Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Statistická analýza

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah
G63C1102 Z,ZK 6 2P+2C
Garant předmětu:
Přednášející:
Cvičící:
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 cvičení, kdy jsou omluveny maximálně tři absence řádnou omluvenkou.

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 nebo Gretlu zadaných přes Moodl. 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
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 20. 4. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet5667706.html