01Z<p>Paula: Stránka vyprázdněna</p>
<hr />
<div></div>Paulahttps://wiki.knihovna.cz/index.php?title=KISK:Knihovnick%C3%A9_syst%C3%A9my_a_standardy&diff=46699KISK:Knihovnické systémy a standardy2014-12-04T21:32:24Z<p>Paula: /* Rozcestí */</p>
<hr />
<div>==Knihovnické systémy a standardy==<br />
<br />
Toto je úvodní stránka předmětu. Měla by sloužit jako '''rozcestník na další témata'''. Při zpracování článků použijte více zdrojů a snažte se o jejich odbornost. Nemá smysl, aby toto byla druhá nebo okopírovaná Wikipedie. Můžete na ni odkázat. Při zpracování témat se snažte zaměřit na náš obor.<br />
<br />
Podrobné informace k vytváření hesel najdete v IS v materiálech k předmětu.<br />
<br />
<br />
== Rozcestí ==<br />
<br />
*[[Technologie v knihovnictví]] - [[Vývoj technologií v knihovnictví]] (zabráno Jan Sladký 425999), [[Média]](zabráno L. Řičánková, 408193), [[Typy dokumentů]] (zabráno Tereza Pojezná), [[Formáty elektronických knih]] (zabráno Christopher Jurák, 428908). <br />
<br />
<br />
<br />
*[[Systém]] - [[Informační systém]], [[Knihovní systém]] , základní pojmy, [[Linka zpracování]], [[Akvizice]], [[Katalogizace]] ([[Jmenná katalogizace]] (''zabráno Z.Chlupová''), [[Věcná katalogizace]] (''zabráno N.Hálová'')), [[Mezinárodní desetinné třídění (MDT)]] (zabráno ''L. Hrbáčková''), [[DDT]], [[Library of Congress Classification (LCC)]] (''zabráno A.Fafková''), [[Meziknihovní výpůjční služby (MVS)]] (zabráno K.Vojtasová), [[Mezinárodní meziknihovní výpůjční služby (MMVS)]] (zabráno A. Kolbábková - 428538), [[Koha]] (Albert Lukšík 374421), [[Alma]]<br />
<br />
<br />
<br />
*[[Katalog]] - [[Generace katalogů]] (zabráno Jiří Velísek 383651), [[Interface katalogu]], [[Lístkový katalog]], [[Elektronické online katalogy (OPAC)]](Lenka Doležalová, 342083)<br />
<br />
<br />
<br />
*[[Standardizace]](Tereza Čoupková 403069) - Problém konzistence dat a zpětné kompatibility, [[Vývoj standardů]], [[Standardy v knihovnictví]]<br />
<br />
<br />
<br />
*[[Bibliografický popis dokumentů]] - [[Bibliografický záznam]] jako model dokumentů, [[Pravidla pro vytváření záznamů]], [[Pravidla pro obsah a formu záznamů]] (zabráno Pavla Čonková), [[AACR2]] (zabráno Lukáš Eliaš), [[RDA]], [[ISSN]] - (Jan Kupka), [[ISBN]] - Jiří Škrobák, [[ISBD]](zabráno Karel Starý 397620), [[MARC]] ([[UNIMARC]] (zabráno Tereza Dřevová), [[MARC21]]), Přístup k bibliografickým záznamům, [[Selekční údaje]], [[Záhlaví]] (zabráno Tesařová Eva), [[Autoritní báze]] (L. Černá), [[Vyhledávání]] (M. Martonová), [[DOI]] (Kudrna, 427 643), [[Tritius]] (L. Machátová, 385398) [[Štatistická metóda, programy]] (Paulína Kosturáková, 429017)<br />
<br />
<br />
*[[Funkční požadavky na bibliografické záznamy]] (zabráno Hana Nosková),[[Revize pravidel]] (Zabráno Martin Páč), nové trendy a alternativy v popisu dokumentů.<br />
<br />
<br />
<br />
*[[Systém knihoven v ČR]], [[Automatizace knihovny]] (''zabráno Adam Žebrák''), [[Digitální knihovna]], [[Institucionální repozitáře [[Knihovna a tiskárna pro nevidomé K. E. Macana]](''zabráno Milan Lučan'') [[ Moravská zemská knihovna ]] ( Barbora Tvrdoňová) [[Vývoj knihoven a knihovnictví]](zabrané Lucia Marcinková, 427757), [[Štatistická metóda, programy]] (Paulína Kosturáková, 429017)<br />
<br />
<br/><br/><br />
<br />
[[Category:KISK:Kurzy]] <br/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46127Digitalizácia2014-12-02T12:01:22Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''': digitálna konverzia<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''<br />
<br />
::''podradené'' <br />
<br />
==Pojem==<br />
Podľa TDKIV je digitalizácia dokumentov "Technológia reformátovania, ktorá spočíva v prevedení dokumentu do elektronickej (digitálnej) podoby. Súčasťou digitalizácie býva i tvorba metadat, ktoré sú ukladáne spoločne s dátami. Výsledkom digitalizácie je dokument v obrazovej alebo textovej podobe.</div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46117Digitalizácia2014-12-02T10:25:37Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': <br />
<br />
'''Synonymá''':<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené''<br />
<br />
::''podradené'' <br />
<br />
==Pojem==</div>Paulahttps://wiki.knihovna.cz/index.php?title=Digitaliz%C3%A1cia&diff=46116Digitalizácia2014-12-02T10:20:01Z<p>Paula: Založena nová stránka: Paulína Kosturáková, 429017</p>
<hr />
<div>Paulína Kosturáková, 429017</div>Paulahttps://wiki.knihovna.cz/index.php?title=KISK:Knihovnick%C3%A9_syst%C3%A9my_a_standardy&diff=46115KISK:Knihovnické systémy a standardy2014-12-02T10:19:24Z<p>Paula: /* Rozcestí */</p>
<hr />
<div>==Knihovnické systémy a standardy==<br />
<br />
Toto je úvodní stránka předmětu. Měla by sloužit jako '''rozcestník na další témata'''. Při zpracování článků použijte více zdrojů a snažte se o jejich odbornost. Nemá smysl, aby toto byla druhá nebo okopírovaná Wikipedie. Můžete na ni odkázat. Při zpracování témat se snažte zaměřit na náš obor.<br />
<br />
Podrobné informace k vytváření hesel najdete v IS v materiálech k předmětu.<br />
<br />
<br />
== Rozcestí ==<br />
<br />
*[[Technologie v knihovnictví]] - [[Vývoj technologií v knihovnictví]], [[Média]](zabráno L. Řičánková, 408193), [[Typy dokumentů]] (zabráno Tereza Pojezná), [[Formáty elektronických knih]] (zabráno Ch. Jurák).<br />
<br />
<br />
<br />
*[[Systém]] - [[Informační systém]], [[Knihovní systém]] , základní pojmy, [[Linka zpracování]], [[Akvizice]], [[Katalogizace]] ([[Jmenná katalogizace]] (''zabráno Z.Chlupová''), [[Věcná katalogizace]] (''zabráno N.Hálová'')), [[Mezinárodní desetinné třídění (MDT)]] (zabráno ''L. Hrbáčková''), [[DDT]], [[Library of Congress Classification (LCC)]] (''zabráno A.Fafková''), [[Meziknihovní výpůjční služby (MVS)]] (zabráno K.Vojtasová), [[Mezinárodní meziknihovní výpůjční služby (MMVS)]] (zabráno A. Kolbábková - 428538), Koha (Albert Lukšík 374421)<br />
<br />
<br />
<br />
*[[Katalog]] - [[Generace katalogů]], [[Interface katalogu]], [[Lístkový katalog]], [[Elektronické online katalogy (OPAC)]](Lenka Doležalová, 342083)<br />
<br />
<br />
<br />
*[[Standardizace]](Tereza Čoupková 403069) - Problém konzistence dat a zpětné kompatibility, [[Vývoj standardů]], [[Standardy v knihovnictví]]<br />
<br />
<br />
<br />
*Bibliografický popis dokumentů - [[Bibliografický záznam]] jako model dokumentů, [[Pravidla pro vytváření záznamů]], Pravidla pro obsah a formu záznamů, [[AACR2]] (zabráno Lukáš Eliaš), [[RDA]], [[ISSN]] - (Jan Kupka), [[ISBN]] - Jiří Škrobák, [[ISBD]](zabráno Karel Starý 397620), [[MARC]] ([[UNIMARC]] (zabráno Tereza Dřevová), [[MARC21]]), Přístup k bibliografickým záznamům, [[Selekční údaje]] (zabráno Galousek), [[Záhlaví]] (zabráno Tesařová Eva), [[Autoritní báze]] (L. Černá), [[Vyhledávání]] (M. Martonová), [[DOI]] (Kudrna, 427 643), [[Tritius]] (L. Machátová, 385398)<br />
<br />
<br />
