Course detail
Statistics
FP-statPAcad. year: 2021/2022
Pro používání statistických dat je nezbytné pochopení vyjadřovacích prostředků statistiky. Bez zvládnutí principů zkoumání závislostí a měření ukazatelů nelze správně navrhovat ani používat výsledky statistických šetření. V předmětu studenti získají základní znalosti z náhodných veličin, 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. Důraz je kladen na pochopení možností těchto metod a na interpretaci výsledků.
Language of instruction
Number of ECTS credits
Mode of study
Guarantor
Department
Learning outcomes of the course unit
Prerequisites
Co-requisites
Planned learning activities and teaching methods
Assesment methods and criteria linked to learning outcomes
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.
Course curriculum
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.
Work placements
Aims
Specification of controlled education, way of implementation and compensation for absences
Recommended optional programme components
Prerequisites and corequisites
Basic literature
SEGER, J. aj. Statistické metody v tržním hospodářství. Praha : Victoria Publishing, 1995. ISBN 80-7187-058-7.
Recommended reading
SWOBODA, H. Moderní statistika. Praha : Svoboda, 1977.
Elearning
Classification of course in study plans
Type of course unit
Lecture
Teacher / Lecturer
Syllabus
Classical definition of probability.
Conditioned probability.
Formula of total probability.
Random variables.
Random events.
Discrete random variables.
Continuous random variables.
Processing data samples.
Tests of statistical hypotheses.
Regression analysis.
Time series.
Exercise
Teacher / Lecturer
Syllabus
Elearning