Detail předmětu

Statistika 2

FP-stat2PAk. rok: 2024/2025

Kurz se zabývá hlavními myšlenkami a metodami bodových a intervalových odhadů, nejpoužívanějších parametrických a neparametrických testů, testů dobré shody, analýzy rozptylu, kategoriální analýzy, lineárních a nelineárních vícerozměrných regresních modelů a analýzy časových řad.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. RNDr. Bedřich Půža, CSc.

Zajišťuje ústav

Ústav informatiky (ÚI)

Vstupní znalosti

Základy teorie pravděpodobnosti a náhodné veličiny.

Pravidla hodnocení a ukončení předmětu

ZAKONČENÍ PŘEDMĚTU

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh (téma úloh bude upřesněno během semestru).

Zkouška (max. 60 bodů)
- je písemná s využitím výpočetní techniky a skládá se ze čtyř výpočtových příkladů a teoretické otázky.

Konečné hodnocení, odpovídající součtu (max. 100 bodů), které sestává:
 - z dosažených bodů ze semestrálních úloh (max. 40 bodů),
- z výsledků řešených příkladů (max. 51 bodů),
- z kvality odpovědí na teoretickou otázku (max. 9 bodů).

Konečné hodnocení a jemu odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0).


Účast na přednáškách není povinná, ale doporučuje se. Účast na cvičeních je povinná a kontrolovaná. Omluvená neúčast studenta na cvičení může být nahrazena náhradními úkoly.

ZAKONČENÍ PŘEDMĚTU PRO STUDENTY S INDIVIDUÁLNÍM STUDIEM

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh (téma úloh bude upřesněno během semestru).

Zkouška (max. 60 bodů)
- je písemná s využitím výpočetní techniky a skládá se ze čtyř výpočtových příkladů a teoretické otázky.

Konečné hodnocení, odpovídající součtu (max. 100 bodů), které sestává:
- z dosažených bodů ze semestrálních úloh (max. 40 bodů),
- z výsledků řešených příkladů (max. 51 bodů),
- z kvality odpovědí na teoretickou otázku (max. 9 bodů).

Konečné hodnocení a jemu odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0).

Učební cíle

Cílem tohoto předmětu je seznámit studenty se základními principy a metodami bodových a intervalových odhadů, nejpoužívanějších parametrických a neparametrických testů, testů dobré shody, analýzy rozptylu, kategoriální analýzy, lineárních a nelineárních vícerozměrných regresních modelů a analýzy časových řad.
Studenti se seznámí s metodami matematické statistiky, regresní analýzy a analýzy časových řad a naučí se používat příslušné metody při řešení ekonomických problémů. Po absolvování tohoto kurzu budou studenti schopni využívat statistické prostředky jako základ datové analýzy při řízení jednotlivých činností podniku.

Studijní opory

viz Literatura k předmětu.
Studijní materiály dostupné na e-learningu.

Základní literatura

BUDÍKOVÁ, M.; LERCH, T. a MIKOLÁŠ, Š. Základní statistické metody. Brno: Masarykova univerzita v Brně, 2005. ISBN 80-210-3886-1. hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.
Studijní materiály dostupné na e-learningu. (CS)

Doporučená literatura

GUJARATI, D. N. a  PORTER, D.C. Basic econometrics. 5th ed. Boston: McGraw-Hill Irwin, 2009. ISBN 978-007-3375-779.
ARLT, J. a ARLTOVÁ, M. Ekonomické časové řady. Praha: Professional Publishing, 2009. ISBN 978-808-6946-85

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MGR-MEO magisterský navazující 1 ročník, zimní semestr, povinný
  • Program MGR-UFRP magisterský navazující 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

Základní tematická náplň přednášek je následující:

  1. Analýza datových souborů.
  2. Parametrické testy: t-test, párový t-test, dvouvýběrový t-test, F-test.
  3.  Kolmogorovův-Smirnovův test, Shapiro-Wilkův test, Pearsonův test.
  4.  Analýza rozptylu: jednofaktorová a dvoufaktorová ANOVA.
  5.  Neparametrické testy: jednovýběrové pořadové testy.
  6.  Neparametrické testy: dvouvýběrové pořadové testy.
  7.  Neparametrické obdoby analýzy rozptylu.
  8. Kategoriální analýza.
  9.  Vícerozměrné regresní modely.
  10.  Logistická regrese.
  11.  Analýza časových řad.
  12.  Panelová data.
  13.  Průzkumová analýza vícerozměrných dat.

Cvičení

13 hod., povinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

Cvičení podporují praktické ovládnutí látky vyložené na přednáškách.

Elearning

eLearning: aktuální otevřený kurz