|
Vyučující
|
-
Heckenbergerová Jana, Mgr. Ph.D.
|
|
Obsah předmětu
|
Anova jedno, dvoufaktorová, trojné třídění, testy shody rozptylů. Vícevýběrové neparametrické testy. Regresní analýza, vícerozměrný model lineární regrese. Charakteristiky variability pro jednoduchou lineární regresi. Intervaly spolehlivosti parametrů, a hodnot regresní přímky. Testování hypotéz o hodnotách parametrů, regresní přímky a o funkčních hodnotách. Porušení základních předpokladů lineárního modelu (heteroskedasticita, testování heteroskedasticity). Autokorelace, testování autokorelace, multikolinearita. Nelineární modely, které nelze transformovat na lineární tvar. Úvod do obecného lineárního modelu Odhad parametrů obecného lineárního modelu (metoda maximální věrohodnosti) Logistická regrese a její užití. Interpretace výsledků s pomocí poměru šancí. Vyhodnocení spolehlivosti modelu logistické regrese (konfusní matice, ROC křivka). Korelační analýza. Testování hypotéz o koeficientu korelace. Interval spolehlivosti pro koeficient korelace. Výběrový koeficient parciální korelace a mnohonásobné korelace. Koeficient tetrachorické korelace, koeficient biseriální korelace. Vícerozměrné statistické metody -metoda hlavních komponent, faktorová analýza, principy, užití. Shluková analýza - metody, diskriminační analýza.
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming), Metody práce s textem (učebnicí, knihou)
- Příprava na zkoušku
- 35 hodin za semestr
- Kontaktní výuka
- 65 hodin za semestr
- Příprava na zápočet
- 25 hodin za semestr
- Domácí příprava na výuku
- 25 hodin za semestr
|
|
Výstupy z učení
|
Cílem předmětu je seznámit studenta s dalšími pokročilejšími metodami matematické statistiky, především vícerozměrné statistiky a základy ekonometrie.
Student, který úspěšně absolvoval předmět, umí: popsat reálné děje pomocí náhodných veličin, vysvětlit podstatu pokročilých statistických metod. Student, který úspěšně absolvoval předmět, dovede: správně rozhodnout o metodě řešení, správně vyhodnotit závěry statistických analýz, aplikovat statistické metody při řešení konkrétních úkolů, vyhodnocovat data a interpretovat závěry, řešit problematiku v ekonomických a dalších společensko-vědních oborech včetně metodologie zpracování a vyhodnocování dat. Student, který úspěšně absolvoval předmět, je schopen: uvažovat vintencích matematické statistiky, samostatného řešení problémů podloženého daty, s využitím vhodného statistického software modelovat a vyhodnocovat procesy související s ekonomickými i společenskými jev, srozumitelně sdělovat informace plynoucí zvýsledků statistických analýz.
|
|
Předpoklady
|
Předpokladem úspěšného absolvování předmětu je znalost matematiky, teorie pravděpodobnosti a statistiky v rozsahu běžně vyučovaném na vysokých školách.
|
|
Hodnoticí metody a kritéria
|
Ústní zkouška, Písemná zkouška, Analýza výkonu studenta
Zápočet-vypracování uložených úloh, úspěšné absolvování kontrolní písemné práce. Zkouška je písemná, případně ústní, skládá se z části praktické a teoretické.
|
|
Doporučená literatura
|
-
GAYNOR, Patricia E. a KIRKPATRICK, Rickey C. Introduction to time-series modeling and forecasting in business and economics. New York: McGraw-Hill, 1994. ISBN 0-07-034913-4.
-
LIND, Douglas A.; MARCHAL, William G. a WATHEN, Samuel A. Statistical techniques in business & economics. New York: McGraw-Hill/Irwin, 2005. ISBN 0-07-111315-0.
-
McCLAVE, J., BENSON, P., SINCICH, T. Statistics for Business and Economics. New York Prentice Hall, 2001.
-
NEWBOLD, Paul; CARLSON, William L. a THORNE, Betty M. Statistics for business and economics. Harlow, England: Pearson Education, 2023. ISBN 978-1-292-43684-5.
|