Statistické metody v ekonomii



Podobné dokumenty
Úvodem Dříve les než stromy 3 Operace s maticemi

Základy matematické statistiky

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Tématické okruhy pro státní závěrečné zkoušky. magisterské studium

Pořízení licencí statistického SW

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Dynamické metody pro predikci rizika

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

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

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

Regresní a korelační analýza

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

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

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,

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

Bakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika. 1 Úvodní poznámky. Verze: 13. června 2013

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

V praxi pracujeme s daty nominálními (nabývají pouze dvou hodnot), kategoriálními (nabývají více

PRAVDĚPODOBNOST A STATISTIKA

Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

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

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

Statistická analýza jednorozměrných dat

Korelační a regresní analýza

4EK211 Základy ekonometrie

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

STATISTICA Téma 8. Regresní a korelační analýza, regrese prostá

LINEÁRNÍ REGRESE. Lineární regresní model

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

Kontingenční tabulky, korelační koeficienty

KGG/STG Statistika pro geografy

6. T e s t o v á n í h y p o t é z

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management kvality"

STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák

PRAVDĚPODOBNOST A STATISTIKA

VÍCEROZMĚRNÝ STATISTICKÝ SOUBOR

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

Tomáš Karel LS 2012/2013

Tvorba nelineárních regresních modelů v analýze dat

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

Kontingenční tabulky, korelační koeficienty

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

UNIVERZITA PARDUBICE

Pravděpodobnost a statistika I KMA/K413

4ST201 STATISTIKA CVIČENÍ Č. 8

Měření závislosti statistických dat

UNIVERSITA PALACKÉHO V OLOMOUCI PŘÍRODOVĚDECKÁ FAKULTA. KATEDRA MATEMATICKÉ ANALÝZY A APLIKACÍ MATEMATIKY školní rok 2009/2010 BAKALÁŘSKÁ PRÁCE

Tomáš Karel LS 2012/2013

NMSA202 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA POZNÁMKY O ZKOUŠCE

Tomáš Karel LS 2012/2013

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Vícerozměrné statistické metody

Inovace bakalářského studijního oboru Aplikovaná chemie

Institut rozvoje evropských regionů o.p.s.

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

Matematika III 10. týden Číselné charakteristiky střední hodnota, rozptyl, kovariance, korelace

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Pravděpodobnost a aplikovaná statistika

S E M E S T R Á L N Í

Náhodné veličiny jsou nekorelované, neexistuje mezi nimi korelační vztah. Když jsou X; Y nekorelované, nemusí být nezávislé.

Semestrální práce. 2. semestr

Rozptyl. Pozn.: rozptyl je nezávislý na posunu hustoty pravděpodobnosti na ose x, protože Var(X) mi určuje jen šířku rozdělení.

Aplikovaná statistika 2007 program přednášek pro 2. ročník denního studia

2.2 Kalibrace a limity její p esnosti

1. Pravděpodobnost a statistika (MP leden 2010)

Literatura učebnice z minulého semestru Jarošová, Pecáková sbírka příkladů pro statistiku B (2000 a novější)

Robust ledna 5. února 2010, Králíky

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Tématické celky { kontrolní otázky.

AVDAT Mnohorozměrné metody, metody klasifikace

MÍRY ZÁVISLOSTI (KORELACE A REGRESE)

Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (AKADEMIE)

BAKALÁŘSKÁ PRÁCE METODY ANALÝZY ZÁVISLOSTI S VYUŽITÍM KORELACE A LOGISTICKÉ REGRESE V PROSTŘEDÍ R

Tomáš Karel LS 2012/2013

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Kalibrace a limity její přesnosti

pravděpodobnosti Pravděpodobnost je teorií statistiky a statistika je praxí teorie pravděpodobnosti.

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Ekonomické èasové øady. doc. Ing. Josef Arlt, CSc. Ing. Markéta Arltová, Ph.D. Vlastnosti, metody modelování, pøíklady a aplikace

LIBČANY MILAN FALTA PRAHA ROMÁNSKÝ KOSTEL NANEBEVZETÍ PANNY MARIE

PRAVDĚPODOBNOST A STATISTIKA 1 Metodický list č 1.

