Course detail

Statistics

FP-statPAcad. year: 2022/2023

Pro používání statistických dat je nezbytné pochopení vyjadřovacích prostředků statistiky. Bez zvládnutí principů zkoumání závislostí a měření ukazatelů nelze správně navrhovat ani používat výsledky statistických šetření. V předmětu studenti získají základní znalosti z náhodných veličin, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu. Důraz je kladen na pochopení možností těchto metod a na interpretaci výsledků.

Language of instruction

Czech

Number of ECTS credits

5

Mode of study

Not applicable.

Guarantor

doc. Mgr. Veronika Novotná, Ph.D.

Department

Institute of Informatics (ÚI)

Learning outcomes of the course unit

Students will be made familiar with the fundamentals of random variables, mathematical statistics, analysis of index numbers, regression analysis and time series and will learn how to use its methods to solve economic problemes. After completion of this course students will be prepared to study economic topics working with uncertainty.

Prerequisites

Fundamentals of linear algebra and mathematical analysis.

Co-requisites

Not applicable.

Planned learning activities and teaching methods

The course contains lectures that explain basic principles, problems and methodology of the discipline, and exercises that promote the practical knowledge of the subject presented in the lectures.

Assesment methods and criteria linked to learning outcomes

CREDIT: Credit is awarded on the basis of:
- points for tests
- tests cannot be corrected!
EXAM: The exam is written or oral, it consists of theory
The mark, corresponding to the sum (max. 100 points), consists of:
- from points for tests (70 points)
- from points for the exam (30 points)
- there is a requirement for a minimum score for the exam and credit
Marks and corresponding points:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)

In the case of distance learning, when it will not be possible to write tests at the faculty during the semester:
- credit and exam will be solved on the basis of how long the full-time form of teaching will be maintained
- the effort will be that it is possible to implement credit tests in person at the faculty (even if the teaching takes place online), even within one day at the end of the semester

Course curriculum

Studenti získají základní znalosti z náhodných veličin, indexní analýzy, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu.
1. Náhodné jevy: pravděpodobnost a její vlastnosti, podmíněná pravděpodobnost, klasická pravděpodobnost.
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin, základní druhy diskrétních rozdělení
4. Náhodné veličiny: rozdělení normální a exponenciální.
5. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku.
6. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru.
7. Matematická statistika: testy statistických hypotéz.
8. Matematická statistika: testy o střední hodnotě a testy dobré shody
10. Regresní analýza: metoda nejmenších čtverců, regresní přímka.
11. Regresní analýza: speciální regresní funkce.
12. Časové řady: charakteristiky časových řad, rozklad časové řady,
13. Časové řady: určení trendu v časové řadě.

Work placements

Not applicable.

Aims

The objective of the course is to make students familiar with the fundamentals of random variables, mathematical statistics, analysis of index numbers, regression analysis and time series. They will be able to study economic topics working with uncertainty, and to solve problems related to these topics applying the methods of this theory.

Specification of controlled education, way of implementation and compensation for absences

Attendance at lectures is not compulsory, but is recommended. Attendance at exercises is required and checked by the tutor. An excused absence of a student from seminars can be compensated for by submitting solution of alternate exercises.

Recommended optional programme components

Not applicable.

Prerequisites and corequisites

Not applicable.

Basic literature

KROPÁČ, J. Statistika A. 5. vyd. CERM, Brno. 2013. ISBN 978-80-7204-835-9.
SEGER, J. aj. Statistické metody v tržním hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.

Recommended reading

HINDLS, R. aj. Analýza dat v manažerském rozhodování. Praha : Grada Publishing, 1999. ISBN 80-7169-255-7.
SWOBODA, H. Moderní statistika. Praha : Svoboda, 1977.

Elearning

eLearning: currently opened course

Classification of course in study plans

  • Programme BAK-EP Bachelor's 2 year of study, winter semester, compulsory
  • Programme BAK-PM Bachelor's 2 year of study, winter semester, compulsory
  • Programme BAK-UAD Bachelor's 2 year of study, winter semester, compulsory

Type of course unit

 

Lecture

13 hod., optionally

Teacher / Lecturer

Mgr. Eva Michalíková, Ph.D.

Syllabus

Topics of lectures are the following:
Classical definition of probability.
Conditioned probability.
Formula of total probability.
Random variables.
Random events.
Discrete random variables.
Continuous random variables.
Processing data samples.
Tests of statistical hypotheses.
Regression analysis.
Time series.

Exercise

26 hod., optionally

Teacher / Lecturer

Ing. Nikola Šuňavcová
Mgr. Eva Michalíková, Ph.D.
Natálie Rontóová, Ph.D.
Ing. et Ing. Zuzana Janková, Ph.D.

Syllabus

The topics of exercises correspond to the topics delt with the lectures.

Elearning

eLearning: currently opened course