• Statistická analýza, školení a konzultace
  •      [javascript protected email address]

Předměty



Studijní materiály na webu: sobisek.cz jsou určeny pouze pro studijní účely. Neoprávněné šíření těchto materiálů je porušení autorských práv. Autor povoluje využívat materiály zdarma pouze k nekomerčním účelům.



4ST201 Statistika

Zaměření předmětu:

Seznamuje posluchače s elementárními statistickými pojmy, možnostmi analýzy a prezentace statistických dat, základy počtu pravděpodobnosti, některými prvky deduktivního a induktivního způsobu uvažování a s nejpoužívanějšími statistickými postupy a metodami, podmínkami použitelnosti, přednostmi i nedostatky jednotlivých metod a naučí je správně interpretovat výsledky.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni vybrat vhodnou statistickou metodu pro popis resp. analýzu daného ekonomického problému a interpretovat výsledky získané použitým statistickým postupem včetně interpretace počítačových výstupů.

Obsah předmětu:

- analýza jednorozměrných statistických dat, četnosti, střední hodnoty, charakteristiky variability, grafické zobrazení,
- operace s náhodnými jevy a jejich pravděpodobnostmi, náhodné veličiny a jejich pravděpodobnostní rozdělení, nejdůležitější typy pravděpodobnostních rozdělení,
- induktivní úsudky na základě náhodných výběrů, základy teorie statistických odhadů a testování statistických hypotéz, vybrané parametrické a neparametrické testy,
- metody měření závislosti mezi kvantitativními a kvalitativními proměnnými (jednoduchá a vícenásobná regresní a korelační analýza, jednorozměrná analýza rozptylu, analýzy v kontingenčních tabulkách),
- metody analýzy ekonomických časových řad (elementární metody popisu, dekompozice časových řad, analytické vyrovnání, adaptivní přístupy k modelu časových řad, sezónní očišťování, konstrukce prognóz, vztahy mezi časovými řadami),
- metody statistického srovnávání (druhy indexů a rozdílů, individuální indexy, souhrnné indexy, index spotřebitelských cen, měření inflace).




4ST210 Statistika pro finance

Zaměření předmětu:

Seznamuje posluchače se základními statistickými pojmy, s analýzou a prezentací statistických dat. Pozornost je zaměřena zejména na nejpoužívanější statistické postupy a metody.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni vybrat vhodnou statistickou metodu pro analýzu daného ekonomického problému a interpretovat výsledky získané použitým statistickým postupem.

Obsah předmětu:

- analýza jednorozměrných statistických dat,
- náhodné veličiny a jejich pravděpodobnostní rozdělení, nejdůležitější typy pravděpodobnostních rozdělení,
- induktivní úsudky na základě náhodných výběrů, základy teorie statistických odhadů a testování statistických hypotéz, vybrané parametrické a neparametrické testy,
- metody měření závislosti mezi kvantitativními a kvalitativními proměnnými, jednoduchá a vícenásobná regresní a korelační analýza, jednorozměrná analýza rozptylu,
- analýza ekonomických časových řad, metody popisu, dekompozice časových řad, analytické vyrovnání, adaptivní metody, sezónní očišťování, konstrukce prognóz,
- metody statistického srovnávání, indexy




4ST220 Úvod do teorie pravděpodobnosti a matematické statistiky

Zaměření předmětu:

Předmět je zaměřen na rozšíření a zdokonalení znalostí studentů z počtu pravděpodobnosti a matematické statistiky.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni aplikovat metody teorie pravděpodobnosti a matematické statistiky a interpretovat správně výsledky těchto aplikací.

Obsah předmětu:

1. Úvod do teorie pravděpodobnosti
- náhodný jev a jeho pravděpodobnost
- náhodná veličina, náhodný vektor
- formy popisu pravděpodobnostních rozdělení
- charakteristiky náhodných veličin
- nejdůležitější typy pravděpodobnostních rozdělení,jejich
charakteristiky a aplikace
- zákon velkých čísel
- centrální limitní věta
2. Úvod do matematické statistiky
- náhodný výběr, statistiky, výběrová rozdělení
- bodové a intervalové odhady
- testování statistických hypotéz.