Přednáška 4. Lukáš Frýd

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Obr. 1: Vizualizace dat pacientů, kontrolních subjektů a testovacího subjektu.

Zpracování a vyhodnocování analytických dat

Cronbachův koeficient α nová adaptovaná metoda uvedení vlastností položkové analýzy deskriptivní induktivní parametrické

Tomáš Karel LS 2012/2013

Učitelství 2. stupně ZŠ tématické plány předmětů matematika

STATISTIKA LS Garant předmětu: Ing. Martina Litschmannová, Ph.D. Přednášející: Ing. Martina Litschmannová, Ph.D.

Transkript:

Statistické metody v ekonomii vyučující: Mgr. David Zapletal, Ph.D. Výuka probíhá v počítačové učebně Univerzity Pardubice min počet účastníků pro otevření kurzu - 16 osob Testování hypotéz - běžné parametrické a neparametrické testy. Anova jedno, dvoufaktorová, trojné třídění, testy shody rozptylů. Regresní analýza, vícerozměrný model lineární regrese. Korelační analýza. Výběrový koeficient parciální korelace a mnohonásobné korelace. Koeficient tetrachorické korelace, koeficient biseriální korelace. Porušení základních předpokladů lineárního modelu (heteroskedasticita, testování heteroskedasticity). Autokorelace, testování autokorelace, multikolinearita. Vícerozměrné statistické metody-metoda hlavních komponent, faktorová analýza, principy, užití. Shluková analýza - metody, diskriminační analýza. Při výuce bude využíván software UNISTAT.

Pravděpodobnost vyučující: Mgr. David Zapletal, Ph.D. výuka probíhá o sobotách v Pardubicích min počet účastníků pro otevření kurzu - 16 osob Algebra náhodných jevů: definice základních pojmů operace s náhodnými jevy, pole náhodných jevů. Axiomatická, klasická, geometrická a statistická definice pravděpodobnosti. Vlastnosti pravděpodobnosti. Podmíněná pravděpodobnost, nezávislost jevů. Věta o úplné pravděpodobnosti, Bayesova věta. Bernoulliho nezávislé opakované pokusy a jejich zevšeobecnění. Jednorozměrná náhodná veličina. Rozdělení pravděpodobnosti, distribuční funkce, její vlastnosti. Diskrétní a spojitá náhodná veličina. Hustota pravděpodobnosti a její vlastnosti. Některá běžná rozdělení pravděpodobností. Vícerozměrná náhodná veličina. Rozdělení pravděpodobnosti, vícerozměrná distribuční funkce, její vlastnosti. Marginální distribuční funkce. Nezávislé náhodné veličiny. Typy vícerozměrných náhodných veličin - spojité, diskrétní a smíšené. Podmíněné rozdělení pravděpodobností. Funkce jednorozměrných a vícerozměrných náhodných veličin a jejich rozdělení pravděpodobností. Konvoluce. Charakteristiky jednorozměrných i vícerozměrných náhodných veličin, míry závislosti. Střední hodnota, disperze, kovariance, jejich vlastnosti.vytvořující funkce momentová. Stochastická závislost, regrese a korelace. Čebyševova nerovnost. Limitní věty - zákony velkých čísel ve více obměnách, centrální limitní věta.

