OPF:INMBPSME Statistické metody pro ekonomy - Informace o předmětu

INMBPSME Statistické metody pro ekonomy

Rozsah

2/1/0. 5 kr. Ukončení: zk.

Vyučující

doc. Mgr. Jiří Mazurek, Ph.D. (přednášející)

Garance

doc. Mgr. Jiří Mazurek, Ph.D.
Katedra informatiky a matematiky – Obchodně podnikatelská fakulta v Karviné
Kontaktní osoba: Mgr. Radmila Krkošková, Ph.D.

Rozvrh

St 12:15–13:50 B307

• Rozvrh seminárních/paralelních skupin:

INMBPSME/01: St 13:55–14:40 B307, J. Mazurek

Předpoklady

FAKULTA(OPF) && TYP_STUDIA(B) && FORMA(P) && !NOWANY(INMNASDP Statistical Data Processing, INMNASTZ Statistical Data Processing)
K absolvování předmětu nejsou vyžadovány žádné podmínky a předmět může být zapsán nezávisla na jiných předmětech.

Omezení zápisu do předmětu

Předmět je určen pouze studentům mateřských oborů.

Předmět si smí zapsat nejvýše 60 stud.
Momentální stav registrace a zápisu: zapsáno: 14/60, pouze zareg.: 0/60

Mateřské obory/plány

• Bankovnictví, peněžnictví, pojišťovnictví (program OPF, B_BPP)

Cíle předmětu

Poskytnout hlubší pohled na statistické metody vhodné ke zpracování vícerozměrných dat, ovládnout teoretický aparát vybraných metod a naučit se je aplikovat pomocí statistických programů na počítači. Seznámit studenty s principy speciálních ekonomicko-matematických metod, které jsou nepostradatelnou součástí moderního řízení. Tyto metody se naučí prakticky ovládat tak, aby je dovedli aplikovat v marketingu a aby dokázali efektivně kontrolovat a řídit kvalitu produkce ve všech etapách výrobního procesu, tj. v předvýrobní, výrobní i povýrobní etapě.

Výstupy z učení

Student zná základní pojmy ze statistiky jako jsou populační a výběrový soubor, statistický znak, kvantitativní a kvalitativní znak, apod. Student umí určit charakteristiky polohy znaku: aritmetický průměr, medián nebo modus. Student umí určit charakteristiky variability a koncentrace znaku jako jsou směrodatná odchylka, rozptyl, šikmost nebo špičatost. Student umí formulovat nulovou a alternativní hypotézu a testovat ji pomocí vhodného statistického testu (např. dvouvýběrový t-test s rovností rozptylu). Student umí použít i neparametrické testy jako je chí-kvadrát test. Student dokáže proložit přímku či jinou křivku body v grafu a určit statistickou významnost regresního modelu. Student umí vypočítat Pearsonův a Spearmanův korelační koeficient a interpretovat jej. Student rozumí pojmu časová řada, umí ji rozložit na složky a umí určit trendovou složku. Student umí aplikovat ANOVU pro zjištění rovnosti střední hodnoty tří a více souborů.  Student umí vyčíslit ztrátové Taguchiho funkce. Student dokáže navrhnout, aplikovat a interpretovat faktorový plán.

