Ekonomické modelování pro podnikatelskou praxi

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Ekonomické modelování pro podnikatelskou praxi"

Transkript

1 pro podnikatelskou praxi Ing. Jan Vlachý, Ph.D. Dlouhý, M. a kol. Simulace podnikových procesů Vlachý, J. Řízení finančních rizik Scholleová, H. Hodnota flexibility: Reálné opce

2 Sylabus 1. Východiska ekonomického modelování Typologie a rizika používání ekonomických modelů Definice, popis a kvantifikace rizika Simulace stochastických jevů Jednoduché aplikace 2. Aplikace modelů při řízení tržních rizik Citlivostní analýza Dynamické zajišťování Value at Risk 3. Aplikace modelů při posuzování investičních projektů Od analýz citlivosti ke statistickým simulacím Reálné opce

3 Význam ekonomického modelování se využívá pro analýzu ekonomických jevů v podmínkách rizika. Modely v ekonomii nahrazují experiment v exaktních vědeckých disciplínách. Modely umožňují pochopit chování ekonomických systémů a jejich složek. řeší především tyto úlohy: Citlivostní analýzu (význam při kvalitativní analýze rizik a při jejich zajišťování) Hodnotovou analýzu Tržní oceňování (rovnovážné tržní modely) Komparaci; optimalizaci (dynamická analýza systémů)

4 Charakteristika ekonomických modelů Typologie ekonomických modelů Strukturální (statické) modely vycházejí z předpokladu tržní rovnováhy (úroková parita, CAPM, Blackův-Scholesův model, Gordonův oceňovací model atd.) Statistické (dynamické) modely popisují chování systémů v závislosti na charakteristice rizikových faktorů. Riziko modelu Chybné vstupy; nesprávné odhady předpokladů; chybná implementace; nesprávné použití (nesprávný model). Řízení rizika modelu Nezávislá kontrola; úplná dokumentace; kvalitní správa dat; zpětné testování; validace. Vždy je třeba používat modely, kterým uživatel dobře rozumí a kontrolovat je zdravým úsudkem.

5 Co je riziko Riziko je míra odchylky možného budoucího stavu světa od stavu očekávaného. Ke kvantifikaci rizika se používají statistické míry odchylky (variability) náhodného jevu: Oboustranné (variační rozpětí, rozptyl, směrodatná odchylka) Jednostrané (semivariance, kvantilové rozpětí) Míra polohy (medián) a variability (sm. odchylka) úplně popisují normální (Gaussovo) rozdělení; jiná rozdělení mohou mít méně nebo více parametrů. Obecně nelze říci, jestli je riziko dobré nebo špatné (záleží na sklonu jednotlivce k riziku); na efektivním trhu (tzn. v chování firem) se však předpokládá riziková averze (vyšší riziko musí být odměněno vyšším očekávaným výnosem).

6 Princip diverzifikace Riziko lze za určitých předpokladů snížit bez snížení očekávaného výnosu pomocí diverzifikace. U nezávislých rizik (pojišťovnictví, spotřebitelské úvěry) se vychází ze Zákona velkých čísel (Bernoulli 1713, Poisson 1835) Chování závislých rizik (např. tržní rizika) popisuje Moderní portfoliová teorie (Markowitz 1952)

7 Příklad 1 (diverzifikace- ZVČ) Jak nejlépe investovat, existují-li možnosti bezrizikový vklad u spořitelny s úrokem 1%; směnečný úvěr s úrokem 12% a pravděpodobností nesplacení 5%? (srov. Vlachý s ) Spočítat očekávaný výnos a směrodatnou odchylku výnosů pro varianty: Vklad u spořitelny Jeden úvěr Dva úvěry Mnoho úvěrů

8 Vklad vs 1 úvěr Posuzujeme očekávaný výnos/vážený průměr scénářů E(r) a riziko/směrodatnou odchylku s(r). Spořitelna => Jeden scénář (splatí) B E(r) = 1%; B s(r) = 0% Směnka => Dva scénáře (splatí nesplatí) U E(r) = 95% 12%+5% (-100%) = 6,4%; U s(r)= 95% (12%-4,5%) 2 +5% (-100%- 4,5%) 2 = 24,48%

9 Dva úvěry Dvě směnky => Tři scénáře Oba dlužníci splatí: r ++ = 12%, P ++ = 95% 95% = 90,25% Oba nesplatí: r -- = 100%, P -- = 5% 5% = 0,25% Jeden splatí, druhý ne: r +- = 0,5 12% + 0,5 ( 100%) = 44%, P +- = 2 5% 95% = 9,5% 2U E(r) = 90,25% 12%+0,25% ( 100%)+ 9,5% ( 44%) = 6,4%; 2U s(r)= 90,25% (12% 4,5%) 2 +0,25% ( 100% 4,5%) 2 +9,5% ( 44% 4,5%) 2 = 17,26%