*[[Funkční požadavky na bibliografické záznamy]] (zabráno Hana Nosková),[[Revize pravidel]] (Zabráno Martin Páč), nové trendy a alternativy v popisu dokumentů.<br />
<br />
<br />
<br />
*[[Systém knihoven v ČR]] ( Barbora Tvrdoňová ),[[Alma]] (zabráno Josef Kocurek), [[Automatizace knihovny]] (''zabráno Adam Žebrák''), [[Digitální knihovna]], [[Institucionální repozitáře [[Knihovna a tiskárna pro nevidomé K. E. Macana]](''zabráno Milan Lučan'') [[Vývoj knihoven a knihovnictví]](zabrané Lucia Marcinková, 427757), [[Digitalizácia]] (Paulína Kosturáková, 429017)<br />
<br />
<br/><br/><br />
<br />
[[Category:KISK:Kurzy]] <br/></div>Paulahttps://wiki.knihovna.cz/index.php?title=KISK:Knihovnick%C3%A9_syst%C3%A9my_a_standardy&diff=45891KISK:Knihovnické systémy a standardy2014-11-30T16:38:35Z<p>Paula: /* Rozcestí */</p>
<hr />
<div>==Knihovnické systémy a standardy==<br />
<br />
Toto je úvodní stránka předmětu. Měla by sloužit jako '''rozcestník na další témata'''. Při zpracování článků použijte více zdrojů a snažte se o jejich odbornost. Nemá smysl, aby toto byla druhá nebo okopírovaná Wikipedie. Můžete na ni odkázat. Při zpracování témat se snažte zaměřit na náš obor.<br />
<br />
Podrobné informace k vytváření hesel najdete v IS v materiálech k předmětu.<br />
<br />
<br />
== Rozcestí ==<br />
<br />
*[[Technologie v knihovnictví]] - [[Vývoj technologií v knihovnictví]], [[Média]](zabráno L. Řičánková, 408193), [[Typy dokumentů]] (zabráno Tereza Pojezná), [[Formáty elektronických knih]] (zabráno Ch. Jurák).<br />
<br />
<br />
<br />
*[[Systém]] - [[Informační systém]], [[Knihovní systém]] , základní pojmy (Albert Lukšík 374421), [[Linka zpracování]], [[Akvizice]], [[Katalogizace]] ([[Jmenná katalogizace]] (''zabráno Z.Chlupová''), [[Věcná katalogizace]] (''zabráno N.Hálová'')), [[Mezinárodní desetinné třídění (MDT)]] (zabráno ''L. Hrbáčková''), [[DDT]], [[Library of Congress Classification (LCC)]] (''zabráno A.Fafková''), [[Meziknihovní výpůjční služby (MVS)]] (zabráno K.Vojtasová), [[Mezinárodní meziknihovní výpůjční služby (MMVS)]] (zabráno A. Kolbábková - 428538)<br />
<br />
<br />
<br />
*[[Katalog]] - [[Generace katalogů]], [[Interface katalogu]], [[Lístkový katalog]], [[Elektronické online katalogy (OPAC)]](Lenka Doležalová, 342083)<br />
<br />
<br />
<br />
*[[Standardizace]] - Problém konzistence dat a zpětné kompatibility, [[Vývoj standardů]], [[Standardy v knihovnictví]]<br />
<br />
<br />
<br />
*Bibliografický popis dokumentů - [[Bibliografický záznam]] jako model dokumentů, [[Pravidla pro vytváření záznamů]], Pravidla pro obsah a formu záznamů, [[AACR2]] (zabráno Lukáš Eliaš), [[RDA]], [[ISSN]] - (Jan Kupka), [[ISBN]] - Jiří Škrobák, [[ISBD]](zabráno Karel Starý 397620), [[MARC]] ([[UNIMARC]] (zabráno Tereza Dřevová), [[MARC21]]), Přístup k bibliografickým záznamům, [[Selekční údaje]] (zabráno Galousek), [[Záhlaví]] (zabráno Tesařová Eva), [[Autoritní báze]] (L. Černá), [[Vyhledávání]] (M. Martonová), [[DOI]] (Kudrna, 427 643), [[Tritius]] (L. Machátová, 385398)<br />
<br />
<br />
*[[Funkční požadavky na bibliografické záznamy]] (zabráno Hana Nosková),[[Revize pravidel]] (Zabráno Martin Páč), nové trendy a alternativy v popisu dokumentů.<br />
<br />
<br />
<br />
*[[Systém knihoven v ČR]] ( Barbora Tvrdoňová ),[[Alma]] (zabráno Josef Kocurek), [[Automatizace knihovny]] (''zabráno Adam Žebrák''), [[Digitální knihovna]], [[Institucionální repozitáře [[Knihovna a tiskárna pro nevidomé K. E. Macana]](''zabráno Milan Lučan'') [[Vývoj knihoven a knihovnictví]](zabrané Lucia Marcinková, 427757), Digitalizácia (dokumentov) (Paulína Kosturáková, 429017)<br />
