Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017

Rozměr: px
Začít zobrazení ze stránky:

Download "Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017"

Transkript

1 Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017 Zadání: Predikujte na základě modelování časových řad nejlepší možný odhad počtu prodaných nových aut v průběhu roku Datový soubor: Pro analýzu bude v okamžiku začátku testu dostupný na adrese jana.seknicka.eu/vyuka ČVUT FJFI 18AEK Cvičení datový soubor, obsahující reálná čtvrtletní data od 1. čtvrtletí roku 1976 do 4. čtvrtletí roku 1989 (resp. 4. čtvrtletí roku 1990), obsahující údaje o počtu prodaných nových aut. Soubor obsahuje 5 časových řad: Rok_ctvrtleti proměnná ve formátu rokqctvrtletí (např. 1976Q4 tedy označuje 4. čtvrtletí roku 1976), s hodnotami 1976Q1 1990Q4. Pocet_aut proměnná udávající počet prodaných nových aut v příslušném čtvrtletí v tisících kusů, s hodnotami pro 1. čtvrtletí čtvrtletí Populace proměnná udávající počet obyvatel v milionech, s hodnotami pro 1. čtvrtletí čtvrtletí Prijem proměnná udávající disponibilní osobní příjem na hlavu v tisících dolarů diskontovaný k roku 1982, s hodnotami pro 1. čtvrtletí čtvrtletí Urokova_sazba proměnná udávající tzv. prime interest rate (úroková sazba na krátkodobé půjčky, kterou vypisuje banka) v procentech, s hodnotami pro 1. čtvrtletí čtvrtletí Ekonomický základ: Na základě dostupných čtvrtletních dat pro roky byla provedena ekonometrická analýza pro modelování závislosti počtu prodaných nových aut na dalších osmnácti ekonomických veličinách. Nejlepším plně verifikovaným modelem byl lineární regresní model (viz výpis z GRETLu na obr. 1): pocet_aut = 9480,18 57,6856 populace + 597,725 prijem 34,4008 urokova_sazba + u. Předpokládejme, že model je plně verifikovaný, což mimo jiné znamená, že normalita reziduí, heteroskedasticita, autokorelace prvního řádu ani multikolinearita nejsou problémem. Na základě dostupných dat je možné zobrazit výše uvedené časové řady: Pocet_aut na obr. 2, Populace na obr. 3, Prijem na obr. 4 a Urokova_sazba na obr. 5. Předpovědi hodnot poctu_aut do budoucnosti pro následující 4 čtvrtletí (rok 1990) lze získat několika způsoby na základě různých modelů. Připomeňme, že nejlepší modely zahrnují veškeré apriorní (předem dané) informace, které jsou k dispozici.

2 Obrázek 1: Lineární regresní model pocet_aut Obrázek 2: Graf časové řady počet_aut

3 populace Obrázek 3: Graf časové řady populace 12 11,5 11 prijem 10,5 10 9,5 9 Obrázek 4: Graf časové řady prijem

4 urokova_sazba Obrázek 5: Graf časové řady urokova_sazba Poznámky pro práci a zpracování problému: 1.) Přiložený datový soubor je ve formátu *.xls a obsahuje 1 list, název listu: auta. Hodnoty proměnných jsou uspořádány do sloupců, na prvním řádku jsou uvedeny názvy proměnných (v pořadí uvedeném v části Datový soubor). Chybějící hodnoty nejsou nijak označeny, v souboru chybí 8 hodnot roku 1990 (4 hodnoty pro počet_aut a 4 hodnoty pro populaci). 2.) Žádné další údaje nejsou a nebudou k dispozici. Pokud narazíte na jakýkoliv problém, je nutné, abyste ho nějak vyřešili. Pokud vám nějaká informace chybí, buď si ji obstarejte, nebo vyřešte problém bez ní. 3.) Datový soubor není třeba nijak předzpracovávat, je vytvořený v takové formě, aby bylo možné data přímo importovat do statistických softwarů. Poznámky pro vypracování a odevzdání práce: 1.) Datový soubor pro test bude dostupný na stránkách jana.seknicka.eu/vyuka ČVUT FJFI 18AEK Cvičení dne v 15:30. 2.) Čas na vypracování práce je 210 minut v době 15:30 19:00 dne ) Řešení odevzdávejte v jediném PDF souboru na jana.seknickova@vse.cz, do subjektu uveďte 18AEK-test 2. 4.) Akceptovány budou práce, které budou doručeny na výše uvedený nejpozději v pondělí do 19:30. 5.) Práci může zpracovávat samostatně jeden student nebo dvojice. Jména obou (jednoho) autorů musí být uvedena na první stránce odevzdávaného dokumentu.

