Analýza časových řad. John Watters: Jak se stát milionářem.
|
|
- Veronika Pavlíková
- před 7 lety
- Počet zobrazení:
Transkript
1 5.2 Analýza časových řad Nechal jsem si udělat prognózu růstu své firmy od třech nezávislých odborníků. Jejich analýzy se shodovaly snad pouze v jediném - nekřesťanské ceně, kterou jsem za ně zaplatil. Pravdu nakonec měla stará kartářka s línou opelichanou kočkou v klíně. Její honorář ve srovnání s těmi třemi vydřiduchy ani nestál za řeč. Řekla: Do roka budete milionářem. A měla pravdu. John Watters: Jak se stát milionářem.
2 Co se dozvíte Časové řady a jejich rozklad. Elementární analýza časové řady. Analýza trendu, typy trendů časových řad. Analýza sezónnosti, sezónní odchylky a indexy. Prognózování budoucího vývoje. 2
3 Pojem časové řady co je to časová řada? řada hodnot určitého ukazatele uspořádaných v čase podle charakteru ukazatele lze sčítat časová řada intervalová časová řada okamžiková podle periodicity nelze sčítat časová řada dlouhodobá (roční) časová řada krátkodobá (kvartální, měsíční) 3
4 Pojem časové řady klasifikace časových řad podle způsobu vyjádření ukazatele časová řada naturálních ukazatelů (kg, hl, ks) časová řada peněžních ukazatelů (Kč,, $) naturální ukazatele nelze sčítat a vzájemně převádět, nepodléhají změnám kursu nebo inflaci peněžní ukazatele lze sčítat a vzájemně převádět, podléhají změnám kursu nebo inflaci 4
5 Vyjádření časové řady tabulka časové řady vývoj HDP České republiky rok HDP 1002,3 1148,6 1348,7 1532,6 1649,5 časová řada je dvourozměrný statistický soubor: 1. znak časová proměnná (X, T) 2. znak sledovaná proměnná (Y) 5
6 Vyjádření časové řady graf časové řady Hodnota zásob ve firmě Počet narozených dětí tis. Kč I.93 II.93 III.93 IV.93 V.93 VI.93 VII.93 měsíc tis rok spojnicový graf vhodný pro okamžikové řady sloupcový graf vhodný pro intervalové řady 6
7 Vyjádření časové řady funkční vyjádření časové řady y t = f(t, ) t = 1, 2,, n nebo 0,1,2,, n např. y = 54,8 + 2, 26 t t = 0,1, 2,..., 24 t modelování časové řady nalezení funkční závislosti mezi řadou hodnot ukazatele y t a časovou proměnnou t, popř. jinými časově závislými veličinami 7
8 Vyjádření časové řady kalendářní očišťování přepočet řady na stejně dlouhé intervaly průměrná délka intervalu skutečná délka intervalu používá se zejména u měsíčních řad 8
9 Příklad vyrovnání řady Tabulka představuje obrat výrobního podniku v měsících roku 2002 (v mil. Kč). Očistěte tuto časovou řadu. měsíc I II III IV V VI VII VIII IX X XI XII obrat 2,57 2,40 2,69 2,60 2,71 2,68 2,68 2,64 2,71 2,80 2,76 2, d = = 12 30,42 30,42 y 1 = 2,57 = 2, ,42 y 2 = 2, 40 = 2,61 28 měsíc I II III IV V VI VII VIII IX X XI XII obrat 2,52 2,61 2,64 2,64 2,66 2,72 2,63 2,59 2,75 2,75 2,79 2,77 9
10 Časové řady indexů bazické indexy q q q q q q q q n,,,..., jsou vztaženy ke stejnému základnímu období řetězové indexy q q q q n,,,..., q q q q n 1 jsou vztaženy vždy k předchozímu období průměrný koeficient růstu k geometrický průměr z řetězových indexů 10
11 Všimněte si Vklady občanů ČR Vklady občanů ČR mld. Kč = 100% původní řada řada bazických indexů Vklady občanů ČR 125 tempo růstu bazické indexy zachovávají průběh původní řady řetězové indexy vyjadřují rychlost změn Kvantitativní řada řetězových metody B indexů 11
12 Časové řady indexů transformace časových řad indexů řetězové bazické indexy q k q q q q k = q q q q qk bazické řetězové indexy q q q = : q q q k k k 1 k
13 Příklad převod indexů Tabulka ukazuje stav korunových vkladů domácností v ČR v mld. Kč. Převeďte hodnoty v této tabulce na indexy: a) bazické se základním rokem 1990 b) řetězové Určete průměrný koeficient růstu vkladů. rok vklady 184,0 220,7 260,2 316,1 376,2 454,7 527,3 13
