INMNPSTZ Statistical Data Processing

School of Business Administration in Karvina
Winter 2023
Extent and Intensity
2/1/0. 5 credit(s). Type of Completion: zk (examination).
Teacher(s)
Mgr. Radmila Krkošková, Ph.D. (lecturer)
Guaranteed by
doc. RNDr. David Bartl, Ph.D.
Department of Informatics and Mathematics – School of Business Administration in Karvina
Contact Person: Mgr. Radmila Krkošková, Ph.D.
Timetable
Mon 8:05–9:40 AULA
  • Timetable of Seminar Groups:
INMNPSTZ/01: Mon 9:45–10:30 B101, R. Krkošková
INMNPSTZ/02: Wed 9:45–10:30 B101, R. Krkošková
INMNPSTZ/03: Wed 10:35–11:20 B101, R. Krkošková
INMNPSTZ/04: Mon 13:55–14:40 B101, R. Krkošková
Prerequisites (in Czech)
FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(P)
Course Enrolment Limitations
The course is only offered to the students of the study fields the course is directly associated with.

The capacity limit for the course is 500 student(s).
Current registration and enrolment status: enrolled: 78/500, only registered: 0/500
fields of study / plans the course is directly associated with
there are 13 fields of study the course is directly associated with, display
Course objectives
V návaznosti na předmět Statistika z bakalářského stupně studia, nebo jiný základní bakalářský statistický předmět, poskytnout výklad dalších pojmů matematické statistiky, hlavních poznatků této teorie a základních statistických a ekonometrických metod. Látku prezentovat s ohledem na aplikace v ekonomické oblasti. Získat příslušné manuální výpočetní dovednosti a naučit se řešit statistické úlohy pomocí Excelu a programu GRETL na počítači.
Learning outcomes (in Czech)
Student bude po absolvování předmětu schopen:
- statisticky zpracovat data metodou jednoduché / vícenásobné lineární regrese;
- provést jednoduchou nelineární regresi;
- provést statistický test vlivu faktoru na očekávanou hodnotu veličiny metodou jednofaktorové analýzy rozptylu (ANOVA);
- provést statistický test vlivu faktoru na očekávanou hodnotu veličiny a statistický test existence interakce mezi faktory metodou dvoufaktorové analýzy rozptylu (ANOVA);
- provést analýzu a predikovat vývoj časové řady.
Syllabus (in Czech)
  • 1. Analýza rozptylu – Jeden faktor
    Nezávislý a závislý faktor, předpoklady analýzy rozptylu s jedním faktorem. Míra těsnosti závislosti, determinační a korelační poměr.
  • 2. Analýza rozptylu – Dva a více faktorů
    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 regrese
    Co je regresní analýza - jednoduchá, vícenásobná, lineární, nelineární. Podstata jednoduché lineární regresní analýzy - bodový diagram, regresní přímka, regresní koeficienty, přiléhavost, koeficient determinace, testy hypotéz, intervaly spolehlivosti. Jednoduchá nelineární regresní analýza - základní typy nelinearity, Törnqvistovy křivky a jejich aplikace v ekonomii.
  • 4. Regresní analýza - Vícerozměrná
    Vícenásobná lineární regresní analýza – předpoklady, regresní nadrovina, koeficient determinace. Aplikace na příkladech z ekonomické oblasti (marketingový výzkum). Klasický vícerozměrný lineární regresní model. Multikolinearita a její příčiny. Heteroskedasticita, testy H-S (Parkův test, Bartleyův test) a její odstraňování. Autokorelace (znaménkový test).
  • 5. Analýza časových řad
    Typy ekonomických časových řad. Elementární charakteristiky časových řad. Modely ekonomických časových řad – dekompoziční metoda, exponenciálního vyrovnání, ARIMA modely. Analytické metody stanovení trendů časových řad: regresní analýza (MNČ – metoda nejmenších čtverců, MMV – metoda maximální věrohodnosti). Syntetické metody: klouzavé průměry, exponenciální vyrovnání. Analýza sezónní složky: modely konstantní sezónnosti se schodovitým trendem, s lineárním trendem. Modely proporcionální sezónnosti. Analýza náhodné složky: statistické testy náhodné složky pomocí reziduí.
  • 6. Modely typu ARIMA a prognózování časových řad
    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.
Literature
    recommended literature
  • GUJARATI, Damodar N. Essentials of Econometrics. Fifth Edition. Sage Publications, 2023. ISBN 978-1-0718-5039-8. info
  • BUDÍKOVÁ, Marie, Maria KRÁLOVÁ and Bohumil MAROŠ. Průvodce základními statistickými metodami. První vydání. Praha: Grada, 2010. ISBN 978-80-247-3243-5. info
  • RAMÍK, R. a Š. ČEMERKOVÁ. Statistika A. Karviná: SU OPF, 2000. ISBN 80-85879-43-3. info
  • RAMÍK, R. a Š. ČEMERKOVÁ. Statistika B. Karviná: SU OPF, 2000. ISBN 80-7248-001-4. info
  • CYHELSKÝ, L., J. KAHOUNOVÁ a R. HINDLS. Elementární statistická analýza. Praha: Management Press, 1996. ISBN 80-7261-003-1. info
  • SEGER, J. a R. HINDLS. Statistické metody v tržním hospodářství. Praha: Victoria Publishing, 1995. ISBN 80-7187-058-7. info
  • ZVÁRA, Karel. Regresní analýza. Praha: Academia, 1989. ISBN 80-200-0125-5. info
Teaching methods
přednášky a semináře (cvičení, příklady a případové studie),
Assessment methods
hodnocení: účast na seminářích (70%), průběžné testy (30% hodnocení), závěrečný test (70% hodnocení)
Language of instruction
Czech
Further comments (probably available only in Czech)
Study Materials
The course can also be completed outside the examination period.
Teacher's information
written test, 70% attendance at seminars, final exam: written
The course is also listed under the following terms Winter 2014, Winter 2015, Winter 2016, Winter 2017, Winter 2018, Winter 2019, Winter 2020, Winter 2021, Winter 2022, Winter 2024.
  • Enrolment Statistics (Winter 2023, recent)
  • Permalink: https://is.slu.cz/course/opf/winter2023/INMNPSTZ