5 Každý tým musí navíc odevzdat jedno papírové zadání opatřené svým(i) podpisem (podpisy) a ovou adresou pro případné kontaktování. 6.) Odevzdávaný dokument musí mít číslované stránky. 7.) Hledáte nejlepší možné řešení, kvalita výsledného řešení ovlivňuje vaše hodnocení. Mějte na paměti, že pokud něco nenapíšete, nemůžete za to dostat body (tzn. vkládejte zejména komentáře, úvahy a odvození, výstupy ze softwarů, atd.). 8.) Snažte se udělat protokol pokud možno přehledný a dobře čitelný používejte nadpisy, zvýrazňujte dílčí závěry, pro přehlednost neváhejte používat tabulky. 9.) Ujistěte se, že v závěru práce uvádíte odpověď na zadání testu a zdůvodnění Vaší odpovědi. 10.) Případné dotazy budou zodpovídány pouze osobně v době testu, tj. 15:30 19:00 v učebně T105.

Ilustrační příklad odhadu LRM v SW Gretl

Ilustrační příklad odhadu LRM v SW Gretl Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná

Více

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy

EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení

Více

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního

Více

4EK211 Základy ekonometrie

4EK211 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

Více

2011 (datový soubor life expectancy CR.txt). Budeme predikovat vývoj očekávané doby dožití pomocí

2011 (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

Více

Ilustrační příklad odhadu SM v SW Gretl

Ilustrační příklad odhadu SM v SW Gretl Ilustrační příklad odhadu SM v SW Gretl Odhad simultánního modelu (SM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná studijní pomůcka MM2011 Úvodní obrazovka Gretlu

Více

4EK211 Základy ekonometrie

4EK211 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

Více

Korelační a regresní analýza

Korelační 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

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základ ekonometrie Odhad klasického lineárního regresního modelu I Cvičení 2 Zuzana Dlouhá Metodologický postup tvor EM 1. Specifikace modelu určení proměnných určení vzájemných vaze mezi proměnnými

Více

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)

Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) 1. SPECIFIKACE (12 bodů): (1) Graf průběhu proměnných (1) Obě řady se chovají stejně, lze předpokládat jejich lineární vztah

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK11 Základy ekonometrie Autokorelace Cvičení 5 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady 1. E(u) = náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný

Více

18AEK Aplikovaná ekonometrie a teorie časových řad. Řešení domácích úkolů č. 1 a 2 příklad 1

18AEK Aplikovaná ekonometrie a teorie časových řad. Řešení domácích úkolů č. 1 a 2 příklad 1 18AEK Aplikovaná ekonometrie a teorie časových řad Řešení domácích úkolů č. 1 a 2 příklad 1 Obecné pravidlo pro všechny testy Je stanovena nulová hypotéza: H 0 Je stanovena alternativní hypotéza: H A Je

Více

Cvičení 9 dekompozice časových řad a ARMA procesy

Cvičení 9 dekompozice časových řad a ARMA procesy Cvičení 9 dekompozice časových řad a ARMA procesy Příklad 1: Dekompozice časové řady Soubor 18AEK-cv09.xls obsahuje dvě časové řady (X a Y) se 72 pozorováními. Použijte časovou řadu Y. a) Pokuste se na

Více

Slovo na úvod FTG 1 ZS Jasné vymezení hřiště a domluva pravidel hry usnadňuje vzájemnou komunikaci.