14 Příklad bazické indexy: rok index 1,00 1,20 1,41 1,72 2,04 2,47 2,87 řetězové indexy: rok index x 1,20 1,18 1,21 1,19 1,21 1,16 průměrný koeficient růstu: 6 6 k = 1, 20 1, ,16 = 2,87 =& 1,19 Vklady obyvatelstva ročně vzrostly v průměru o 19%. 14
15 Vyrovnání časové řady dekompozice časové řady trendová složka T t hlavní směr vývoje hodnot časové řady periodické kolísání cyklické vlivy C t dlouhodobé, méně pravidelné sezónní vlivy S t krátkodobé, pravidelné nahodilé kolísání (reziduum) ε t vlivy, které nelze postihnout trendem a periodickým kolísáním 15
16 Vyrovnání časové řady typické modely časové řady střednědobé (roční) časové řady neuvažujeme cyklickou ani sezónní složku krátkodobé časové řady se sezónností neuvažujeme cyklickou složku 16
17 Vyrovnání časové řady volba trendu lineární trend parabolický trend exponenciální trend mocninný trend volba modelu koeficient determinace 17
18 Příklad volba trendu Podle údajů Národní referenční laboratoře pro onemocnění AIDS byly v letech 1991 až 1998 registrovány počty nemocných viz tabulka. rok počet Zvolte vhodný typ regresní funkce pro vyjádření trendu řady a odhadněte počet nemocných v roce
19 Příklad graf časové řady počty nemocných AIDS
20 Příklad lineární trend použijeme metodu nejmenších čtverců t y t Y t 18,3 32,0 45,6 59,2 72,8 86,4 100,1 113,7 s s 2 y 2 Y = = 997,5 973,9 koeficient determinace: 2 973,9 R = = 997,5 0,976 vysoká hodnota R 2 velmi dobrá aproximace lineární funkcí 20
21 Příklad extrapolace pro rok 2000 (t = 10) V roce 2000 lze očekávat cca 140 nemocných AIDS (pokud se nezmění dosavadní tempo růstu). 21
22 Dekompozice časové řady model konstantní sezónnosti i = 1, 2,, n roční index j = 1, 2,, r sezónní index rozklad: 1 r i = ij = i0 r j = 1 T y y n n r 1 1 S = y y = y y j ij ij i0 n i= 1 r n i= 1 j= 1 22
23 Příklad dekompozice Tabulka uvádí čtvrtletní odbyt nealko nápojů (v tis. litrů) vyrobených sodovkárnou v období čtvrtletí rok I II III IV ,4 33,2 40,8 31, ,1 33,5 41,1 31, ,5 34,2 42,2 30, , ,4 35,5 Proveďte rozklad na trendovou a sezónní složku. Aproximujte trend lineární regresní funkcí a proveďte odhad na jednotlivá čtvrtletí roku
24 Příklad doplníme tabulku o průměry: čtvrtletí průměr rok I II III IV T i ,4 33,2 40,8 31,2 31, ,1 33,5 41,1 31,8 32, ,5 34,2 42,2 30,9 32, , ,4 35,5 35,0 průměr 23,3 34,2 41,9 32,4 32,9 S j -9,6 1,3 8,9-0,6 spočítáme trendovou funkci (rok 2000 t = 0): 24
25 Příklad spočítáme odhad T 4 pro rok 2004: T 4 = 31,37 + 1, = 35, 6 konečně spočítáme odhady Y ij pro rok 2004: Y = T + S = 35,6 9,6 = 26, Y = T + S = 35, 6 + 1,3 = 36, Y = T + S = 35, 6 + 8,9 = 44, Y = T + S = 35,6 0,6 = 35,
26 Příklad graf modelované funkce a odhadu Výroba limonád y - řada Y - model Q1 2000Q3 2001Q1 2001Q3 2002Q1 2002Q3 2003Q1 2003Q3 2004Q1 2004Q3 26
27 Konec přednášek a hodně úspěchů u zkoušky
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chb v této presentaci mě prosím upozorněte. Děkuji. Tto slid berte pouze jako doplňkový materiál není v nich
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VíceKGG/STG Statistika pro geografy. Mgr. David Fiedor 4. května 2015
KGG/STG Statistika pro geografy 11. Analýza časových řad Mgr. David Fiedor 4. května 2015 Motivace Úvod chceme získat představu o charakteru procesu, která časová řada reprezentuje Jaké jevy lze znázornit
Více8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA
8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA RYCHLÝ NÁHLED KAPITOLY Následující kapitolou pokračujeme v tématu analýza časových řad a blíže se budeme zabývat problematikou jich pravidelné kolísavost, která je
VíceStatistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing.
