Statistická analýza

Garant předmětu:

Tomáš Löster

Přednášející:

Tomáš Löster

Cvičící:

Tomáš Löster

Předmět zajišťuje:

institut ekonomických studií

Anotace:

Předmět navazuje na základní kurzy statistiky a nabízí úvod do mírně pokročilých metod statistické analýzy.

Požadavky:

Studenti ukončují absolvování předmětu zápočtem a zkouškou.

Požadavky na zápočet:

1. Docházka na výukové bloky (min. 50 %).

2. Aktivní účastí na cvičení, kterou se rozumí řešení úloh zadaných přímo na hodině. Pro získání zápočtu musí student získat minimálně 5 bodů za aktivitu (jeden vyřešený příklad=1 bod), započítává se řešení příkladu na tabuli, samostatně v sešitě, popřípadě dořešení doma (odevzdat nejpozději na začátku dalšího cvičení).

3. Zpracování a odevzdání domácích úkolů s využitím MS Excelu. Student, který odevzdá alespoň tři takto zadané úkoly v přiměřené kvalitě (posoudí vyučující) a zároveň splní podmínky 1. a 2. získává zápočet automaticky, bez nutnosti absolvovat zápočtovou písemku.

4. Úspěšné vypracování závěrečné zápočtové písemné práce, a to na min. 50% (s výjimkou těch, co splní bod 3). Závěrečná zápočtová písemná práce se bude konat v posledním týdnu výuky, v čase cvičení.

Náhradní podmínky získání zápočtu:

Pokud student nezíská řádný zápočet z důvodu:

- Nesplnil docházku či aktivní účast na cvičení, pak mu bude zadána seminární práce a po jejím splnění (rozumí se akceptace ze strany vyučujícího a to nejpozději do druhého týdne zkouškového období daného semestru), bude studentovi umožněno absolvovat závěrečnou zápočtovou písemnou práci.

- Nesplnil vypracování závěrečné zápočtové písemné práce na min. 50%, pak bude studentovi umožněn jeden opravný pokus v termínu stanoveným vyučujícím.

Požadavky na zkoušku:

Student po získání zápočtu bude moci absolvovat zkoušku. Zkouška bude písemná, v předem vypsaných termínech. Zkouška se bude skládat ze dvou částí - část teoretická a část praktická (resp. početní). Pro úspěšné absolvování zkoušky musí student získat alespoň 50% z každé ze dvou částí. Student může opakovat zkoušku maximálně dvakrát.

Osnova přednášek:

[1]Opakování základů statistiky I. Popisná statistika.

[2]Opakování základů statistiky II. Statistická indukce. Testování hypotéz.

[3]Kontingenční tabulka. Analýza rozptylu (Anova).

[4]Regresní analýza I. Korelace vs. Kauzalita.

[5]Regresní analýza II. - Testování hypotéz o parametrech a intervaly spolehlivosti parametrů modelu. Korelační analýza. Koeficienty korelace. Testování hypotéz pro koeficient korelace.

[6]Regresní analýza III. Zhodnocení kvality regresního modelu. Nelineární modely, které lze transformovat na lineární tvar.

[7]Regresní analýza IV. Vícerozměrný model lineární regrese. Zhodnocení kvality vícerozměrného modelu. Vícenásobný korelační koeficient.

[8]Regresní analýza V. Diskuze předpokladů aplikace modelu a důsledky jejích porušení. Reziduální analýza. Multikolinearita a autokorelace.

[9]Časové řady I. Míry dynamiky, indexy, základní přístupy modelování trendu.

[10]Časové řady II. Regresní přístup k modelování trendu.

[11] Časové řady III. Adaptivní přístupy k modelování trendu.

[12]Časové řady IV. Sezónnost v časových řadách.

[13]Obecný přehled vícerozměrných metod.

[14]Volba statistické metody.

Osnova cvičení:

[1]Opakování základů statistiky I. Popisná statistika.

[2]Opakování základů statistiky II. Statistická indukce. Testování hypotéz.

[3]Kontingenční tabulka. Analýza rozptylu (Anova).

[4]Regresní analýza I. Korelace vs. Kauzalita.

[5]Regresní analýza II. - Testování hypotéz o parametrech a intervaly spolehlivosti parametrů modelu. Korelační analýza. Koeficienty korelace. Testování hypotéz pro koeficient korelace.

[6]Regresní analýza III. Zhodnocení kvality regresního modelu. Nelineární modely, které lze transformovat na lineární tvar.

[7]Regresní analýza IV. Vícerozměrný model lineární regrese. Zhodnocení kvality vícerozměrného modelu. Vícenásobný korelační koeficient.

[8]Regresní analýza V. Diskuze předpokladů aplikace modelu a důsledky jejích porušení. Reziduální analýza. Multikolinearita a autokorelace.

[9]Časové řady I. Míry dynamiky, indexy, základní přístupy modelování trendu.

[10]Časové řady II. Regresní přístup k modelování trendu.

[11] Časové řady III. Adaptivní přístupy k modelování trendu.

[12]Časové řady IV. Sezónnost v časových řadách.

[13]Obecný přehled vícerozměrných metod.

[14]Volba statistické metody.

Cíle studia:

Cílem předmětu bude zejména seznámit studenty se základními metodami při vyhodnocování jedno- a vícerozměrných výběrových statistických souborů, s metodami analýzy závislosti, modelováním a analýzou časových řad a se základními typy indexů používaných pro srovnávání ekonomických ukazatelů. Studenti získají zkušenosti s využitím statistických metod v ekonomické praxi, počítačovým zpracováním dat a interpretací dosažených výsledků.

Studijní materiály:

BUDÍKOVÁ, M., KRÁLOVÁ, M., MAROŠ, B. Průvodce statistickými metodami. Praha: Grada Publishing, 2010. ISBN 978-80-247-3243-5.

STUDENMUND, A.H. Using econometrics: A practical guide. New York: Pearson Global Edition, 2017. ISBN: 978-01-3136773-9.

HEBÁK, P., HUSTOPECKÝ, J. Vícerozměrné statistické metody 1. Praha: Informatorium, 2006. ISBN 978-80-7333-056-9.

HEBÁK, P., HUSTOPECKÝ, J., MALÁ, I. Vícerozměrné statistické metody 2. Praha: Informatorium, 2005. ISBN 978-80-7333-036-9.

HEBÁK, P., a kol. Vícerozměrné statistické metody 3. Praha: Informatorium, 2007. ISBN 978-80-7333-039-3.

Poznámka:

Další informace:

https://moodle-vyuka.cvut.cz/course/view.php?id=5809

Rozvrh na zimní semestr 2023/2024:

	06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
St
Čt
Pá
So	místnost JP:B-771 09:00–12:15 (přednášková par. 1) Jugoslávských partyzánů 3

Rozvrh na letní semestr 2023/2024:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů: