ESF:PMSTAI Statistics I - Course Information

PMSTAI Statistics I

Extent and Intensity

2/2/0. 5 credit(s). Type of Completion: graded credit.

Teacher(s)

doc. RNDr. Jaroslav Michálek, CSc. (lecturer)
Mgr. David Hampel, Ph.D. (seminar tutor)
Mgr. Lucie Hampelová, Ph.D. (seminar tutor)
RNDr. Oldřich Kříž (seminar tutor), doc. RNDr. Jaroslav Michálek, CSc. (deputy)
RNDr. Oldřich Kříž (seminar tutor)
doc. RNDr. Jaroslav Michálek, CSc. (seminar tutor)
doc. Mgr. Jiří Neubauer, Ph.D. (seminar tutor)
doc. RNDr. Marek Sedlačík, Ph.D. (seminar tutor)
RNDr. Marie Budíková, Dr. (alternate examiner)

Guaranteed by

doc. RNDr. Jaroslav Michálek, CSc.
Department of Applied Mathematics and Computer Science – Faculty of Economics and Administration
Contact Person: Lenka Hráčková

Timetable

Wed 12:50–14:30 P101, Wed 12:50–14:30 P102

• Timetable of Seminar Groups:

PMSTAI/1: Wed 16:20–17:55 P312, L. Hampelová
PMSTAI/10: Thu 18:00–19:30 P103, L. Hampelová
PMSTAI/11: Thu 7:40–9:15 P102, J. Neubauer
PMSTAI/12: Tue 7:40–9:15 P104, L. Hampelová
PMSTAI/13: Thu 16:20–17:55 P104, D. Hampel
PMSTAI/14: Thu 18:00–19:35 P102, D. Hampel
PMSTAI/2: Wed 14:35–16:15 P304, J. Michálek
PMSTAI/3: Thu 14:35–16:15 P106, M. Sedlačík
PMSTAI/4: Mon 16:20–17:55 P303, L. Hampelová
PMSTAI/5: Thu 11:05–12:45 P106, L. Hampelová
PMSTAI/6: Wed 18:00–19:30 P304, L. Hampelová
PMSTAI/7: Thu 7:40–9:15 P103, L. Hampelová
PMSTAI/9: Thu 16:20–17:55 P103, L. Hampelová

Prerequisites (in Czech)

PMMAT2 Mathematics II || PMZMII Introduction to Mathematics II

Course Enrolment Limitations

The course is also offered to the students of the fields other than those the course is directly associated with.
The capacity limit for the course is 404 student(s).
Current registration and enrolment status: enrolled: 0/404, only registered: 0/404, only registered with preference (fields directly associated with the programme): 0/404

fields of study / plans the course is directly associated with

there are 6 fields of study the course is directly associated with, display

Course objectives (in Czech)

V kurzu budou probrány základní pojmy počtu pravděpodobností a základy popisné statistiky. Důraz bude kladen na: - důkladné porozumění pravděpodobnostním pojmům a na jejich využití v ekonomickém kontextu. - schopnost užití pojmů popisné statistiky k popisu ekonomických dat, zejména na tabulkový a grafický popis ekonomických dat. Osvojení těchto pojmů bude proloženo počítačovým zpracováním reálných ekonomických dat.

Syllabus (in Czech)

• Tématický plán přednášek: 1.Četnost a pravděpodobnost, různé přístupy k definici pravděpodobnosti, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh. 2. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností, příklady. 3.Vzorec pro celkovou pravděpodobnost, Bayesova věta, aplikace na manažerské rozhodo-vání. 4.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost. 5.Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat. 6.Charakteristiky popisné statistiky pro jednorozměrné a dvourozměrné znaky, výpočet charakteristik ekonomických ukazatelů. 7. Náhodné veličiny, distribuční funkce a její vlastnosti, diskrétní a spojité náhodné veličiny. 8. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti. 9. Sdružené rozdělení pravděpodobností, náhodné vektory, nezávislost náhodných veličin. Příklady (mnohorozměrné normální rozdělení, multinomické rozdělení). 10. Charakteristiky rozdělení pravděpodobností, střední hodnota, rozptyl, kvantily, medián, momenty, šikmost, špičatost a jejich použití při popisu ekonomických proměnných. 11. Čebyševova nerovnost a zákon velkých čísel. 12. Charakteristiky sdružených rozdělení pravděpodobností, kovariance, korelační koeficient, regresní přímka - vlastnosti a použití v ekonomii. 13. Shrnutí probrané látky, rezerva. Tématický plán a obsahové zaměření seminářů (podle týdnů výuky) 1. Matematický aparát - připomenutí pojmů z teorie množin a teorie integrálu (množné a vícenásobné integrály) - řešení základních typových příkladů užívaných v pravděpodobnosti 2. Náhodný jev a jevová algebra,vlastnosti. Vlastnosti četnosti. Klasická a geometrická pravděpodobnost, váhová definice pravděpodobnosti, axiomatická pravděpodobnost. Řešení vybraných pravděpodobnostních úloh. 3. Procvičení vlastností podmíněné pravděpodobnosti, vzorec pro součin podmíněných pravděpodobností, urnové modely a příklady z ekonomické oblasti. 4. Užití vzorce pro celkovou pravděpodobnost a Bayesovy věty k řešení reálných úloh, aplikace na manažerské rozhodování. 5. Příklady na nezávislost náhodných jevů a jejich vlastnosti, nezávislost po dvou a skupinová nezávislost, využití nezávislých náhodných jevů ke zjednodušení výpočtů v oblasti klasické pravděpodobnosti. 6. Datové soubory a příklady nominálních, ordinálních, intervalových a poměrových znaků, tabulka rozdělení četností a skupinového rozdělení četností, grafické znázornění rozdělení četností, polygon, histogram, koláčový diagram a krabicový diagram. Příklady zpracování ekonomických dat. 7.Charakteristiky popisné statistiky, charakteristiky úrovně a variability, šikmost a špičatost, obecné a centrální momenty. Výpočet charakteristik ekonomických ukazatelů. 8. Průběžný test. Náhodné veličiny, příklady, konstrukce distribučních funkcí a procvičení jejích vlastností. 9. Procvičení diskrétních rozdělení užívaných v ekonomických aplikacích –alternativni, hypergeometrické, binomické, Poissonovo a negativně binomické rozdělení a jejich praktické využití v ekonomické oblasti. 10. Procvičení spojitých rozdělení užívaných v ekonomických aplikacích. Rozdělení rovnoměrné, normální, logaritmicko-normální a gama. 11. Výpočet charakteristik rozdělení, procvičení jejich vlastností a jejich použití při popisu ekonomických proměnných. 12. Sdružená rozdělení pravděpodobností. Charakteristiky sdružených rozdělení pravděpodobností, kovariance, korelační koeficient, regresní přímka - vlastnosti a použití v ekonomii. 13. Závěrečný test.

Literature

• OSECKÝ, Pavel. Statistické vzorce a věty (Statistical formulas). Druhé rozšířené. Brno (Czech Republic): Masarykova univerzita, Ekonomicko-správní fakulta, 1999, 53 pp. ISBN 80-210-2057-1. info
• HINDLS, Richard, Stanislava HRONOVÁ and Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info
• HANOUSEK, Jan and Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ and Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. (Probability Theory and Mathematical Statistics.Collection of Tasks.). 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 pp. ISBN 80-210-1832-1. info

Assessment methods (in Czech)

1. Podmínkou úspěšného absolvování předmětu je splnění podmínky aktivní účasti na cvičeních, která zní: Počet neúčastí na cvičení plus počet cvičení, kdy byla zjištěna hrubá neznalost probírané látky nepřevýší 3. 2. Podmínkou úspěšného absolvování průběžného testu je dosažení alespoň 40 bodů na stostupňové škále. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F. Průběžný test lze jedenkrát opakovat. 3. Podmínkou úspěchu u závěrečného testu je zisk aspoň čtyřiceti bodů na stostupňové škále. Když student dosáhne méně než 40 bodů, bude předmět hodnocen známkou F. 4. Do výsledné známky se při splnění předchozích podmínek započítává výsledek závěrečného testu podle následující tabulky. Klasifikační stupnice pro udělení klasifikovaného zápočtu: A 86 - 100 D 51 – 60 B 71 - 85 E 40 – 50 C 61 - 70 F méně než 40 bodů

Language of instruction

Czech

Further comments (probably available only in Czech)

The course is taught annually.
Information on course enrolment limitations: 10 pouze přednáška

• Enrolment Statistics (Autumn 2006, recent)
  
• Permalink: https://is.muni.cz/course/econ/autumn2006/PMSTAI