1.2 Prezentace statistických dat Statistická prezentace je umění vytvořit dobrou tabulku nebo graf, které přitáhnou oko k tomu, co je zajímavé. Mgr. Ing. Jan Spousta Co se dozvíte Statistické ukazatele.
VíceSTATISTIKA I Metodický list č. 1 Název tématického celku:
STATISTIKA I Metodický list č. 1 Analýza závislostí Základním cílem tohoto tématického celku je seznámit se s pokročilejšími metodami zpracování statistických údajů.. 1. kontingenční tabulky 2. regresní
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Logistická křivka Umělé proměnné Cvičení 11 Zuzana Dlouhá Logistická křivka log-lineární model patří mezi poptávkové funkce, ty dělíme na: a) klasické D = f (příjem, cenový index,
VíceEkonomické předstihové ukazatele: nástroj krátkodobé predikce
Ekonomické předstihové ukazatele: nástroj krátkodobé predikce Vojtěch Benda ČNB, Sekce měnová a statistiky email: vojtech.benda@cnb.cz Ekonomické předstihové ukazatele (LEI) kritéria výběru Opora v ekonomické
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VíceČasové řady - Cvičení
Časové řady - Cvičení Příklad 2: Zobrazte měsíční časovou řadu míry nezaměstnanosti v obci Rybitví za roky 2005-2010. Příslušná data naleznete v souboru cas_rada.xlsx. Řešení: 1. Pro transformaci dat do
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
VíceZápočtové úkoly Statistika II PAEK, LS 2014 2015
Zápočtové úkoly Statistika II PAEK, LS 2014 2015 Pokyny Každý student odevzdává domácí úkol sám za sebe. Odevzdání proběhne přes systém moodle v předmětu Statistika II PaEK (ESE74E) přes odkaz Zápočtový
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
Vícepředmětu MAKROEKONOMIE
Metodický list pro první soustředění kombinovaného studia předmětu Přednášející: doc. Ing. Božena Kadeřábková, CSc. Úvod do makroekonomie a hrubý domácí produkt, model 45 1. Úvod do makroekonomie, pojem
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
VíceVybrané statistické metody. You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.
Vybrané statistické metody Analýza časových řad Statistická řada je posloupnost hodnot znaku, které jsou určitým způsobem uspořádány. Je-li toto uspořádání realizováno na základě časového sledu hodnot
VíceÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7
OBSAH ÚLOHA 1. EXPONENCIÁLNÍ MODEL...2 ÚLOHA 2. MOCNINNÝ MODEL...7 Úloha 1. Exponenciální model Zadání: Použijte exponenciální model pro stanovení počáteční hodnoty aktivity radionuklidu Ag 110m. Aktivita
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 02/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 02/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 2 Průmyslová
VícePERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH. Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc.
PERIODICITA A PŘEDPOVĚDI VÝSKYTU SUCHA V PODZEMNÍCH VODÁCH Ing. Eva Soukalová, CSc. Ing. Radomír Muzikář, CSc. Srpen -Květen Doba opakování Klimatická změna a PZV Danube River Basin Climate Change Adaption
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 01/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 01/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 2 Průmyslová
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 04/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 04/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 2 Průmyslová
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 04/2015
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 04/2015 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Průmyslová produkce... 2 Nezaměstnanost...
VíceYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 05/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 05/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 2 Průmyslová
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 9/2012
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 9/2012 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Průmyslová produkce... 3 Nezaměstnanost...
