Course detail

Advanced analytics statistics

FP-IspaPAcad. year: 2020/2021

Pokročilé statistické metody navazující na znalosti studentů z bakalářského stupně, rozšířené v předmětu Metody aplikované statistiky. Metody budou doplněny ukázkami zpracování skutečných dat a na cvičeních poté procvičeny s použitím výpočetní techniky.

Learning outcomes of the course unit

Po prostudování bude student schopen
-správně formulovat statistický problém
-stanovit vhodné analytické metody řešení
-získat řešení některou z procedur, dostupných v MS Excel, či některém ze statistických programů
-využít získaný výsledek v praxi

Prerequisites

Not applicable.

Co-requisites

Not applicable.

Recommended optional programme components

Not applicable.

Recommended or required reading

KOŘENÁŘ, V. Stochastické procesy. 2. přeprac. vyd. Praha : Oeconomica, VŠE, 2010. 228 s. ISBN 978-80-245-1646-2.
JABLONSKÝ, J. Operační výzkum: kvantitativní modely pro ekonomické rozhodování. 3. vyd. Praha: Professional Publishing, 2007. 323 s. ISBN 978-80-86946-44-3.
KAŇKA, M., COUFAL, J., KLŮFA, J. Učebnice matematiky pro ekonomy. Praha : Ekopress, 2009. 198 s. ISBN 978-80-86929-24-8.
Biørn, E. Econometrics of Panel Data. Oxford University Press. 2016. 416p. ISBN: 9780198753445.
ANDĚL, J. Statistické metody. 4. upravené vyd. Praha : Matfyzpress, 2007. 299 s. ISBN 978-80-7378-003-6.
CIPRA, T. Finanční ekonometrie. Praha: Ekopress, 2014. 538 s. ISBN 978-80-86929-93-4.
Hatekar, Neeraj R. Principles of Econometrics. SAGE Publications India Pvt Ltd. 2010. 464 p. ISBN: 9788132104698

Planned learning activities and teaching methods

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, doplněných názornými ukázkami zpracování skutečných dat.
Cvičení budou probíhat v počítačových učebnách a budou spočívat v samostatné práci studentů na zpracování dat, pod dohledem vyučujícího a následně ukázkami správných řešení.

Assesment methods and criteria linked to learning outcomes

Zápočet bude získán vyřešením zadaných příkladů v zápočtové práci.
Příklady budou spočívat ve správném použití zadané metody.
Pro získání zápočtu je nutné, aby student získal 60% bodů.

Zkouška bude spočívat v komplexní analýze zadaných dat a následné ústní zkoušce, během které student obhájí jím zvolené postupy a interpretuje výsledky.

Hodnocení:
A 92%-100%
B 84%-91%
C 76%-83%
D 68%-75%
E 60%-67%
F 0%-59%

Language of instruction

Czech

Work placements

Not applicable.

Course curriculum

1. Opakování základních pojmů – matice, statistické hypotézy
2. Analýza závislostí - korelační koeficienty, chi-quare test, diagramy
3. Regresní analýza - lineární regrese
4. Regresní analýza- nelineární regrese, linearizace rovnic
5. Časové řady - popis časové řady, využití časových řad, základní statistiky
6. Rozklad časové řady - Aditivní model, Multiplikativní model
7. Sezónnost časové řady - Metody určování sezónní složky
8. Modelování trendu - lineární, kvadratický, exponenciální, logistický,...
9. Metody rozhodování za jistoty - určování vah proměnných, způsob použití vhodné metody
10. Metody rozhodování za nejistoty - způsoby určování pravděpodobností, způsob použití vhodné metody
11. Metody rozhodování za rizika - metody snižování rizika a určení kompromisní varianty
12. Lineární programování - základní princip, ukázky optimalizačních úloh
13. Simulační metody, metoda Monte Carlo - ukázky využití simulačních metod v praxi.

Aims

Cílem předmětu je naučit studenty efektivně aplikovat kvantitativní metody v praxi s použití dostupné výpočetní techniky. Přitom se předpokládá doplnění teoretických základů moderními numerickými metodami.

Specification of controlled education, way of implementation and compensation for absences

Studenti se musí aktivně zúčasnit nejméně 80% cvičení.

Classification of course in study plans

  • Programme MGR-IM Master's, 2. year of study, winter semester, 4 credits, compulsory-optional

Type of course unit

 

Lecture

13 hours, optionally

Teacher / Lecturer

Exercise

13 hours, compulsory

Teacher / Lecturer