Slovo na úvod FTG 1 ZS Jasné vymezení hřiště a domluva pravidel hry usnadňuje vzájemnou komunikaci. Slovo na úvod Jasné vymezení hřiště a domluva pravidel hry usnadňuje vzájemnou komunikaci. Základní předpoklad jste tu proto, aby jste se dozvěděli něco nového a hlavně si něco nového prakticky zkusili

Více

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte

Více

Ekonometrie. Jiří Neubauer

Ekonometrie. 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

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

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

Analýza časových řad pomoci SAS82 for Win

Analýza časových řad pomoci SAS82 for Win Analýza časových řad pomoci SAS82 for Win 1) Vstupní data Vstupní data musí mít vhodný formát, tj. žádný oddělovač tisíců, správně nastavený desetinný oddělovač. Název proměnné pro SAS nesmí obsahovat

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 6: Multikolinearita, umělé proměnné LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Otevřete si data z

Více

4EK201 Matematické modelování. 11. Ekonometrie

4EK201 Matematické modelování. 11. Ekonometrie 4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické

Více

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium chemometrie na téma Statistické zpracování dat Semestrální práce ze 6. soustředění Předmět: 3.3 Tvorba nelineárních

Více

Statistika II. Jiří Neubauer

Statistika 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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti

Více

Lekce 1 úvod do ekonometrie

Lekce 1 úvod do ekonometrie Lekce 1 úvod do ekonometrie Některé věci se zde budou opakovat několikrát důležité pro rozležení v hlavě a jiný úhel pohledu Dokázat aplikovat ekonometrie nestačí se pouze naučit na zkoušku Základní kurz

Více

Příloha č. 1 Grafy a protokoly výstupy z adstatu

Příloha č. 1 Grafy a protokoly výstupy z adstatu 1 Příklad 3. Stanovení Si metodou OES Byly porovnávány naměřené hodnoty Si na automatickém analyzátoru OES s atestovanými hodnotami. Na základě testování statistické významnosti regresních parametrů (úseku

Více

Výsledný graf ukazuje následující obrázek.

Výsledný graf ukazuje následující obrázek. Úvod do problematiky GRAFY - SPOJNICOVÝ GRAF A XY A. Spojnicový graf Spojnicový graf používáme především v případě, kdy chceme graficky znázornit trend některé veličiny ve zvoleném časovém intervalu. V

Více

Analýza časových řad. John Watters: Jak se stát milionářem.

Analýza časových řad. John Watters: Jak se stát milionářem. 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.

Více

Příprava dat v softwaru Statistica

Příprava dat v softwaru Statistica Příprava dat v softwaru Statistica Software Statistica obsahuje pokročilé nástroje pro přípravu dat a tvorbu nových proměnných. Tyto funkcionality přinášejí značnou úsporu času při přípravě datového souboru,

Více

4EK211 Základy ekonometrie

4EK211 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

Více

Úloha 1: Lineární kalibrace

Úloha 1: Lineární kalibrace Úloha 1: Lineární kalibrace U pacientů s podezřením na rakovinu prostaty byl metodou GC/MS měřen obsah sarkosinu v moči. Pro kvantitativní stanovení bylo nutné změřit řadu kalibračních roztoků o různé

Více

Dynamické metody pro predikci rizika

Dynamické 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

Více

Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie Kalibrace a limity její přesnosti Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015

Více

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu

Více

12PPOK PROJEKTOVÁNÍ POZEMNÍCH KOMUNIKACÍ

12PPOK PROJEKTOVÁNÍ POZEMNÍCH KOMUNIKACÍ Stránka 1 (celkem 6) 12PPOK PROJEKTOVÁNÍ POZEMNÍCH KOMUNIKACÍ (PREZENČNÍ FORMA STUDIA) ZIMNÍ SEMESTR 2018 2019 Informace dle ustanovení čl. 2 odst. 3 Směrnice děkana č. 2/2018 Povinná účast na jednotlivých

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1

Více

Gymnázium a Střední odborná škola Moravské Budějovice. Pravidla pro tvorbu seminárních a maturitních prací

Gymnázium a Střední odborná škola Moravské Budějovice. Pravidla pro tvorbu seminárních a maturitních prací Gymnázium a Střední odborná škola Moravské Budějovice Pravidla pro tvorbu seminárních a maturitních prací Obsah 1. Rychlý přehled... 3 1.1. Vzhled stránky:... 3 1.2. Formát nadpisů:... 3 1.3. Formát odstavcového

Více

KMA Písemná část přijímací zkoušky - MFS 2o16

KMA Písemná část přijímací zkoušky - MFS 2o16 JMÉNO a PŘÍJMENÍ KMA Písemná část přijímací zkoušky - MFS 2o16 verze 1 / 28. 6. 2016 Pokyny k vypracování: Za každý správně vyřešený příklad lze získat 2 body. U zaškrtávacích otázek, je vždy správná právě