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 08/2010
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 08/2010 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 06/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 06/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 2 Průmyslová
VíceDynamické metody pro predikci rizika
Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např
VícePísemná práce k modulu Statistika
The Nottingham Trent University B.I.B.S., a. s. Brno BA (Hons) in Business Management Písemná práce k modulu Statistika Číslo zadání: 144 Autor: Zdeněk Fekar Ročník: II., 2005/2006 1 Prohlašuji, že jsem
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 07/2015
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 07/2015 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Průmyslová produkce... 2 Nezaměstnanost...
Více1 Indexy a časové řady. 1.1 Srovnávání ukazatelů, indexy
1 Indexy a časové řady 1.1 Srovnávání ukazatelů, indexy Pojem statistický ukazatel se používá zejména v ekonomické statistice jako synonymum pro statistický znak. Tento pojem je používán jak pro statistické
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 09/2010
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 09/2010 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
VíceMakroekonomické informace 6/2009 2015-05-04 00:00:00
Makroekonomické informace 6/2009 205-05-04 00:00:00 2 V březnu 2009 - dle údajů NBP - činil příliv přímých zahraničních investic do Polska celkem 407 mil. EUR. Příliv přímých zahraničních investic V březnu
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 09/2015
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 09/2015 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Průmyslová produkce... 2 Nezaměstnanost...
VíceČasové řady a jejich periodicita úvod
Časové řady a jejich periodicita úvod Jana Klicnarová Katedra aplikované matematiky a informatiky Jihočeská Univerzita v Českých Budějovicích, Ekonomická fakulta 2010 Časové řady Data, která získáváme
Více3. Nominální a reálná konvergence ČR k evropské hospodářské a měnové unii
. Nominální a reálná konvergence k evropské hospodářské a měnové unii Česká republika podle výsledků za rok a aktuálně analyzovaného období (duben až březen ) plní jako jediná ze čtveřice,, a tři ze čtyř
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 09/2013
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 09/2013 Obsah Příliv přímých zahraničních investic... 2 Polské zahraniční investice... 2 Inflace... 2 Průmyslová
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 02/2015
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 02/2015 Obsah Příliv přímých zahraničních investic... 2 Polské přímé zahraniční investice... 2 Inflace... 2 Průmyslová
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Více13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách
13 Regrese 13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách znaku X. Přitom je třeba vyřešit jednak volbu funkcí k vystižení dané závislosti a dále stanovení konkrétních
Více2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí
Příklady užití časových řad k predikci rizikových jevů 1 Očekávaná doba dožití v ČR Máme k dispozici časovou řadu udávající očekávanou dobu dožití v České republice od roku 1960 do roku 2011 (datový soubor
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 11/2010
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 11/2010 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 08/2014
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 08/2014 Obsah Příliv přímých zahraničních investic... 2 Polské přímé zahraniční investice... 2 Inflace... 2 Průmyslová
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 1/2011
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 1/2011 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých
VíceEkonometrie. Jiří Neubauer
Úvod do analýzy časových řad Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Úvod do analýzy
VíceMĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
VíceMO-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
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
VíceMěření ekonomiky. Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze
Měření ekonomiky Ing. Jakub Fischer Katedra ekonomické statistiky VŠE v Praze Struktura přednášky Nezaměstnanost Inflace Hrubý domácí produkt Platební bilance Nezaměstnanost Základem je rozdělení osob
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 12/2010
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 12/2010 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceKorelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
VíceUrčeno studentům středního vzdělávání s maturitní zkouškou, předmět Ekonomika, okruh Národní a mezinárodní ekonomika
Určeno studentům středního vzdělávání s maturitní zkouškou, předmět Ekonomika, okruh Národní a mezinárodní ekonomika Materiál vytvořil: Ing. Karel Průcha Období vytvoření VM: říjen 2013 Klíčová slova:
