OPF:MMENKSTZ Statistical Data Processing - Course Information
MMENKSTZ Statistical Data Processing
School of Business Administration in KarvinaWinter 2012
- 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.
- 1. Analýza rozptylu (ANOVA) - Jeden faktor
- 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