OPF:INMNKSTZ Statistical Data Processing - Course Information
INMNKSTZ Statistical Data Processing
School of Business Administration in KarvinaWinter 2023
- Extent and Intensity
- 12/0/0. 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
- Sat 14. 10. 15:35–17:10 VS, Fri 10. 11. 11:25–13:00 VS, Fri 8. 12. 11:25–13:00 VS
- Prerequisites (in Czech)
- FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(K)
- 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 250 student(s).
Current registration and enrolment status: enrolled: 143/250, only registered: 0/250 - 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 (in Czech)
- 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 SPSS 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.
- 1. Analýza rozptylu – Jeden faktor
- Literature
- required literature
- RAMÍK, Jaroslav and Radmila KRKOŠKOVÁ. Statistické zpracování dat: Pro kombinovanou formu studia. Karviná: Slezská univerzita v Opavě, Obchodně podnikatelská fakulta v Karviné, 2013, 162 pp. ISBN 978-80-7248-842-1. Výsledek v databázi "Databáze výstupů projektů Operačního programu Vzdělávání pro konkurenceschopnost" info
- recommended literature
- GUJARATI, Damodar N. Essentials of Econometrics. Fifth Edition. Sage Publications, 2023. ISBN 978-1-0718-5039-8. info
- RAMÍK, J. 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 (in Czech)
- 3 tutoriály po 4 hod. a samostudium (řešení vybraných příkladů vztahujících se k probírané látce)
- Assessment methods (in Czech)
- hodnocení: závěrečný písemný test (možno používat Excel)
- Language of instruction
- Czech
- Further comments (probably available only in Czech)
- Study Materials
The course can also be completed outside the examination period.
Information on the extent and intensity of the course: Přednáška 12 HOD/SEM.
- Enrolment Statistics (Winter 2023, recent)
- Permalink: https://is.slu.cz/course/opf/winter2023/INMNKSTZ