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 05/2013
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 05/2013 Obsah Příliv přímých zahraničních investic... 2 Polské zahraniční investice... 2 Inflace... 2 Průmyslová
VícePřednáška č.7 Ing. Sylvie Riederová
Přednáška č.7 Ing. Sylvie Riederová 1. Aplikace klasifikace nákladů na změnu objemu výroby 2. Modelování nákladů Podstata modelování nákladů Nákladové funkce Stanovení parametrů nákladových funkcí Klasifikační
Více4ST201 STATISTIKA CVIČENÍ Č. 10
4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte
VíceSEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
VíceAnalýza vývoje příjmů a výdajů domácností ČR v roce 2015 a predikce na další období. (textová část)
I. Analýza vývoje příjmů a výdajů domácností ČR v roce 2015 a predikce na další období (textová část) Obsah strana Metodika a zdroje použitých dat... 1 A. Základní charakteristika příjmové a výdajové situace
VíceDŮSLEDKY STÁRNUTÍ POPULACE NA POTŘEBU SOCIÁLNÍCH SLUŽEB PRO SENIORY NA PÍSECKU
DŮSLEDKY STÁRNUTÍ POPULACE NA POTŘEBU SOCIÁLNÍCH SLUŽEB PRO SENIORY NA PÍSECKU Ladislav Průša Abstrakt Stárnutí populace se nedotýká pouze systému důchodového pojištění, ale bezprostředně se dotýká rovněž
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceAnalýza vývoje příjmů a výdajů domácností ČR v roce 2014 a predikce na další období. (textová část)
I. Analýza vývoje příjmů a výdajů domácností ČR v roce 2014 a predikce na další období (textová část) Obsah strana Metodika a zdroje použitých dat... 1 A. Základní charakteristika příjmové a výdajové situace
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceIndexy, analýza HDP, neaditivnost
Indexy, analýza HDP, neaditivnost 1.) ŘETĚZOVÉ A BAZICKÉ INDEXY 1999 2000 2001 2002 Objem vkladů (mld. Kč) 80,8 83,7 91,5 79,4 a) určete bazické indexy objemu vkladů (1999=100) Rok 1999=100 báze. Pro rok
VíceCíl: seznámení s pojetím peněz v ekonomické teorii a s fungováním trhu peněz. Peníze jako prostředek směny, zúčtovací jednotka a uchovatel hodnoty.
Vysoká škola finanční a správní, o. p. s. Akademický rok 2006/07, letní semestr Kombinované studium Předmět: Makroekonomie (Bc.) Metodický list č. 3 7) Peníze a trh peněz. 8) Otevřená ekonomika 7) Peníze
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceMakroekonomické informace 2/ :00:00
Makroekonomické informace 2/2009 205-05-04 00:00:00 2 Příliv přímých zahraničních investic Od ledna do konce listopadu 2008 - dle údajů NBP (Polské národní banky) činil příliv přímých zahraničních investic
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 02/2013
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 02/2013 Obsah Příliv přímých zahraničních investic... 2 Polské zahraniční investice... 2 Inflace... 2 Průmyslová
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 08/2016
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 08/2016 Obsah Příliv zahraničních investic... 2 Polské přímé investice v zahraničí... 2 Inflace... 3 Průmyslová
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
VíceIB112 Základy matematiky
IB112 Základy matematiky Řešení soustavy lineárních rovnic, matice, vektory Jan Strejček IB112 Základy matematiky: Řešení soustavy lineárních rovnic, matice, vektory 2/53 Obsah Soustava lineárních rovnic
VíceObsah Úvod...3 Cíl práce...4 Literární p ehled...5 Teoretická ást...6 Vlastní práce...21
Obsah 1 Úvod...3 Cíl práce...4 3 Literární přehled...5 4 Teoretická část...6 4.1 Nezaměstnanost...6 4.1.1 Druhy nezaměstnanosti...6 4.1. Měření nezaměstnanosti...7 4. Trh práce v okrese Hodonín...8 4.3
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 3: Lineární regresní model LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Seznámení s EViews Upřesnění
VíceKomoditní karta Květen 2018 S k o t, h o v ě z í m a s o
Komoditní karta Květen 2018 S k o t, h o v ě z í m a s o Vývoj početních stavů skotu celkem a krav dle kategorií k 1.4. ks Kategorie 2002 2003 2004 2006 2007 2008 2009 Skot celkem 1 520 136 1 473 828 1
VíceTECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD
TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD Umělé (dummy) proměnné se používají, pokud chceme do modelu zahrnout proměnné, které mají kvalitativní či diskrétní charakter,
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceIDENTIFIKACE KLÍČOVÝCH FAKTORŮ OVLIVŇUJÍCÍCH VÝVOJ CEN V KOMODITNÍ VERTIKÁLE KRMNÉHO OBILÍ
IDENTIFIKACE KLÍČOVÝCH FAKTORŮ OVLIVŇUJÍCÍCH VÝVOJ CEN V KOMODITNÍ VERTIKÁLE KRMNÉHO OBILÍ IDENTIFICATION OF KEY FACTORS INFLUENCING PRICE DEVELOPMENT IN COMMODITY CHAIN OF FEED GRAINS Iva Lechanová Anotace:
VíceTRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE
RESEARCH TRH REZIDENČNÍCH NEMOVITOSTÍ V PRAZE ZPRÁVA O STAVU ZA 1/H1 5 7 9 1 11 1 13 Jan 1 Feb 1 March 1 April 1 May 1 June 1 5 7 9 1 11 1 13 1* 15* 1* Tato nová zpráva Vám poskytne aktuální informace
VíceHedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D.
