OPF:INMNASTZ Statistical Data Processing - Informace o předmětu
INMNASTZ Statistical Data Processing
Obchodně podnikatelská fakulta v Karvinézima 2014
- Rozsah
- 2/1/0. 5 kr. Ukončení: zk.
- Vyučující
- prof. RNDr. Jaroslav Ramík, CSc. (přednášející)
Mgr. Radmila Krkošková, Ph.D. (cvičící)
Ing. Elena Mielcová, Ph.D. (cvičící) - Garance
- prof. RNDr. Jaroslav Ramík, CSc.
Katedra informatiky a matematiky – Obchodně podnikatelská fakulta v Karviné
Kontaktní osoba: Mgr. Radmila Krkošková, Ph.D. - Předpoklady
- K absolvování předmětu nejsou vyžadovány žádné podmínky a předmět může být zapsán nezávisle na jiných předmětech.
- Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Banking (program OPF, N_HOSPOL)
- Economy of Enterprise in Trade and Services (program OPF, N_EKOMAN)
- Managerial Informatics (program OPF, N_SYSINF)
- Cíle předmětu
- 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.
- Osnova
- 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.
- Literatura
- Výukové metody
- Demonstrace dovedností
Seminární výuka - Metody hodnocení
- Písemná zkouška
Písemný test - Vyučovací jazyk
- Angličtina
- Informace učitele
- průběžný test, 70% účast na seminářích, forma zkoušky: písemná
Aktivity Náročnost [h] Ostatní studijní zátěž 61 Přednáška 26 Seminář 13 Zkouška 40 Celkem 140 - Další komentáře
- Předmět je dovoleno ukončit i mimo zkouškové období.
- Statistika zápisu (zima 2014, nejnovější)
- Permalink: https://is.slu.cz/predmet/opf/zima2014/INMNASTZ