10 Zobecnění Specifické riziko způsobují (statisticky) nezávislé náhodné jevy. Specifickou složku rizika lze (teoreticky donekonečna) snižovat diverzifikací (zákon velkých čísel). N E(r) σ 1 6,4%24,41% 2 6,4%17,26% 4 6,4%12,20% 10 6,4% 7,72% 100 6,4% 2,45% ,4% 0,25% σ Specifické riziko Systematické riziko Systematické riziko je dáno rizikovostí ekonomiky (trhu, pojistné třídy apod.) Není (v rámci investic na daném trhu) diverzifikovatelné. N

11 Analytická vs numerická řešení modelů V řadě případů je analytické řešení určitého problému složité, případně vůbec neexistuje. Numerické metody nabývají na významu především s ohledem na dramatické zvyšování výkonu výpočetní techniky. Příklady: Bootstrap (interpolace výnosové křivky) (srov. Vlachý s ) Rekurze (Cox-Ross-Rubinsteinova metoda oceňování opcí) Iterace (výpočet výnosu do splatnosti nebo IRR) Simulace (analýza scénářů, Monte Carlo)

12 Příklad 2 (výnos do splatnosti, citlivost) Spočítejte výnos do splatnosti SD 3,8%/2015 při nákupní ceně 99,6. Odhadněte změnu jeho tržní hodnoty při růstu tržních úrokových sazeb o 1 procentní bod.

13 Příklad 3 (hazardní hra) Jaká je pravděpodobnost, že při hodu dvěma kostkami padne číslo menší než 8? Z tabulky kombinací P(<8) = n(<8)/n = 21/36 = 58,3%. x \ y

14 Experimentální řešení Je ale také možné skutečně mnohokrát hodit dvěma kostkami a spočítat relativní četnosti Statistická simulace = Metoda Monte Carlo (parametrický model) Bylo by rovněž možné vzít záznamy ze skutečných her v kostky a spočítat četnosti zkoumaného jevu Historická simulace (neparametrický model)

15 Realizace statistických simulací Mechanické metody (hody mincí, vrhy kostkou, speciální zařízení) Využití výpočetní techniky Speciální matematický či statistický software (např. MatLab) Simulační software (např. Crystal Běžný tabulkový procesor (např. Excel) Generátory náhodných čísel Tabulky náhodných čísel Mechanické, fyzikální, chemické generátory Aritmetické generátory (pseudonáhodná čísla splňující testy náhodnosti)

16 Statistické simulace v Excelu Funkce =rand() nebo v české verzi =náhčíslo() generuje rovnoměrné rozdělení v intervalu <0; 1> Transformace na diskrétní rovnoměrná rozdělení =round(rand(); 0)... nabývá hodnot {0; 1} =int(rand() 6)+1... nabývá hodnot {1; 2; 3; 4; 5; 6} Transformace na běžná spojitá rozdělení (pomocí inverzní kumulativní distribuční funkce) =norminv(rand(); m; s)... normální (Gaussovo) rozdělení dále např. =betainv(), =chiinv(), =gammainv(), =loginv(), případně analytická řešení Pozn.: do verze Excel 2002 se nedoporučuje použití vestavěného generátoru pro velké modely (lze pořídit generátory třetích stran nebo přímo simulační nástavby); Excel 2003 má chybu (použít opravný balíček).

17 Příklad 4 (Ludolfovo číslo) Jak zjistit hodnotu Ludolfova čísla (p)? Analyticky (geometricky)... Archimédes (200BC) => Ludolf van Ceulen (1600AD) (pomocí mnohoúhelníků opisujících obvod kružnice) Numericky (Monte Carlo)... de Buffon (1777- Buffonova jehla) Pro obsah kruhu platí S= p r 2 Obsah čtvrtkruhu o jednotkovém poloměru r= 1 je tedy S Q = p/4. Čtvrtkruh se vejde do čtverce o obsahu S ƀ = 1. Platí tedy, že poměr S ƀ / S Q = 4/p => p = 4 S Q. Poměr obsahů lze odhadnout náhodným generováním souřadnic {x; y} a zjištěním četností pokusů, při nichž x 2 + y 2 1.

18 Příklad 5 (investiční strategie) Podnik je portfoliem tří projektů, jejichž očekávanou hodnotu za rok lze vyjádřit diskrétními rovnoměrnými rozděleními {1; 2; 3; 4; 5; 6} (A a B), resp. {1; 6} (C). Provozní náklady na každý projekt činí 1; počáteční hodnota (velikost investice) každého projektu činí 2. Posuďte výnosnost kapitálu a rizikovost za předpokladu investice z vlastních zdrojů, resp. 50% (75%, 90%) financováním úvěrem. Porovnejte s analogickým investičním rozhodováním, není-li zohledněno riziko. Lišily by se nějak výsledky, pokud by podnik přijal pouze jeden z uvedených projektů?

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) = Základní rozdělení pravděpodobnosti Diskrétní rozdělení pravděpodobnosti. Pojem Náhodná veličina s Binomickým rozdělením Bi(n, p), kde n je přirozené číslo, p je reálné číslo, < p < má pravděpodobnostní

Více

Vybrané poznámky k řízení rizik v bankách

Vybrané poznámky k řízení rizik v bankách Vybrané poznámky k řízení rizik v bankách Seminář z aktuárských věd Petr Myška 7.11.2008 Obsah přednášky Oceňování nestandartních instrumentů finančních trhů Aplikace analytických vzorců Simulační techniky

Více

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN? NÁHODNÉ VELIČINY GENEROVÁNÍ SPOJITÝCH A DISKRÉTNÍCH NÁHODNÝCH VELIČIN, VYUŽITÍ NÁHODNÝCH VELIČIN V SIMULACI, METODY TRANSFORMACE NÁHODNÝCH ČÍSEL NA HODNOTY NÁHODNÝCH VELIČIN. JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU

Více

Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv. Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni.

Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv. Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni. Finanční trhy Investiční instrumenty a portfolio výnos, riziko, likvidita Úvod do finančních aktiv Ing. Gabriela Oškrdalová e-mail: oskrdalova@mail.muni.cz Tento studijní materiál byl vytvořen jako výstup

Více

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost

1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost 1 Náhodný výběr a normální rozdělení 1.1 Teoretická a statistická pravděpodobnost Ve světě kolem nás eistují děje, jejichž výsledek nelze předem jednoznačně určit. Například nemůžete předem určit, kolik

Více

Simulace. Simulace dat. Parametry

Simulace. Simulace dat. Parametry Simulace Simulace dat Menu: QCExpert Simulace Simulace dat Tento modul je určen pro generování pseudonáhodných dat s danými statistickými vlastnostmi. Nabízí čtyři typy rozdělení: normální, logaritmicko-normální,

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do

Více

6.1 Normální (Gaussovo) rozdělení

6.1 Normální (Gaussovo) rozdělení 6 Spojitá rozdělení 6.1 Normální (Gaussovo) rozdělení Ze spojitých rozdělení se v praxi setkáme nejčastěji s normálním rozdělením. Toto rozdělení je typické pro mnoho náhodných veličin z rozmanitých oborů

Více

III) Podle závislosti na celkovém ekonomickém vývoji či na vývoji v jednotlivé firmě a) systematické tržní, b) nesystematické jedinečné.

III) Podle závislosti na celkovém ekonomickém vývoji či na vývoji v jednotlivé firmě a) systematické tržní, b) nesystematické jedinečné. Měření rizika Podnikatelské riziko představuje možnost, že dosažené výsledky podnikání se budou kladně či záporně odchylovat od předpokládaných výsledků. Toto riziko vzniká např. při zavádění nových výrobků

Více

Základy teorie finančních investic

Základy teorie finančních investic Ing. Martin Širůček, Ph.D. Katedra financí a účetnictví sirucek.martin@svse.cz sirucek@gmail.com Základy teorie finančních investic strana 2 Úvod do teorie investic Pojem investice Rozdělení investic a)

Více

GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA

GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA GENEROVÁNÍ NÁHODNÝCH ČÍSEL PSEUDONÁHODNÁ ČÍSLA Oblasti využití generátorů náhodných čísel Statistika Loterie Kryptografie (kryptologie) Simulace Simulační modely DETERMINISTICKÉ STOCHASTICKÉ (činnost systému

Více

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost

Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost Pravidla a podmínky k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen společnost) stanoví k vydání osvědčení o způsobilosti vykonávat aktuárskou činnost (dále jen osvědčení) následující

Více

Rovnoměrné rozdělení

Rovnoměrné rozdělení Rovnoměrné rozdělení Nejjednodušší pravděpodobnostní rozdělení pro diskrétní náhodnou veličinu. V literatuře se také nazývá jako klasické rozdělení pravděpodobnosti. Náhodná veličina může nabývat n hodnot

Více

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.

UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11. UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

HODNOCENÍ INVESTIC. Manažerská ekonomika obor Marketingová komunikace. 9. přednáška Ing. Jarmila Ircingová, Ph.D.

HODNOCENÍ INVESTIC. Manažerská ekonomika obor Marketingová komunikace. 9. přednáška Ing. Jarmila Ircingová, Ph.D. HODNOCENÍ INVESTIC Manažerská ekonomika obor Marketingová komunikace 9. přednáška Ing. Jarmila Ircingová, Ph.D. Metody hodnocení efektivnosti investic Při posuzování investice se vychází ze strategických

Více

ROZDĚLENÍ NÁHODNÝCH VELIČIN

ROZDĚLENÍ NÁHODNÝCH VELIČIN ROZDĚLENÍ NÁHODNÝCH VELIČIN 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

Finanční deriváty ŘÍZENÍ RIZIK I

Finanční deriváty ŘÍZENÍ RIZIK I Finanční deriváty Smlouvy, jimiž se neobchoduje s podkladovými aktivy, ale právy na ně (=> obchody s rizikem ). Hodnota vzniká zprostředkovaně přes hodnotu podkladového aktiva nebo ukazatele. Existence

Více

Metodické listy pro kombinované studium předmětu INVESTIČNÍ A FINANČNÍ ROZHODOVÁNÍ (IFR)

Metodické listy pro kombinované studium předmětu INVESTIČNÍ A FINANČNÍ ROZHODOVÁNÍ (IFR) Metodické listy pro kombinované studium předmětu INVESTIČNÍ A FINANČNÍ ROZHODOVÁNÍ (IFR) (Aktualizovaná verze 04/05) Úvodní charakteristika předmětu: Cílem jednosemestrálního předmětu Investiční a finanční

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D. Střední hodnota a rozptyl náhodné veličiny, vybraná rozdělení diskrétních a spojitých náhodných veličin, pojem kvantilu Ing. Michael Rost, Ph.D. Príklad Předpokládejme že máme náhodnou veličinu X která

Více

Příručka k měsíčním zprávám ING fondů

Příručka k měsíčním zprávám ING fondů Příručka k měsíčním zprávám ING fondů ING Investment Management vydává každý měsíc aktuální zprávu ke každému fondu, která obsahuje základní informace o fondu, jeho aktuální výkonnosti, složení portfolia

Více

Finanční rizika. podniku, způsoben rizikového faktoru. že e protistrana. hodnoty podniku, způsoben. ností ŘÍZENÍ RIZIK I

Finanční rizika. podniku, způsoben rizikového faktoru. že e protistrana. hodnoty podniku, způsoben. ností ŘÍZENÍ RIZIK I Finanční rizika Tržní riziko je pravděpodobnost podobnost změny hodnoty podniku, způsoben sobené změnou tržní hodnoty rizikového faktoru. Kreditní riziko je pravděpodobnost podobnost změny hodnoty podniku,

Více

Ing. Ondřej Audolenský

Ing. Ondřej Audolenský České vysoké učení technické v Praze Fakulta elektrotechnická Katedra ekonomiky, manažerství a humanitních věd Ing. Ondřej Audolenský Vedoucí: Prof. Ing. Oldřich Starý, CSc. Rizika podnikání malých a středních

Více

Obsah. iii 1. ÚVOD 1 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY RIZIKA 5

Obsah. iii 1. ÚVOD 1 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY RIZIKA 5 Obsah 1. ÚVOD 1 1.1 ÚVOD 1 1.2 PROČ JE ŘÍZENÍ RIZIK DŮLEŽITÉ 1 1.3 OBECNÁ DEFINICE ŘÍZENÍ RIZIK 2 1.4 PŮVOD VZNIKU A STRUKTURA 3 1.5 ZÁMĚR 3 1.6 ROZSAH KNIHY 4 2. POJETÍ RIZIKA A NEJISTOTY A ZDROJE A TYPY

Více

Model pro simulaci staví na výpočtu hrubého domácího produktu výdajovou metodou:

Model pro simulaci staví na výpočtu hrubého domácího produktu výdajovou metodou: Model vývoje HDP ČR Definice problému Očekávaný vývoj hrubého domácího produktu jakožto základní makroekonomické veličiny ovlivňuje chování tržních subjektů, které v důsledku očekávání modulují své chování

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

4ST201 STATISTIKA CVIČENÍ Č. 7 4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické

Více

Pravděpodobnostní rozdělení v MS Excel

Pravděpodobnostní rozdělení v MS Excel Pravděpodobnostní rozdělení v MS Excel Luboš Marek Vysoká škola ekonomická v Praze, Praha Konzultace 1 Úvod Mezi statistickou obcí se často diskutuje, který statistický program je nejlepší, přičemž se

Více

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve

tazatel 1 2 3 4 5 6 7 8 Průměr ve 15 250 18 745 21 645 25 754 28 455 32 254 21 675 35 500 Počet 110 125 100 175 200 215 200 55 respondentů Rozptyl ve Příklady k procvičení k průběžnému testu: 1) Při zpracování studie o průměrné výši měsíčních příjmů v České republice jsme získali data celkem od 8 tazatelů. Každý z těchto pěti souborů dat obsahoval odlišný

Více

Metodický list - Finanční deriváty

Metodický list - Finanční deriváty Metodický list - Finanční deriváty Základní odborná literatura vydaná VŠFS: [0] Záškodný,P., Pavlát,V., Budík,J.: Finanční deriváty a jejich oceňování.všfs,praha 2007 Tato literatura platí v plném rozsahu,

Více

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014

Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 Požadavky k opravným zkouškám z matematiky školní rok 2013-2014 1. ročník (první pololetí, druhé pololetí) 1) Množiny. Číselné obory N, Z, Q, I, R. 2) Absolutní hodnota reálného čísla, intervaly. 3) Procenta,

Více

Modelování výnosové křivky a modelování úrokových nákladů státního dluhu Kamil Kladívko Odbor řízení státního dluhu a finančního majetku Úrokové náklady portfolia státního dluhu 2 Úrokové náklady státního

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

Úvodem Dříve les než stromy 3 Operace s maticemi

Úvodem Dříve les než stromy 3 Operace s maticemi Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová

Více

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík

ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE. Matematika 0A4. Cvičení, letní semestr DOMÁCÍ ÚLOHY. Jan Šafařík Vysoké učení technické v Brně Stavební fakulta ÚSTAV MATEMATIKY A DESKRIPTIVNÍ GEOMETRIE Matematika 0A4 Cvičení, letní semestr DOMÁCÍ ÚLOHY Jan Šafařík Brno c 200 (1) 120 krát jsme házeli hrací kostkou.

Více

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2]

PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] PRAVDĚPODOBNOST A STATISTIKA aneb Krátký průvodce skripty [1] a [2] Použitá literatura: [1]: J.Reif, Z.Kobeda: Úvod do pravděpodobnosti a spolehlivosti, ZČU Plzeň, 2004 (2. vyd.) [2]: J.Reif: Metody matematické

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

D D P. e e e. ...požadovaná výnosová míra D...očekávané dividendy P. očekávaná prodejní cena. D n. n nekonečno. e e e e

D D P. e e e. ...požadovaná výnosová míra D...očekávané dividendy P. očekávaná prodejní cena. D n. n nekonečno. e e e e Téma 8: Chování cen akcií a investiční management Struktura přednášky: 1. Chování cen akcií fundamentální a technická analýza a teorie efektivních trhů. Riziko a výnos Markowitzův model 3. Kapitálový trh

Více

Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics

Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Dyson s Coulomb gas on a circle and intermediate eigenvalue statistics Rainer Scharf, Félix M. Izrailev, 1990 rešerše: Pavla Cimrová, 28. 2. 2012 1 Náhodné matice Náhodné matice v současnosti nacházejí

Více

Semestrální práce z předmětu MAB

Semestrální práce z předmětu MAB Západočeská univerzita v Plzni Fakulta aplikovaných věd Semestrální práce z předmětu MAB Modely investičního rozhodování Helena Wohlmuthová A07148 16. 1. 2009 Obsah 1 Úvod... 3 2 Parametry investičních

Více

ADZ základní statistické funkce

ADZ základní statistické funkce ADZ základní statistické funkce Základní statistické funkce a znaky v softwaru Excel Znak Stručný popis + Sčítání buněk - Odčítání buněk * Násobení buněk / Dělení buněk Ctrl+c Vyjmutí buňky Ctrl+v Vložení

Více

Analýza návratnosti investic/akvizic

Analýza návratnosti investic/akvizic Analýza návratnosti investic/akvizic Klady a zápory Hana Rýcová Charakteristika investice: Investice jsou ekonomickou činností, kterou se subjekt (stát, podnik, jednotlivec) vzdává své současné spotřeby

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Oceňování podniku. doc. RNDr. Ing. Hana Scholleová, Ph.D. Katedra podnikové ekonomiky Fakulta podnikohospodářská Vysoká škola ekonomická v Praze

Oceňování podniku. doc. RNDr. Ing. Hana Scholleová, Ph.D. Katedra podnikové ekonomiky Fakulta podnikohospodářská Vysoká škola ekonomická v Praze Oceňování podniku doc. RNDr. Ing. Hana Scholleová, Ph.D. Katedra podnikové ekonomiky Fakulta podnikohospodářská Vysoká škola ekonomická v Praze Obsah přednášky Cena x hodnota Přístupy ke stanovení hodnoty

Více

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7

Příklad 1. Řešení 1a. Řešení 1b. Řešení 1c ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 7 Příklad 1 a) Autobusy městské hromadné dopravy odjíždějí ze zastávky v pravidelných intervalech 5 minut. Cestující může přijít na zastávku v libovolném okamžiku. Určete střední hodnotu a směrodatnou odchylku

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

Více

INVESTIČNÍ ROZHODOVÁNÍ A DLOUHODOBÉ FINANCOVÁNÍ

INVESTIČNÍ ROZHODOVÁNÍ A DLOUHODOBÉ FINANCOVÁNÍ INVESTIČNÍ ROZHODOVÁNÍ A DLOUHODOBÉ FINANCOVÁNÍ Josef Valach a kolektiv Třetí, přepracované a rozšířené vydání Recenze: prof. Ing. Karol Vlachynský, PhD. Autorský kolektiv: prof. Ing. Josef Valach, CSc.

Více

8 Střední hodnota a rozptyl

8 Střední hodnota a rozptyl Břetislav Fajmon, UMAT FEKT, VUT Brno Této přednášce odpovídá kapitola 10 ze skript [1]. Také je k dispozici sbírka úloh [2], kde si můžete procvičit příklady z kapitol 2, 3 a 4. K samostatnému procvičení

Více

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost

Více

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

HODNOCENÍ INVESTIC. Postup hodnocení investic (investičních projektů) obvykle zahrnuje následující etapy:

HODNOCENÍ INVESTIC. Postup hodnocení investic (investičních projektů) obvykle zahrnuje následující etapy: HODNOCENÍ INVESTIC Podstatou hodnocení investic je porovnání vynaloženého kapitálu (nákladů na investici) s výnosy, které investice přinese. Jde o rozpočtování jednorázových (investičních) nákladů a ročních

Více

Investiční bankovnictví 4

Investiční bankovnictví 4 Metodický list pro soustředění kombinovaného studia předmětu Investiční bankovnictví 4 Metodický list číslo 1 Název tématického celku: Investiční bankovnictví - analýzy Cíl: Cílem tématického celku je

Více

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků

Požadavky na konkrétní dovednosti a znalosti z jednotlivých tematických celků Maturitní zkouška z matematiky 2012 požadované znalosti Zkouška z matematiky ověřuje matematické základy formou didaktického testu. Test obsahuje uzavřené i otevřené úlohy. V uzavřených úlohách je vždy

Více

Finanční management. Nejefektivnější portfolio (leží na hranici) dle Markowitze: Přímka kapitálového trhu

Finanční management. Nejefektivnější portfolio (leží na hranici) dle Markowitze: Přímka kapitálového trhu Finanční anageent Příka kapitálového trhu, odel CAPM, systeatické a nesysteatické riziko Příka kapitálového trhu Čí vyšší e sklon křivky, tí vyšší e nechuť investora riskovat. očekávaný výnos Množina všech

Více

Varianta Pravděpodobnost Výnos A 1 Výnos A 2 1 0,1 1% 0,1 3% 0,3 2 0,2 12% 2,4 28% 5,6 3 0,3 6% 1,8 14% 4,2

Varianta Pravděpodobnost Výnos A 1 Výnos A 2 1 0,1 1% 0,1 3% 0,3 2 0,2 12% 2,4 28% 5,6 3 0,3 6% 1,8 14% 4,2 Dobrý den. Kladno, 22. 3. 2007 21:35 Chtěl bych se všem omluvit za ten závěr přednášky. Bohužel mě chyba v jednom z příkladů vykolejila natolik, že jsem se již velice těžko soustředil na svůj výkon. Chtěl

Více

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup

Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení 2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků

Více

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem

Více

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY

4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY 4. ZÁKLADNÍ TYPY ROZDĚLENÍ PRAVDĚPODOBNOSTI DISKRÉTNÍ NÁHODNÉ VELIČINY Průvodce studiem V této kapitole se seznámíte se základními typy rozložení diskrétní náhodné veličiny. Vašim úkolem by neměla být

Více

FINANČNÍ A INVESTIČNÍ MATEMATIKA 1 Metodický list č. 1

FINANČNÍ A INVESTIČNÍ MATEMATIKA 1 Metodický list č. 1 FINANČNÍ A INVESTIČNÍ MATEMATIKA 1 Metodický list č. 1 Název tématického celku: Úroková sazba a výpočet budoucí hodnoty Cíl: Základním cílem tohoto tematického celku je vysvětlit pojem úroku a roční úrokové

Více

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT) 1. Číselné obory 1.1 Přirozená čísla provádět aritmetické operace s přirozenými čísly rozlišit prvočíslo

Více

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik (2. fáze)

Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik (2. fáze) Aplikace teoretických postupů pro ocenění rizika při upisování pojistných smluv v oblasti velkých rizik (2. fáze) Zpracovali: Ondřej Pavlačka, Lukáš Héža, Dagmar Martinková Katedry matematické analýzy

Více

Tomáš Cipra: Pojistná matematika: teorie a praxe. Ekopress, Praha 2006 (411 stran, ISBN: 80-86929-11-6, druhé aktualizované vydání) 1. ÚVOD...

Tomáš Cipra: Pojistná matematika: teorie a praxe. Ekopress, Praha 2006 (411 stran, ISBN: 80-86929-11-6, druhé aktualizované vydání) 1. ÚVOD... Tomáš Cipra: Pojistná matematika: teorie a praxe. Ekopress, Praha 2006 (411 stran, ISBN: 80-86929-11-6, druhé aktualizované vydání) OBSAH I. POJIŠŤOVNICTVÍ A FINANCE 1. ÚVOD... 13 2. POJIŠTĚNÍ JAKO OCHRANA

Více

Návrh Investičního portfolia

Návrh Investičního portfolia Návrh Investičního portfolia Jan Bohatý vytvořeno: 18. březen Připravil: Ing.Petr Ondroušek PO Investment Dunajská 17 62500 Brno Kontakt: telefon: 603383742 email: petr.ondrousek@poinvestment.cz www.poinvestment.cz

Více

Pojem investování. vynakládání zdrojů podniku za účelem získání užitků které jsou očekávány v delším časovém období Investice = odložená spotřeba

Pojem investování. vynakládání zdrojů podniku za účelem získání užitků které jsou očekávány v delším časovém období Investice = odložená spotřeba Investiční činnost Pojem investování vynakládání zdrojů podniku za účelem získání užitků které jsou očekávány v delším časovém období Investice = odložená spotřeba Druhy investic 1. Hmotné investice vytvářejí

Více

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce

Seminarni prace. 2 3 stranky staci, dat nema byt 3 a nema jich byt pul milionu. k te seminarce Seminarni prace Popisná statistika, data nesmí být časovou řadou Zkoumat můžeme třeba mzdy, obraty atd. (takže možná QA?) Formát pdf, poslat nejpozději den před zkouškou. Podrobnější informace jsou na

Více

Pojem investování a druhy investic

Pojem investování a druhy investic Investiční činnost Pojem investování a druhy investic Rozhodování o investicích Zdroje financování investic Hodnocení efektivnosti investic Metody hodnocení investic Ukazatele hodnocení efektivnosti investic

Více

24.11.2009 Václav Jirchář, ZTGB

24.11.2009 Václav Jirchář, ZTGB 24.11.2009 Václav Jirchář, ZTGB Síťová analýza 50.let V souvislosti s potřebou urychlit vývoj a výrobu raket POLARIS v USA při závodech ve zbrojení za studené války se SSSR V roce 1958 se díky aplikaci

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

Více

Makroekonomie I. Co je podstatné z Mikroekonomie - co již známe obecně. Nabídka a poptávka mikroekonomické kategorie

Makroekonomie I. Co je podstatné z Mikroekonomie - co již známe obecně. Nabídka a poptávka mikroekonomické kategorie Model AS - AD Makroekonomie I Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Osnova: Agregátní poptávka a agregátní nabídka : Agregátní poptávka a její změny Agregátní nabídka krátkodobá a dlouhodobá Rovnováha

Více

6. Lineární regresní modely

6. Lineární regresní modely 6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně

Více

Ekonomika lesního hospodářství. Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.

Ekonomika lesního hospodářství. Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28. Ekonomika lesního hospodářství Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Ekonomika lesního hospodářství (EKLH) Připravil: Ing. Tomáš

Více

N i investiční náklady, U roční úspora ročních provozních nákladů

N i investiční náklady, U roční úspora ročních provozních nákladů Technicko-ekonomická optimalizace cílem je určení nejvýhodnějšího řešení pro zamýšlenou akci Vždy existují nejméně dvě varianty nerealizace projektu nulová varianta realizace projektu Konstrukce variant

Více

3. Zajištěný fond. Odvaz s minimálním rizikem.

3. Zajištěný fond. Odvaz s minimálním rizikem. 3. Zajištěný fond Odvaz s minimálním rizikem. 1 4 DŮVODY PROČ INVESTOVAT do 3. Zajištěného fondu 1 Jistota návratnost 106 % vložené investice Podstupujete minimální riziko - fond způsobem svého investování

Více

Průzkumová analýza dat

Průzkumová analýza dat Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se

Více

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií

Hodina 50 Strana 1/14. Gymnázium Budějovická. Hodnocení akcií Hodina 50 Strana /4 Gymnázium Budějovická Volitelný předmět Ekonomie - jednoletý BLOK ČÍSLO 8 Hodnocení akcií Předpokládaný počet : 9 hodin Použitá literatura : František Egermayer, Jan Kožíšek Statistická

Více

FINANČNÍ ŘÍZENÍ A ROZHODOVÁNÍ PODNIKU

FINANČNÍ ŘÍZENÍ A ROZHODOVÁNÍ PODNIKU FINANČNÍ ŘÍZENÍ A ROZHODOVÁNÍ PODNIKU ANALÝZA, INVESTOVÁNÍ, OCEŇOVÁNÍ, RIZIKO, FLEXIBILITA Dana Dluhošová a kol. Recenzenti: prof. Dr. Ing. Jan Frait prof. Ing. Eva Kislingerová, CSc. prof. Ing. Jozef

Více

Testování hypotéz Biolog Statistik: Matematik: Informatik:

Testování hypotéz Biolog Statistik: Matematik: Informatik: Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

Seminář z aktuárských věd. Vybrané poznámky k řízení rizik v bankách

Seminář z aktuárských věd. Vybrané poznámky k řízení rizik v bankách Seminář z aktuárských věd MFF UK 7.11.2008 Vybrané poznámky k řízení rizik v bankách Monika Laušmanová, Petr Myška Česká spořitelna 1 Poznámky k finanční krizi Aneb Není málo matematiků v bankách? Monika

Více

MO-ME-N-T MOderní MEtody s Novými Technologiemi

MO-ME-N-T MOderní MEtody s Novými Technologiemi Projekt: Reg.č.: Operační program: Škola: Tematický okruh: Jméno autora: MO-ME-N-T MOderní MEtody s Novými Technologiemi CZ.1.07/1.5.00/34.0903 Vzdělávání pro konkurenceschopnost Hotelová škola, Vyšší

Více

Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů

Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů Přesvědčivost výsledků výpočtu potřeby tepla na vytápění pasivních domů Pavel Kopecký, Kamil Staněk, Jan Antonín, ČVUT, Fakulta stavební Thákurova 7, 166 29 Praha 6 Tel.: +420 224 354 473, e-mail: pavel.kopecky@fsv.cvut.cz

Více

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/28.0018 Investice a investiční činnost Ekonomika lesního hospodářství 4. cvičení Investice Investice

Více

Finanční řízení podniku

Finanční řízení podniku Finanční řízení podniku Finance podniku úzce navazují a vycházejí z: - Podnikové ekonomiky - Finančního účetnictví - Manažerského účetnictví - Marketingu Dále využívají poznatky a metody: - Statistky a

Více

1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 1.1 Pojem a funkce podnikových financí a finančního řízení 1.2 Finanční cíle podnikání,

1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 1.1 Pojem a funkce podnikových financí a finančního řízení 1.2 Finanční cíle podnikání, 1 ÚVOD DO PODNIKOVÝCH FINANCÍ A FINANČNÍHO ŘÍZENÍ PODNIKU 1.1 Pojem a funkce podnikových financí a finančního řízení 1.2 Finanční cíle podnikání, finanční politika podniku 1.3 Zdroje financování podnikatelských

Více

Desková Finanční svoboda

Desková Finanční svoboda Desková Finanční svoboda Metodická příručka pro učitele UKÁZKA KFP Kořený Fichtner Pavlásek, s.r.o. vzdělávací instituce akreditovaná MŠMT ČR Jak vyučovat finanční gramotnost poutavě a zábavně akreditovaný

Více

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem)

MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY. Učební osnova předmětu MATEMATIKA. pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Učební osnova předmětu MATEMATIKA pro studijní obory SOŠ a SOU (8 10 hodin týdně celkem) Schválilo Ministerstvo školství, mládeže a tělovýchovy dne 14. 6. 2000,

Více

Systémy pro podporu rozhodování. Modelování a analýza

Systémy pro podporu rozhodování. Modelování a analýza Systémy pro podporu rozhodování Modelování a analýza 1 Připomenutí obsahu minulé přednášky Datové sklady, přístup, analýza a vizualizace Povaha a zdroje dat (data, informace, znalosti a interní, externí,

Více

Pracovní list č. 3 Charakteristiky variability

Pracovní list č. 3 Charakteristiky variability 1. Při zjišťování počtu nezletilých dětí ve třiceti vybraných rodinách byly získány tyto výsledky: 1, 1, 0, 2, 3, 4, 2, 2, 3, 0, 1, 2, 2, 4, 3, 3, 0, 1, 1, 1, 2, 2, 0, 2, 1, 1, 2, 3, 3, 2. Uspořádejte

Více

Cíle lokalizace. Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí

Cíle lokalizace. Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí Cíle lokalizace Zjištění: 1. polohy a postavení robota (robot pose) 2. vzhledem k mapě 3. v daném prostředí 2 Jiný pohled Je to problém transformace souřadnic Mapa je globální souřadnicový systém nezávislý

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

FINANČNÍ ANALÝZA A KAPITÁLOVÝ TRH: PRAKTICKÝ POHLED

FINANČNÍ ANALÝZA A KAPITÁLOVÝ TRH: PRAKTICKÝ POHLED FINANČNÍ ANALÝZA A KAPITÁLOVÝ TRH: PRAKTICKÝ POHLED VRATISLAV SVOBODA, J&T BANKA A.S. PRAHA 26.11.2013 1 Obsah Bilance (rozvaha) společnosti Akcie a dluhopisy Co se odehrává na finančních trzích v současné

Více

Finanční a pojistná matematika. Den otevřených dveří 10. ledna 2014

Finanční a pojistná matematika. Den otevřených dveří 10. ledna 2014 Finanční a pojistná matematika Den otevřených dveří 10. ledna 2014 Ing. Pavel Hanuš asistent Katedry matematiky PřF UHK garant ekonomických předmětů katedry daňový poradce http://www.pavelhanus.cz pavel.hanus@uhk.cz

Více