Hedonický cenový index na datech poskytovatelů hypotečních úvěrů Ing. Mgr. Martin Lux, Ph.D. Proč nový index? V ČR existuje již několik cenových indexů například index ČSÚ (na transakčních i nabídkových
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
Více4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
VíceParametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =
Příklad 1 Metodou nejmenších čtverců nalezněte odhad lineární regresní funkce popisující závislost mezi výnosy pšenice a množstvím použitého hnojiva na základě hodnot výběrového souboru uvedeného v tabulce.
VíceMakroekonomické informace 3/2009 2015-05-04 00:00:00
Makroekonomické informace 3/2009 205-05-04 00:00:00 2 Po celý rok 2008 dle údajů NBP (Polské národní banky) - činil příliv přímých zahraničních investic do Polska celkem 50 mil. EUR. Příliv přímých zahraničních
VíceStatistika. 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
VícePlánování experimentu
Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Ing. Radek Růčka Přednášející: Prof. Ing. Jiří Militký, CSc. 1. LEPTÁNÍ PLAZMOU 1.1 Zadání Proces
VíceOddělení propagace obchodu a investic Velvyslanectví PR v Praze. Makroekonomické informace 12/2012
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 12/2012 Obsah Příliv přímých zahraničních investic... 2 Polské zahraniční investice... 2 Inflace... 2 Průmyslová
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceMakroekonomické informace 4/2009 2015-05-04 00:00:00
Makroekonomické informace 4/2009 205-05-04 00:00:00 2 V lednu 2009 činil příliv prímých zahraničních investic do Polska - dle údajů NBP (Polské národní banky) - celkem 475 mil. EUR. Příliv přímých zahraničních
VíceOddělení propagace obchodu a investic. Velvyslanectví PR v Praze. Makroekonomické informace 2/2011
Oddělení propagace obchodu a investic Velvyslanectví PR v Praze Makroekonomické informace 2/2011 Obsah Příliv přímých zahraničních investic... 2 Inflace... 2 Výroba... 3 Nezaměstnanost... 4 Průměrná mzda...
Více4.1 Metoda horizontální a vertikální finanční analýzy
4. Extenzívní ukazatelé finanční analýzy 4.1 Metoda horizontální a vertikální finanční analýzy 4.1.1 Horizontální analýza (analýza vývojových trendů -AVT) AVT = časové změny ukazatelů (nejen absolutních)
VíceVybrané hospodářské, měnové a sociální ukazatele
M O N I T O R Vybrané hospodářské, měnové a sociální ukazatele 4-2006 Parlament České republiky Kancelář Poslanecké sněmovny Parlamentní institut Ekonomický a sociální monitor Duben 2006 OBSAH ČTVRTLETNĚ
VícePravděpodobnost 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
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ
VíceNeuronové časové řady (ANN-TS)
Neuronové časové řady (ANN-TS) Menu: QCExpert Prediktivní metody Neuronové časové řady Tento modul (Artificial Neural Network Time Series ANN-TS) využívá modelovacího potenciálu neuronové sítě k predikci
VíceKrátkodobá rovnováha na trhu peněz
Makroekonomická analýza přednáška 9 1 Krátkodobá rovnováha na trhu peněz Funkce poptávky po penězích Poptávka po penězích je úměrná cenové hladině (poptávka po penězích je poptávka po reálných penězích).
Více4. Aplikace matematiky v ekonomii
4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =
Vícenaopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.
Datum:... Jméno:... Přijímací řízení pro akademický rok 28/9 na magisterské studijní obor Finanční informatiky a statistika Písemná část přijímací zkoušky z matematiky Za každou správnou odpověd se získávají
Více