Více

STATISTICA Téma 1. Práce s datovým souborem

STATISTICA Téma 1. Práce s datovým souborem STATISTICA Téma 1. Práce s datovým souborem 1) Otevření datového souboru Program Statistika.cz otevíráme z ikony Start, nabídka Programy, podnabídka Statistika Cz 6. Ze dvou nabídnutých možností vybereme

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

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, úvod do časových řad LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Multikolinearita

Více

4EK211 Základy ekonometrie

4EK211 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

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá

Více

Časové řady - Cvičení

Časové 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

Více

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y Xβ ε Předpoklady: Matice X X n,k je matice realizací. Předpoklad: n > k, h(x) k - tj. matice

Více

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica

Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová. 5. Statistica Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek, M. Cvanová 5. Statistica StatSoft, Inc., http://www.statsoft.com, http://www.statsoft.cz. Verze pro Mac i PC, dostupná

Více

Kalibrace a limity její přesnosti

Kalibrace a limity její přesnosti SEMESTRÁLNÍ PRÁCE Kalibrace a limity její přesnosti 005/006 Ing. Petr Eliáš 1. LINEÁRNÍ KALIBRACE 1.1 Zadání Povrchově upravená suspenze TiO je protiproudně promývána v kaskádě Dorrových usazováků. Nejvíce

Více

Obecná teorie systémů

Obecná teorie systémů Obecná teorie systémů přednáší: R. Šára cvičí: J. Kostlivá, D. Martinec, M. Perďoch http://cmp.felk.cvut.cz/cmp/courses/ots/curr/ http://cyber.felk.cvut.cz/teaching/ ots@cmp.felk.cvut.cz (dotazy ke cvičení)

Více

Analýza rozptylu dvojného třídění

Analýza rozptylu dvojného třídění StatSoft Analýza rozptylu dvojného třídění V tomto příspěvku si ukážeme konkrétní práci v softwaru STATISTICA a to sice při detekci vlivu jednotlivých faktorů na chování laboratorních krys v bludišti.

Více

5EN306 Aplikované kvantitativní metody I

5EN306 Aplikované kvantitativní metody I 5EN306 Aplikované kvantitativní metody I Přednáška 5 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam

Více

František Batysta batysfra@fjfi.cvut.cz 19. listopadu 2009. Abstrakt

František Batysta batysfra@fjfi.cvut.cz 19. listopadu 2009. Abstrakt Automatický výpočet chyby nepřímého měření František Batysta batysfra@fjfi.cvut.cz 19. listopadu 2009 Abstrakt Pro správné vyhodnocení naměřených dat je třeba také vypočítat chybu měření. Pokud je neznámá

Více

Lineární regrese. Komentované řešení pomocí MS Excel

Lineární regrese. Komentované řešení pomocí MS Excel Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních

Více

Neuronové časové řady (ANN-TS)

Neuronové 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

Více

POZNÁMKY K HODNOCENÍ SOUBORŮ ILUSTRAČNÍ TEST 2012

POZNÁMKY K HODNOCENÍ SOUBORŮ ILUSTRAČNÍ TEST 2012 POZNÁMKY K HODNOCENÍ SOUBORŮ ILUSTRAČNÍ TEST 2012 Informatika - praktický subtest základní úroveň obtížnosti ITIZS12C0T01 Komentáře: Vstupní soubory některých úloh nemusejí být v souladu s typografickým

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové 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

Více

5EN306 Aplikované kvantitativní metody I

5EN306 Aplikované kvantitativní metody I 5EN306 Aplikované kvantitativní metody I Přednáška 3 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam

Více

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/129003/CNB/420

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/129003/CNB/420 NA PŘÍKOPĚ 28 115 03 PRAHA 1 V Praze dne 4. 11. 2016 Č.j.: 2016/129003/CNB/420 Poptávka České národní banky na výběr dodavatele veřejné zakázky Nová grafická podoba webových stránek ČNB II Česká národní

Více

Analýza dat s využitím MS Excel

Analýza dat s využitím MS Excel Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti

Více

4EK211 Základy ekonometrie

4EK211 Základy ekonometrie 4EK211 Základy ekonometrie ZS 2014/15 Cvičení 6: Dummy proměnné, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Pokračování z minula:

Více

Pokyny pro vypracování maturitní práce z Odborných předmětů

Pokyny pro vypracování maturitní práce z Odborných předmětů Střední škola gastronomie, hotelnictví a lesnictví Bzenec, příspěvková organizace Pokyny pro vypracování maturitní práce z Odborných předmětů Počet stran: 10 Příloha č. 3 Verze: 1 Číslo: Kód a název oboru:

Více

V zelené liště vpravo nahoře pod nabídkou Informace naleznete vzory formulářů výkazů, pokyny a vysvětlivky k jejich vyplnění a další informace.

