Czech

5

Not applicable.

Students will be made familiar with the fundamentals of random variables, mathematical statistics, analysis of index numbers, regression analysis and time series and will learn how to use its methods to solve economic problemes. After completion of this course students will be prepared to study economic topics working with uncertainty.

Fundamentals of linear algebra and mathematical analysis.

Not applicable.

The course contains lectures that explain basic principles, problems and methodology of the discipline, and exercises that promote the practical knowledge of the subject presented in the lectures.

in the case , when it will be possible to pass credit tests at the faculty:
CREDIT: Credit is awarded on the basis of:
- points for tests
- tests cannot be corrected
EXAM: The exam is written or oral, it consists of theory (time about 20 minutes)
The mark, corresponding to the sum (max. 100 points), consists of:
- from points for tests (70 points)
- from points for the exam (30 points)
- there is a requirement for a minimum score for the exam and credit
Marks and corresponding points:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0)

In the case of distance learning, when it will not be possible to write tests at the faculty during the semester:
- credit and exam will be solved on the basis of how long the full-time form of teaching will be maintained
- the effort will be that it is possible to implement credit tests in person at the faculty (even if the teaching takes place online), even within one day at the end of the semester
- if the exam and the credit tests had to be distance, then probably 1 comprehensive credit test would take place and then an oral exam via Microsoft Teams, with the point evaluation being adjusted.

Studenti získají základní znalosti z náhodných veličin, indexní analýzy, matematické statistiky, regresní analýzy a časových řad a budou schopni je aplikovat v ekonomických problémech. Po absolvování předmětu budou připraveni pro studium ekonomických předmětů, uvažujících náhodu.
1. Náhodné jevy: pravděpodobnost a její vlastnosti, podmíněná pravděpodobnost, klasická pravděpodobnost.
2. Náhodné jevy: nezávislost jevů, úplná pravděpodobnost.
3. Náhodné veličiny: náhodné veličiny diskrétního a spojitého typu, charakteristiky a zákony rozdělení náhodných veličin.
4. Náhodné veličiny: rozdělení binomické, hypergeometrické, geometrické, Poissonovo.
5. Náhodné veličiny: rozdělení normální a exponenciální.
6. Matematická statistika: zpracování a vyhodnocování jednorozměrných datových souborů kvantitativního znaku.
7. Matematická statistika: bodové a intervalové odhady parametrů znaku základního souboru.
8. Matematická statistika: testy statistických hypotéz.
9. Indexní analýza: individuální a agregátní indexy, Laspeyresovy a Paascheovy indexy.
10. Regresní analýza: metoda nejmenších čtverců, regresní přímka.
11. Regresní analýza: speciální regresní funkce.
12. Časové řady: charakteristiky časových řad, rozklad časové řady,
13. Časové řady: určení trendu v časové řadě.

Not applicable.

The objective of the course is to make students familiar with the fundamentals of random variables, mathematical statistics, analysis of index numbers, regression analysis and time series. They will be able to study economic topics working with uncertainty, and to solve problems related to these topics applying the methods of this theory.

Attendance at lectures is not compulsory, but is recommended. Attendance at exercises is required and checked by the tutor. An excused absence of a student from seminars can be compensated for by submitting solution of alternate exercises.

Not applicable.

Not applicable.

KROPÁČ, J. Statistika A. 5. vyd. CERM, Brno. 2013. ISBN 978-80-7204-835-9.
SEGER, J. aj. Statistické metody v tržním hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.

HINDLS, R. aj. Analýza dat v manažerském rozhodování. Praha : Grada Publishing, 1999. ISBN 80-7169-255-7.
SWOBODA, H. Moderní statistika. Praha : Svoboda, 1977.

eLearning: currently opened course

26 hours, optionally

The topics of exercises correspond to the topics delt with the lectures.

eLearning: currently opened course