Osnova

1. Základní pojmy a metody ze statistiky
2. Testování hypotéz v marketingu - parametrické testy
3. Testování hypotéz v marketingu - neparametrické testy
4. Regresní analýza
5. Korelační analýza
6. Analýza rozptylu (ANOVA)
7. Analýza rozptylu (ANOVA): Dvojné třídění a Latinské čtverce
8. Úplné faktorové plány
9. Částečné faktorové plány
10. Částečný faktorový experiment se dvěma úrovněmi
11. Taguchiho metody: ztrátová funkce
12. Taguchiho metody: celkové náklady na jakost
13. Metody prognózování tržeb
1. Základní pojmy a metody ze statistiky
Charakteristiky polohy, charakteristiky variability, šikmost, špičatost, statistický soubor se dvěma znaky, testy statistických hypotéz.
2. Testování hypotéz v marketingu - parametrické testy
Marketingová případová studie, co přináší parametrické testování statistických hypotéz v marketingu, jednovýběrový t-test, dvouvýběrový t-test - nepárový a párový.
3. Testování hypotéz v marketingu - neparametrické testy
Mediánový test (pro 1 výběr), chi-kvadrát test pro 1 výběr, dvouvýběrové testy, chi-kvadrát test pro 2 výběry, Mann-Whitneyův test, Wilcoxonův párový test.
4. Regresní analýza
Podstata regresní analýzy, odhad regresních koeficientů, test významnosti regresních koeficientů, intervaly spolehlivosti regresních koeficientů, test vhodnosti regresního modelu.
5. Korelační analýza
Koeficient korelace, index korelace, Spearmanův koeficient (pořadové) korelace, vícenásobná lineární závislost - vztahy pro dvě vysvětlující proměnné.
6. Analýza rozptylu (ANOVA)
Jednofaktorová ANOVA, postup při analýze rozptylu s jedním faktorem, míra těsnosti závislosti.
7. Analýza rozptylu (ANOVA): Dvojné třídění a Latinské čtverce
Dvojné třídění, trojné třídění (Latinské čtverce).
8. Úplné faktorové plány
Základy experimentování a oblasti použití, experimentální procedura, efekt (vliv) faktoru, významnost efektu, test významnosti efektu, grafické hodnocení efektu faktoru, grafy interakcí, model experimentu.

9. Částečné faktorové plány
Grafické hodnocené efektu faktoru u částečných faktorových plánů.
10. Částečný faktorový experiment se dvěma úrovněmi
Poloviční plány, grafická metoda.
11. Taguchiho metody: ztrátová funkce
Definice a vlastnosti ztrátové funkce, ztrátová funkce pro různé typy tolerance.
12. Taguchiho metody: celkové náklady na jakost
Monitorování nákladů na jakost, regulační diagramy.
13. Metody prognózování tržeb
Analýza trendové složky, analýza sezónní složky, model konstantní sezónnosti, analýza náhodné složky, testování vlastností náhodné složky, prognózování, kauzální prognostické metody.

Literatura

povinná literatura
• RAMÍK, J., STOKLASOVÁ, R., TOŠENOVSKÝ, J. Statistické metody pro ekonomy. Karviná: OPF SU, 2003. ISBN 80-85943-63-8. info

doporučená literatura
• DANIEL, W. W., TERREL, J. Business statistics for management and economics. Houghton Mifflin, 2005. ISBN 978-03957-280-25. info
• VAN MATRE, J. G., GILBREATH, G. H. Statistics for Business and Economics. BPI/IRWIN, Homewood, 1997. ISBN 0-256-03719-1. info
• TOŠENOVSKÝ, J. Průvodce hodnocením způsobilosti . Ostrava, 2003. info
• BLECHARZ, P. Základy metody DOE (Taguchiho přístup). Ostrava : REPRONIS, 2005. ISBN 80-7329-106-1. info
• TOŠENOVSKÝ J., NOSKIEVIČOVÁ, D. Statistické metody pro zlepšování jakosti. Ostrava : Montanex, 2000. ISBN 80-7225-040-X. info

Výukové metody

Demonstrace dovedností
Seminární výuka
Na seminářích je nutná alespoň 70% účast.

Metody hodnocení

Písemná zkouška- Písemný test na 100 bodů, k absolvování je zapotřebí minimálně 60 bodů. Za aktivní účast na seminářích je možné získat max. 10 bod.

Odkaz a informace učitele

Průběžný test, 70% účast na seminářích, forma zkoušky: písemná

Aktivity	Náročnost [h]
Ostatní studijní zátěž	66
Přednáška	26
Seminář	13
Zkouška	40
Celkem	145

Další komentáře

Předmět je dovoleno ukončit i mimo zkouškové období.

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.slu.cz/predmet/opf/zima2026/INMBPSME