4ST318 Základy statistiky (v angličtině):

Zaměření předmětu:

Předmět je určen všem zájemcům o výuku statistických a pravděpodobnostních metod v anglickém jazyce, rozšiřuje znalost postupů a metod analýzy dat. Znalost probírané látky v češtině je výhodou, nikoli však nutnou podmínkou.
První část předmětu studenty seznámí se základy teorie pravděpodobnosti, základními statistickými postupy, možnostmi zpracování a prezentace dat a také s vybranými prvky deduktivního a induktivního uvažování. Ve druhé části budou studenti seznámeni s principy nejběžnějších statistických metod a s předpoklady pro jejich použití, s důrazem na správnou intepretaci výsledků.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni aplikovat nejdůležitější základní statistické metody. Dále budou schopni vybrat vhodnou statistickou metodu pro popis a analýzu daného problému a interpretovat dosažené výsledky. Studenti také dokáží prezentovat v angličtině dosažené výsledky a budou rozumět mluvenému i psanému slovu s odpovídající tématikou.

Obsah předmětu:

Jednorozměrná popisná statistika
Základy teorie pravděpodobnosti
Diskrétní náhodné veličiny a jejich pravděpodobnostní rozdělení
Spojité náhodné veličiny a jejich pravděpodobnostní rozdělení
Základy statistické indukce
Testování statistických hypotéz
Analýza rozptylu
Regresní analýza
Analýza časových řad
Indexy




4ST601 Statistika (v angličtině):

Zaměření předmětu:

Předmět v první části seznamuje posluchače s elementárními statistickými pojmy, možnostmi analýzy a prezentace statistických dat, základy počtu pravděpodobnosti, některými prvky deduktivního a induktivního způsobu uvažování. V druhé části budou posluchači seznámeni s nejpoužívanějšími statistickými postupy a metodami, podmínkami použitelnosti a naučí se správně interpretovat výsledky.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni použít nejdůležitější statistické metody. Dokáží vybrat vhodnou statistickou metodu pro popis resp. analýzu daného problému a interpretovat výsledky získané použitým statistickým postupem.

Obsah předmětu:

- analýza jednorozměrných statistických dat, četnosti, střední hodnoty, charakteristiky variability,
- operace s náhodnými jevy a jejich pravděpodobnostmi, náhodné veličiny a jejich pravděpodobnostní rozdělení, nejdůležitější typy pravděpodobnostních rozdělení,
- induktivní úsudky na základě náhodných výběrů, základy teorie statistických odhadů a testování statistických hypotéz, vybrané parametrické a neparametrické testy,
- metody měření závislosti mezi kvantitativními a kvalitativními proměnnými (jednoduchá a vícenásobná regresní a korelační analýza, jednorozměrná analýza rozptylu, analýzy v kontingenčních tabulkách),
- metody analýzy ekonomických časových řad (elementární metody popisu, dekompozice časových řad, analytické vyrovnání, ...),
- metody statistického srovnávání (druhy indexů a rozdílů, individuální indexy, souhrnné indexy, ...).




4ST616 Regrese (v angličtině)

Zaměření předmětu:

Regresní analýza je důležitým nástrojem používaným při zkoumání závislostí veličin. Kurz detailněji vysvětluje koncept lineárních regresních modelů, vlastnosti odhadu parametrů těchto modelů metodou nejmenších čtverců a charakteristiky odhadnutého modelu. Výklad je stručně doplněn i o další nástroje, které s regresní analýzou souvisejí (neparametrická regrese, robustní regrese, bootstrapping apod.). Kurz zároveň poskytuje návod, jak aplikovat probírané postupy na reálná data.

Výsledky učení:

Po úspěšném absolvování budou studenti schopni samostatně plnohodnotně pracovat s lineárními regresními modely, porozumí jejich vlastnostem a budou zároveň chápat jejich omezení. Pochopí koncept lineárních regresních modelů v širším kontextu regresní analýzy jako takové. Studenti budou schopni aplikované vědomosti na reálná data.

Obsah předmětu:

* Regresní model, lineární regresní model,
* Klasický lineární regresní model, odhad modelu metodou nejmenších čtverců, vlastnosti odhadu a charakteristiky odhadnutého modelu
* Kategoriální vysvětlující proměnné
* Transformace proměnných v kontextu lin. regr. modelu
* Individuální přínos a význam vysvětlujících proměnných v lineárním regresním modelu
* Diagnostika reziduí modelu, porušení předpokladů klasického lineárního regre. modelu a jeho náprava
* Výběr proměnných, multikolinearita
* Bootstrapping v regresi
* Robustní a neparametrická regrese