Detail předmětu
Statistika
FP-statPAk. rok: 2020/2021
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.
Jazyk výuky
Počet kreditů
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Prerekvizity
Množiny, množinové operace, pojmy z kombinatoriky, faktoriál, limita, číselná řada, derivace, integrál.
Plánované vzdělávací činnosti a výukové metody
Způsob a kritéria hodnocení
ZÁPOČET: Zápočet je udělen na základě:
- bodů za testy
- testy není možné opravovat
ZKOUŠKA: Zkouška je písemná či ústní, skládá se z teorie (čas zhruba 20 minut)
Známka, odpovídající součtu (max 100 bodů), sestává:
- z bodů za testy (70 bodů)
- z bodů za zkoušku (30 bodů)
- je kladen požadavek na minimální bodový zisk u zkoušky i u zápočtu
Známky a jim odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)
V případě distanční výuky, kdy nebude možné napsat testy na fakultě v průběhu semestru:
- zápočet i zkouška budou řešeny na základě toho, jak dlouho bude udržena prezenční forma výuky
- snahou bude, aby bylo možné zápočtové testy realizovat prezenčně na fakultě (i kdyby se výuka odehrávala online) třeba i v rámci jednoho dne na konci semestru
- pokud by musela být zkouška i zápočtové testy distanční, pak by se konal zřejmě 1 souhrnný zápočtový test a pak ústní zkouška přes Microsoft Teams s tím, že bodové hodnocení by bylo upraveno.
Individální studijní plán:
Získání zápočtu: absolvování souhrnného zápočtového testu s hodnocením alespoň E.
Zkouška je písemná či ústní, skládá se z teorie (čas zhruba 20 minut)
Známka, odpovídající součtu (max 100 bodů), sestává:
- z bodů za testy (70 bodů)
- z bodů za zkoušku (30 bodů)
- je kladen požadavek na minimální bodový zisk u zkoušky i u zápočtu
Známky a jim odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)
Osnovy výuky
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.
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo.
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku.
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru.
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
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.
Učební cíle
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Základní literatura
SEGER, J. aj. Statistické metody v tržním hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.
Doporučená literatura
SWOBODA, H. Moderní statistika. Praha : Svoboda, 1977.
Elearning
Zařazení předmětu ve studijních plánech
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin,
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo,
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku,
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru,
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
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.
Cvičení
Vyučující / Lektor
Osnova
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin,
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo,
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku,
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru,
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
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.
Elearning