<br />
<br/><br/><br />
<br />
[[Category:KISK:Kurzy]] <br/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41673Data mining2014-05-29T14:14:28Z<p>Paula: /* CRISP-DM */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použiteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní riešiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiac uložením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41571Data mining2014-05-27T11:25:22Z<p>Paula: /* Data Miner */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiac uložením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41570Data mining2014-05-27T11:06:29Z<p>Paula: /* Vývoj */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41569Data mining2014-05-27T11:05:50Z<p>Paula: /* Vývoj */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov [[logika]] a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41568Data mining2014-05-27T10:57:33Z<p>Paula: /* Vývoj */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov [[logiky]] a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41567Data mining2014-05-27T10:57:19Z<p>Paula: /* Vývoj */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov [[[logiky]] a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41566Data mining2014-05-27T10:49:40Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
== Použitá literatúra ==<br />
* SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7<br />
* PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9<br />
* SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41565Data mining2014-05-27T10:48:46Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/><br />
<br />
<br />
== Použitá literatúra ==</div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41564Data mining2014-05-27T10:44:13Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - databázy<br />
<br />
::''podradené'' - CRISP-DM, Data Miner<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41108Data mining2014-05-19T16:20:08Z<p>Paula: /* Vývoj */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr Havránek a iný. Navrhli metódu [[GUHA]] (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41107Data mining2014-05-19T16:19:37Z<p>Paula: /* Charakteristika */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 2-3. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41106Data mining2014-05-19T16:18:49Z<p>Paula: /* Fázy CRISP-DM */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008, s. 10. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41045Data mining2014-05-18T09:36:30Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41044Data mining2014-05-18T09:36:06Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41043Data mining2014-05-18T09:35:40Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, [[štatistika]]<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41038Data mining2014-05-17T17:02:38Z<p>Paula: /* Citace */</p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, štatistika<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citácie ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41037Data mining2014-05-17T16:41:27Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, štatistika<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41036Data mining2014-05-17T16:14:02Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': databázové sklady, štatistika<br />