V zelené liště vpravo nahoře pod nabídkou Informace naleznete vzory formulářů výkazů, pokyny a vysvětlivky k jejich vyplnění a další informace. Práce s aplikací pro zpracování statistických výkazů za vysoké školy a ostatní přímo řízené organizace (netýká se škol a školských zařízení v regionálním školství) 1. Postup: Přihlásíte se k internetu

Více

STATISTIKA I Metodický list č. 1 Název tématického celku:

STATISTIKA 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

Více

Cvičení č. 3. Sdílené prostředky a synchronizace Program Banka. 4 body

Cvičení č. 3. Sdílené prostředky a synchronizace Program Banka. 4 body Cvičení č. 3 Sdílené prostředky a synchronizace Program Banka 4 body Datum: 12.3.2008 1 Obsah 1. Úvod...2 2. Pokyny pro odevzdání...2 3. Příprava...2 4. Úlohy...3 4.1. Požadavky na program...3 4.2. Požadavky

Více

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Univerzita Pardubice SEMESTRÁLNÍ PRÁCE Tvorba lineárních regresních modelů 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D. Úloha 1 Porovnání regresních přímek u jednoduchého lineárního regresního modelu Porovnání

Více

4. Aplikace matematiky v ekonomii

4. 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 =

Více

Tomáš Cipra: Finanční ekonometrie. Ekopress, Praha 2008 (538 stran, ISBN: , cena Hlávkovy nadace v roce 2009) 1. ÚVOD...

Tomáš Cipra: Finanční ekonometrie. Ekopress, Praha 2008 (538 stran, ISBN: , cena Hlávkovy nadace v roce 2009) 1. ÚVOD... Tomáš Cipra: Finanční ekonometrie. Ekopress, Praha 2008 (538 stran, ISBN: 978-80-86929-43-9, cena Hlávkovy nadace v roce 2009) OBSAH SEZNAM NĚKTERÝCH SYMBOLŮ... 11 1. ÚVOD... 17 2. PŘEDMĚT FINANČNÍ EKONOMETRIE...

Více

Statistické vyhodnocení zkoušek betonového kompozitu

Statistické vyhodnocení zkoušek betonového kompozitu Statistické vyhodnocení zkoušek betonového kompozitu Thákurova 7, 166 29 Praha 6 Dejvice Česká republika Program přednášek a cvičení Výuka: Středa 10:00-11:40, C -204 Přednášky a cvičení: Statistické vyhodnocení

Více

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2. 1 3 4 5 6 7 8 9 10 11 1 13 14 15 16 17 18 19 0 1 3 4 5 6 7 8 9 30 31 3 Zdůvodněte, proč funkce f(n) = n log(n) 1 n 1/ roste rychleji než funkce g(n) = n. Zdůvodněte, proč funkce f(n) = n 3/ log(n) roste

Více

Zadání zápočtové práce

Zadání zápočtové práce 1. Zadání Vypracujte případovou studii s pomocí finanční a technologické analýzy na téma Návrh HW a SW vybavení PC v budoucím profesním zaměření, včetně síťového prostředí, ve variantě: maximální (m).

Více

Časové řady, typy trendových funkcí a odhady trendů

Časové 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

Více

MATLAB Úvod. Úvod do Matlabu. Miloslav Čapek

MATLAB Úvod. Úvod do Matlabu. Miloslav Čapek MATLAB Úvod Úvod do Matlabu Miloslav Čapek Proč se na FELu učit Matlab? Matlab je světový standard pro výuku v technických oborech využívá ho více než 3500 univerzit licence vlastní tisíce velkých firem

Více

Modely řízení ve firmě Rozsah předmětu: 4+2

Modely řízení ve firmě Rozsah předmětu: 4+2 Sylabus předmětu Modely řízení ve firmě Rozsah předmětu: 4+2 Přednášející, cvičící: Ing. Tomáš Ťoupal, Ph.D., katedra matematiky UC209, ttoupal@kma.zcu.cz. Konzultační hodiny: Uvedeny v rozvrhu viz internetové

