MMENPSTZ Statistical Data Processing

School of Business Administration in Karvina
Winter 2012
Extent and Intensity
2/1/0. 5 credit(s). Type of Completion: zk (examination).
Teacher(s)
prof. RNDr. Jaroslav Ramík, CSc. (lecturer)
Mgr. Radmila Krkošková, Ph.D. (seminar tutor)
Ing. Elena Mielcová, Ph.D. (seminar tutor)
Guaranteed by
prof. RNDr. Jaroslav Ramík, CSc.
Department of Informatics and Mathematics – School of Business Administration in Karvina
Prerequisites (in Czech)
K absolvování předmětu nejsou vyžadovány žádné podmínky a předmět může být zapsán nezávisle na jiných předmětech.
Course Enrolment Limitations
The course is also offered to the students of the fields other than those the course is directly associated with.
fields of study / plans the course is directly associated with
Course objectives (in Czech)
V návaznosti na předmět Statistika v bakalářském stupni poskytnout výklad dalších pojmů matematické statistiky, hlavních poznatků této teorie a základních statistických metod. Látku prezentovat s ohledem na aplikace v hospodářské oblasti. Získat příslušné manuální výpočetní dovednosti a naučit se řešit statistické úlohy pomocí Excelu a SPSS na počítači.
Syllabus (in Czech)
  • 1. Analýza rozptylu (ANOVA) - Jeden faktor
    2. Analýza rozptylu- Dva a více faktorů, neparametrická ANOVA
    3. Regresní analýza - Jednorozměrná, lineární
    4. Regresní analýza - Jednorozměrná, nelineární
    5. Regresní analýza - Vícerozměrná
    6. Regresní analýza - Vícerozměrná: Multikolinearita, heteroskedasticita, autokorelace
    7. Základy analýzy časových řad
    8. Analýza trendu časové řady (ČŘ)
    9. Analýza sezónní a náhodné složky ČŘ
    10. Modely exponenciálního vyrovnání ČŘ
    11. Modely ARIMA
    12. Modely SARIMA
    13. Prognózování v ČŘ
    1. Analýza rozptylu (ANOVA) - Jeden faktor
    Nezávislý a závislý faktor, předpoklady analýzy rozptylu s jedním faktorem. Postup při analýze rozptylu s jedním faktorem. Míra těsnosti závislosti, determinační a korelační poměr.
    2. Analýza rozptylu- Dva a více faktorů, neparametrická ANOVA
    Analýza rozptylu se dvěma faktory. Předpoklady ANOVA se 2 faktory. Dvoufaktorová ANOVA bez interakce a s interakcí. Kruskal-Wallisova neparametrická ANOVA.

    3. Regresní analýza - Jednorozměrná, lineární
    Co je regresní analýza (RA) - jednoduchá, vícenásobná, lineární, nelineární. Podstata jednoduché lineární RA - bodový diagram, regresní přímka, regresní koeficienty, přiléhavost, koeficient determinace, testy hypotéz.

    4. Regresní analýza - Jednorozměrná, nelineární
    Jednoduchá nelineární RA - základní typy nelinearity, Törnquistovy křivky a jejich aplikace v ekonomii.
    5. Regresní analýza - Vícerozměrná
    Vícenásobná lineární RA - kritérium, prediktory, regresní nadrovina, koeficient determinace. Použití VRA pro nominální prediktory a korelační koeficienty. Aplikace na příkladech z ekonomické oblasti (marketingový výzkum).
    6. Regresní analýza - Vícerozměrná: Multikolinearita, heteroskedasticita, autokorelace
    Populační a výběrová regresní funkce. Klasický vícerozměrný lineární regresní model. Multikolinearita a její příčiny. Heteroskedasticita, testy H-S (Parkův test, Bartleyův test) a její odstraňování. Autokorelace (znaménkový test).
    7. Základy analýzy časových řad
    Typy ekonomických ČŘ. Elementární charakteristiky ČŘ. Modely ekonomických ČŘ - dekompoziční, exponenciálního vyrovnání, ARIMA.
    8. Analýza trendu časové řady (ČŘ)
    Analytické metody stanovení trendů ČŘ: regresní analýza (MNČ - metoda nejmenších čtverců, MMV - metoda maximální věrohodnosti). Syntetické metody: klouzavé průměry, exponenciální vyrovnání.
    9. Analýza sezónní a náhodné složky ČŘ
    Analýza sezónní složky: modely konstantní sezónnosti se schodovitým trendem, s lineárním trendem. Modely proporcionální sezónnosti. Analýza náhodné složky: statistické testy náhodné složky pomocí reziduí
    10. Modely exponenciálního vyrovnání ČŘ
    Modely exponenciálního vyrovnání ČŘ (jednoduchý, Holtův, Wintersův model EV)
    11. Modely ARIMA
    Stochastický proces a jeho stacionarita. Základy modelů ARIMA: modely AR, MA, I, ARIMA. Identifikace ARIMA modelu pomoci autokorelační funkce (ACF) a parciální autokorelační funkce (PACF). Výpočet koeficientů modelu ARIMA, verifikace modelu, predikce v modelu ARIMA.
    12. Modely SARIMA
    Identifikace SARIMA modelu pomocí autokorelační funkce a parciální autokorelační funkce.
    13. Prognózování a predikce v ČŘ v modelech ARIMA a SARIMA.
    Prognóza ex-post a ex-ante, bodové a intervalové prognózy. Prognózování v lineárních regresních modelech. Prognózování v modelech ARIMA a SARIMA.
Literature
    required literature
  • RAMÍK, J. Statistika pro navazující magisterské studium. Karviná: OPF SU, 2007. info
  • RAMÍK, J, ČEMERKOVÁ, Š. Statistika pro ekonomy. Karviná: OPF SU, 2000. info
    recommended literature
  • GURAJATI, D. N. Basic Econometrics, 4. Ed. Mc Graw-Hill, Singapore, 2003. ISBN 0-07-233542-4. info
  • RAMÍK, J., ČEMERKOVÁ, Š. Kvantitativní metody B - Statistika. Distanční studijní opora. Karviná, OPF SU, 2003. ISBN 80-7248-198-3. info
  • TOŠENOVSKÝ J., DUDEK,M. Základy statistického zpracování dat. Ostrava : VŠB - Technická univerzita Ostrava, 2001. ISBN 80-248-0006-3. info
Teaching methods
Skills demonstration
Seminar classes
Assessment methods
Written exam
Written test
Language of instruction
Czech
Further comments (probably available only in Czech)
The course can also be completed outside the examination period.
Teacher's information
ActivityDifficulty [h]
Ostatní studijní zátěž61
Přednáška26
Seminář13
Zkouška40
Summary140
The course is also listed under the following terms Winter 2013.
  • Enrolment Statistics (Winter 2012, recent)
  • Permalink: https://is.slu.cz/course/opf/winter2012/MMENPSTZ