<br />
'''Synonymá''': dolovanie z dát<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces DM možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41035Data mining2014-05-17T16:12:36Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': dolovanie z dát<br />
<br />
'''Synonymá''': -<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktívnych informácií, nie len deskriptívnych. To znamená, že proces Dm možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atribúty formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41034Data mining2014-05-17T15:51:30Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': dolovanie z dát<br />
<br />
'''Synonymá''': -<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktivných informácií, nie len deskriptívnych. To znamená, že proces Dm možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Vývoj ==<br />
Označenie Data Mining sa pôvodne používalo pre exploračné štatistické metódy. V oblasti informačných technológií sa začal tento termín používať hlavne v súvislosti s intenzivnou analýzou dátových súborov extrémne veľkého rozsahu, ktoré sú k dispozícii ako dôsledok budovaných dátových skladov. Dnes sa data mining chápe akosúčasť procesu vyhľadávania znalosti z dát. Prvýkrát tieto metódy popísal už na začiatku 70. rokov [[Tukey]], ktorého práce sa stali veľmi známe. Podobné myšlienky už predtým rozvíjali českí autori ako Hájek, Havel, Chytil, neskôr [[Havránek]] a iný. Navrhli metódu GUHA (Generalized unary hypotheses automaton), ktorú popísali už v roku 1966. Metóda vychádza z princípov logiky a štatistiky a zaoberá sa formulovaním a overovaním všetkých hypotéz, vytvorených na základe dát.<ref>SKALSKÁ, Hana. Data Mining a klasifikačné systémy. Hradec Králové: Univerzita Hradec Králové, 2010, s. 12-13. ISBN 978-80-7435-088-7</ref><br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atributy formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41033Data mining2014-05-17T15:31:18Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': dolovanie z dát<br />
<br />
'''Synonymá''': -<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktivných informácií, nie len deskriptívnych. To znamená, že proces Dm možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atributy formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<ref>SMOLOŇOVÁ, Renáta. Štatistika a Data Mining vo vedeckom výskume a výuke: zborník k seminárom. Praha, Bratislava: StatSoft, 2002, s.23. ISBN 80-238-9409-9</ref><br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41032Data mining2014-05-17T15:19:54Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': dolovanie z dát<br />
<br />
'''Synonymá''': -<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktivných informácií, nie len deskriptívnych. To znamená, že proces Dm možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atributy formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
<br />
== Data Miner ==<br />
Data Miner je rozsiahly komplexný systém, ktorý obsahuje nie len najväčší výber štatistických metód, ale najdete v ňom takiež aj všetky nástroje potrebné v data-miningovom procese, začínajúc získavaním dát a končiaculožením výsledkov.<br />
Je to graficky orientovaný systém. Jeho užívateľské prostredie je založené na ovládaní štýlom ťahaj-a-pusť (drag-and-drop), ktorý je ľahko zrozumiteľný aj pre začínajúcich užívateľov, ale pritom umožňuje okamžitý prístup ku skriptám, ktorými sú jednotlivé uzly definované.<br />
<br />
<br />
== Citace ==<br />
<references/></div>Paulahttps://wiki.knihovna.cz/index.php?title=Data_mining&diff=41031Data mining2014-05-17T14:55:13Z<p>Paula: </p>
<hr />
<div>'''Autor''': Paulína Kosturáková<br />
<br />
'''Kľúčové slová''': dolovanie z dát<br />
<br />
'''Synonymá''': -<br />
<br />
'''Súvisiace pojmy''':<br />
<br />
::''nadradené'' - <br />
<br />
::''podradené'' -<br />
<br />
<br />
<br />
<br />
== Charakteristika ==<br />
Data Mining (DM) alebo dolovanie z dát umožňuje pomocou špeciálnych algoritmov automaticky objavovať v dátach strategické informácie. Je to analytická technika pevne prepojená s [[dátovými skladmi]] ako veľmi kvalitným zdrojom pre tieto špeciálne analýzy.<br />
Data Mining možno charakterizovať ako proces extrakcie relevantných, vopred neznámych alebo nedefinovaných informácií z veľmi rozsiahlych databází. Dôležitou vlastnosťou DM je, že sa jedná o analýzy odvodené z obsahu dát, ktoré nie sú vopred dané užívateľom alebo implementátorom. Jedná sa predovšetkým o odvodzovanie prediktivných informácií, nie len deskriptívnych. To znamená, že proces Dm možno definovať ako netriviálne získavanie implicitných, skôr neznámych a potenciálne užitočných informácií z dát. <br />
Data minig slúži manažérom k objavovaniu nových skutočností, ktoré pomáhajú zamerať ich pozornosť na podstatné faktory podnikania, umožňujú testovať hypotézy, odhaľujú v stále zrýchľujúcom sa a zložitejšom obchodnom prostredí skryté korelácie medzi ekonomickými premennými apod.<br />
<br />
<br />
== Techniky ==<br />
DM je založený na množstve matematických a štatistických techník. Príklady niektorých z nich:<br />
* Rozhodovacie stromy (RS) - prediktivný model, ktorý zobrazuje dáta v podobe stromu, kde každý uzol určuje kritérium pre následné rozdelenie dát do jednotlivých vetví. Strom tak rozdeľuje všetky zdrojové dáta do segmentov, kde každý list odpovedá určitému segmentu definovanému predchadzajúcimi uzlami.<br />
* Neuronové siete (NS) - sú založené na obdobných princípoch, ktoré napodobňujú organizáciu alebo spôsob chovania ľudského mozgu, založeného na systéme [[neurónov]]<br />
* Genetické algoritmy (GA) - simulujú biologickú evolúciu pre určenie, ako by mali byť atributy formulované, vyvíjané, modifikované atď.<br />
* Zhlukovanie a klasifikácia - zhlukovanie je technika slúžiaca k rozdeleniu dát do skupín s podobnými charakteristikami. Klasifikácia definuje podstatné atribúty skupín v podobe klasifikačných kritérií.<br />
<br />
<br />
== CRISP-DM ==<br />
Metodika CRISP-DM (CRoss-Industry Standard Process for Data Mining) vznikla v rámci Európskeho výskumného prjektu. Cieľom tohto projektu bolo navrhnúť univerzálny postup (tvz. štandartný model procesu dobývania znalostí z databází), ktorý bude použoteľný v najrôznejších komerčných aplikáciách. Vytvorenie takejto metodiky umožní rišiť rozsiahle úlohy dobývania znalostí rýchlejšie, efektívnejšie, spoľahlivejšie a s nižšími nákladmi. <br />
<br />
=== Fázy CRISP-DM===<br />
Životný cyklus projektu DM je podľa metodiky CRISP-DM tvorený následujúcimi 6 fázami:<br />
<br />
1. porozumenie problému<br />
<br />
2. porozumenie dátam<br />
<br />
3. príprava dát<br />
<br />
4. modelovanie<br />
<br />
5. hodnotenie<br />
<br />
6. využitie v praxi <ref>PETR, Pavel. Data Mining. Pardubice: Univerzita Pardubice, 2008. ISBN 978-80-7395-098-9</ref><br />
<br />
== Citace ==<br />
<references/></div>Paula