Více

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25

Simplexové tabulky z minule. (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexové tabulky z minule (KMI ZF JU) Lineární programování EMM a OA O6 1 / 25 Simplexová metoda symbolicky Výchozí tabulka prom. v bázi zákl. proměné přídatné prom. omez. A E b c T 0 0 Tabulka po přepočtu

Více

Diagnostika regrese pomocí grafu 7krát jinak

Diagnostika regrese pomocí grafu 7krát jinak StatSoft Diagnostika regrese pomocí grafu 7krát jinak V tomto článečku si uděláme exkurzi do teorie regresní analýzy a detailně se podíváme na jeden jediný diagnostický graf. Jedná se o graf Předpovědi

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

https://zolotarev.fd.cvut.cz/tdl

https://zolotarev.fd.cvut.cz/tdl Technologie dopravy a logistika LS 15/16 Podmínky k získání klasifikovaného zápočtu (resp. zápočtu a složení zkoušky u studentů opakujících předmět 17TDL/17TDLK) podmínky jsou jednotné pro studenty v Praze

Více

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1

Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Pravděpodobnost a statistika (BI-PST) Cvičení č. 1 Katedra aplikované matematiky Fakulta informačních technologií České vysoké učení technické v Praze ZS 2014/2015 (FIT ČVUT) BI-PST, Cvičení č. 1 ZS 2014/2015

Více

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/091391/CNB/420

NA PŘÍKOPĚ PRAHA 1 V Praze dne Č.j.: 2016/091391/CNB/420 NA PŘÍKOPĚ 28 115 03 PRAHA 1 V Praze dne 3. 8. 2016 Č.j.: 2016/091391/CNB/420 Poptávka České národní banky na výběr dodavatele veřejné zakázky Nová grafická podoba webových stránek ČNB Česká národní banka

Více

ZÁKLADNÍ INFORMACE K DIPLOMOVÝM PRACÍM:

ZÁKLADNÍ INFORMACE K DIPLOMOVÝM PRACÍM: Seminář západoslovanských jazyků a literatur ZÁKLADNÍ INFORMACE K DIPLOMOVÝM PRACÍM: POVINNOSTI, TERMÍNY A HODNOCENÍ Mgr. et Mgr. Michal Przybylski (Ústav slavistiky FF MU) KDY A JAK ZAČÍT? Podle Studijního

Více

Bodové a intervalové odhady parametrů v regresním modelu

Bodové a intervalové odhady parametrů v regresním modelu Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model Mějme lineární regresní model (LRM) Y = Xβ + e, kde y 1 e 1 β y 2 Y =., e

Více

Moderní systémy pro získávání znalostí z informací a dat

Moderní systémy pro získávání znalostí z informací a dat Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:

Více

Hedonický 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. 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

Více

Reálné gymnázium a základní škola města Prostějova Školní vzdělávací program pro ZV Ruku v ruce

Reálné gymnázium a základní škola města Prostějova Školní vzdělávací program pro ZV Ruku v ruce 2 MATEMATIKA A JEJÍ APLIKACE UČEBNÍ OSNOVY 2. 2 Cvičení z matematiky Časová dotace 7. ročník 1 hodina 8. ročník 1 hodina 9. ročník 1 hodina Charakteristika: Předmět cvičení z matematiky doplňuje vzdělávací

Více

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý 0. Licenční studium Statistické zpracování dat 3.3 Tvorba nelineárních regresních modelů v analýze dat Vladimír Bajzík Liberec, únor, 007 Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3

Více

Informace k předmětu. Plasty ve strojírenství a konstrukci automobilů. Akademický rok: 2014/2015

Informace k předmětu. Plasty ve strojírenství a konstrukci automobilů. Akademický rok: 2014/2015 Informace k předmětu Plasty ve strojírenství a konstrukci automobilů Akademický rok: 2014/2015 doc. Dr. Ing. Ladislav Kovář, Ing. Štěpán Šanda, Ph.D., Ing. Jaroslav Schwarz Obsah 1 Podmínky udělení zápočtu...

