OPF:MMENKSTZ Statistical Data Processing - Course Information

MMENKSTZ Statistical Data Processing

Extent and Intensity

0/0. 5 credit(s). Type of Completion: zk (examination).

Teacher(s)

Mgr. Radmila Krkošková, Ph.D. (lecturer)
prof. RNDr. Jaroslav Ramík, CSc. (lecturer)

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

• Business Economics in Trade and Services (programme OPF, N_EKOMAN)
• Marketing and Management (programme OPF, N_EKOMAN)

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

One-to-One tutorial
Skills demonstration

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.
Information on the extent and intensity of the course: Přednáška 12 HOD/SEM.

Teacher's information

Activity	Difficulty [h]
Konzultace	6
Ostatní studijní zátěž	88
Přednáška	6
Zkouška	40
Summary	140

• Enrolment Statistics (Winter 2012, recent)
  
• Permalink: https://is.slu.cz/course/opf/winter2012/MMENKSTZ