Statistika 20 vyučovacích hodin vyučující: doc. PaedDr. Jana Kubanová, CSc. výuka probíhá v penzionu Staré Časy, Havlíčkova ul. v Pardubicích min počet účastníků pro otevření kurzu - 16 osob Náhodný výběr, třídění náhodného výběru, výběrové charakteristiky, kvantily. Empirické rozdělení pravděpodobnosti. Rozdělení pravděpodobnosti některých výběrových charakteristik. Odhady parametrů. Bodové odhady, metoda momentů, metoda maximální věrohodnosti. Intervalové odhady pro střední hodnotu, pro rozptyl. Testování hypotéz. Testy významnosti pro střední hodnoty, pro rozptyl. Testy shody, chí kvadrát test. Neparametrické testy, znaménkový, Wilcoxonovy, odlehlých hodnot, test nezávislosti a další. Regresní analýza. Lineární regrese. Metoda nejmenších čtverců. Lineární regresní model pro funkci y = a+bf(x). Korelační analýza. Pearsonův a Spearmanův koeficient korelace. Testy významnosti pro koeficient korelace. Popisná statistika. Časové řady, analýza časových řad - základní přístupy, dekompozice časových řad. Vyrovnávání časových řad, klouzavé průměry, prokládání funkcí. Indexy bazické, řetězcové, jednoduché a složené individuální indexy, souhrnné indexy.

Digitální fotografie 12 vyučovacích hodin (3 setkání po 4 hodinách) vyučující: Evžen Báchor výuka bude probíhat v prostorách Univerzity Pardubice velikost skupiny: 10 12 osob program kurzu: 1.setkání: - tvorba obrazu - práce s barvou 2. setkání: - ostření obrazu - hloubka ostrosti - kompozice obrazu 3. setkání: - počítačové zpracování snímků předpokládá se vlastní digitální fotoaparát doporučuje se notebook s Phtoshopem (není podmínkou)

Architektonická kresba Vyučující oba běhy: Ing. arch. Iva Svobodová výuka bude probíhat částečně v prostorách Univerzity Pardubice, částečně v exteriérech nebo interiérech mimo univerzitu velikost skupiny: 10 max 15 osob Program jednoho běhu kurzu 4 setkání: - seznámení s možnostmi architektonické kresby, zejména památkových objektů, princip axonometrie, konstrukce axonometrie vybraných objektů (1 setkání) - kresba architektonických detailů, objektů - v terénu, např. zámek v Pardubicích, zelená brána, domy na náměstí, kostel sv. Bartoloměje, hrad Kunětická hora, Sezemice kostel Nejsvětější Trojice, zvonice, barokní domy, apod. (2 setkání) - stavební plány jejich čtení, skicování, zamřeno na půdorysy, zobrazení schodiště, pohledy, řezy, ad. (1 setkání) pozn. kurzy mohou mít program přizpůsoben zájmu účastníků, zejména lze 2. běh koncipovat jako pokračování 1. běhu potřeby: - skicák min velikosti A3, event. pevná podložka - měkká a středně měkká tužka - doporučuje se trojúhelník - na kresbu v terénu je vhodné mít rozkládací sedátko (není podmínkou)

Příprava projektu a žádosti o dotaci zaměřeno na OP VK 1. den: základy - 4 vyučovací hodiny, 2. den: pokračování - 4 vyučovací hodiny, vyučující: Ing. Alena Brožková, Ph.D. výuka bude probíhat v prostorách Univerzity Pardubice velikost skupiny: 10 max 15 osob 1. den: základy - vytvoření projektového záměru, matice logického rámce - strategie zpracování projektové žádosti - analýza potřeb a zdůvodnění potřebnosti projektu - popis klíčových aktivit - seznámení s databází BENEFIT 7 krok za krokem 2. den: pokračování - rozpočet projektu (BENEFIT 7) - monitorovací indikátory (výstupy, výsledky) - možná rizika při řešení projektu a jejich řešení - udržitelnost projektu

a další kurzy, které pro Vás průběžně připravujeme přihlášky a další informace na www.irer.cz nebo mailem: iva.svobodova@upce.cz kurz časová dotace cena Statistické metody v ekonomii 20 hodin 3.500,- Kč Pravděpodobnost 20 hodin 3.500,- Kč Statistika 20 hodin 3 500,- Kč Digitální fotografie 15 hodin 2.400,- Kč Architektonická kresba 12 hodin 1.950,- Kč Příprava projektu a projektové žádosti o dotaci 8 hodin 1.600,- Kč