Více

Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů

Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů Mendelova univerzita v Brně Provozně ekonomická fakulta Vliv úrokové sazby na objem poskytnutých hypotečních úvěrů Bakalářská práce Vedoucí práce: Ing. Luboš Střelec Ph.D. Autor práce: Andrea Korbičková

Více

2.2 Kalibrace a limity její p esnosti

2.2 Kalibrace a limity její p esnosti UNIVERZITA PARDUBICE Òkolní rok 000/001 Fakulta chemicko-technologická, Katedra analytické chemie LICEN NÍ STUDIUM STATISTICKÉ ZPRACOVÁNÍ DAT PÌI MANAGEMENTU JAKOSTI P EDM T:. Kalibrace a limity její p

Více

Analýza dat na PC I.

Analýza dat na PC I. CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika

Více

Metodologie pedagogického výzkumu II

Metodologie pedagogického výzkumu II Metodologie pedagogického výzkumu II kurz pro první ročník magisterského studia oboru pedagogiky, PedF UK rozsah kurzu: 1/1 výuka probíhá blokově: sobota 2.4. v 10:00-17:30 v R208 sobota 9.4. v 10:00-17:30

Více

Microsoft Excel kopírování vzorců, adresování, podmíněný formát. Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie

Microsoft Excel kopírování vzorců, adresování, podmíněný formát. Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie Microsoft Excel kopírování vzorců, adresování, podmíněný formát Mgr. Jan Veverka Střední odborná škola sociální Evangelická akademie Kopírování vzorců v mnoha případech je třeba provést stejný výpočet

Více

Jak používat statistiky položkové v systému WinShop Std.

Jak používat statistiky položkové v systému WinShop Std. Jak používat statistiky položkové v systému WinShop Std. Systém WinShop Std. využívá k zápisům jednotlivých realizovaných pohybů (příjem zboží, dodací listy, výdejky, převodky, prodej zboží na pokladně..)

Více

Manažerská ekonomika KM IT

Manažerská ekonomika KM IT KVANTITATIVNÍ METODY INFORMAČNÍ TECHNOLOGIE (zkouška č. 3) Cíl předmětu Získat základní znalosti v oblasti práce s ekonomickými ukazateli a daty, osvojit si znalosti finanční a pojistné matematiky, zvládnout

Více

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM

KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM KAPITOLA 9 - POKROČILÁ PRÁCE S TABULKOVÝM PROCESOREM CÍLE KAPITOLY Využívat pokročilé možnosti formátování, jako je podmíněné formátování, používat vlastní formát čísel a umět pracovat s listy. Používat

Více

Základy ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28

Základy ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28 Základy ekonometrie XI. Vektorové autoregresní modely Základy ekonometrie (ZAEK) XI. VAR modely Podzim 2015 1 / 28 Obsah tématu 1 Prognózování s VAR modely 2 Vektorové modely korekce chyb (VECM) 3 Impulzní

Více

VÝZVA K PODÁNÍ NABÍDKY

VÝZVA K PODÁNÍ NABÍDKY STŘEDNÍ ŠKOLA ŘEMESLNÁ A ZÁKLADNÍ ŠKOLA, SOBĚSLAV, WILSONOVA 405 VÝZVA K PODÁNÍ NABÍDKY Výběrové řízení není realizováno dle zákona č. 134/2016 Sb., o zadávání veřejných zakázek. Výběrové řízení je realizováno

Více

Finanční matematika. Mgr. Tat ána Funioková, Ph.D. 17. 9. 2012. Katedra matematických metod v ekonomice

Finanční matematika. Mgr. Tat ána Funioková, Ph.D. 17. 9. 2012. Katedra matematických metod v ekonomice Finanční matematika 1. přednáška Mgr. Tat ána Funioková, Ph.D. Vysoká škola báňská Technická univerzita Ostrava Katedra matematických metod v ekonomice 17. 9. 2012 Mgr. Tat ána Funioková, Ph.D. (VŠB TUO)

Více

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.

Více

Velmi stručný návod jak dostat data z Terminálu Bloomberg do R

Velmi stručný návod jak dostat data z Terminálu Bloomberg do R Velmi stručný návod jak dostat data z Terminálu Bloomberg do R Ondřej Pokora, PřF MU, Brno 11. března 2013 1 Terminál Bloomberg Klávesou Help získáte nápovědu. Dvojím stisknutím Help Help spustíte online

Více