Informace o předmětu

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

Mgr. Petra Ráboňová, Ph.D. (přednášející)
Ing. Matouš Cabalka (cvičící)
Mgr. Martin Dzúrik (cvičící)
Bc. Barbora Halaštová (cvičící)
Mgr. Bc. Martin Chvátal, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)

Garance

Mgr. Petra Ráboňová, Ph.D.
Oddělení aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Oddělení aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101, kromě Út 19. 9., kromě Út 7. 11.

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 8:00–9:50 VT314, kromě St 20. 9., kromě St 8. 11., M. Cabalka
BPM_STA1/03: St 14:00–15:50 VT314, kromě St 20. 9., kromě St 8. 11., V. Reichel
BPM_STA1/04: St 16:00–17:50 VT314, kromě St 20. 9., kromě St 8. 11., V. Reichel
BPM_STA1/05: Čt 8:00–9:50 VT206, kromě Čt 21. 9., kromě Čt 9. 11., P. Ráboňová
BPM_STA1/06: Čt 10:00–11:50 VT206, kromě Čt 21. 9., kromě Čt 9. 11., M. Cabalka
BPM_STA1/07: Út 12:00–13:50 VT206, kromě Út 19. 9., kromě Út 7. 11., P. Ráboňová
BPM_STA1/09: St 14:00–15:50 VT202, kromě St 20. 9., kromě St 8. 11., M. Cabalka
BPM_STA1/11: St 16:00–17:50 VT202, kromě St 20. 9., kromě St 8. 11., M. Cabalka
BPM_STA1/13: Po 18:00–19:50 VT202, kromě Po 18. 9., kromě Po 6. 11., M. Cabalka
BPM_STA1/15: St 10:00–11:50 VT314, kromě St 20. 9., kromě St 8. 11., M. Cabalka
BPM_STA1/16: Čt 16:00–17:50 VT204, kromě Čt 21. 9., kromě Čt 9. 11., M. Dzúrik
BPM_STA1/18: Čt 10:00–11:50 VT202, kromě Čt 21. 9., kromě Čt 9. 11., P. Ráboňová
BPM_STA1/20: Čt 12:00–13:50 VT206, kromě Čt 21. 9., kromě Čt 9. 11., M. Cabalka
BPM_STA1/22: Čt 18:00–19:50 VT206, kromě Čt 21. 9., kromě Čt 9. 11., M. Dzúrik
BPM_STA1/23: Čt 8:00–9:50 VT204, kromě Čt 21. 9., kromě Čt 9. 11., M. Cabalka
BPM_STA1/24: Út 12:00–13:50 VT202, kromě Út 19. 9., kromě Út 7. 11., B. Halaštová
BPM_STA1/25: Út 14:00–15:50 VT202, kromě Út 19. 9., kromě Út 7. 11., B. Halaštová

Předpoklady

( BPM_VTMA Vstupní test do matematiky )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 13 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Výstupy z učení

Student bude po absolvování předmětu schopen:
- používat a interpretovat funkcionální a číselné charakteristiky v rámci popisné statistiky
- popsat jednotlivé typy proměnných (s ohledem na škálu měření)
- pomocí pravděpodobnosti kvantifikovat náhodu v elementárních situacích
- používat a správně interpretovat distribuční funkci, pravděpodobnostní funkci a hustotu pravděpodobnosti
- Rozpoznat v aplikačních situacích známá a v matematické statistice často používaná rozložení

Osnova

• 1. Typy dat; nominální, ordinální, intervalové a poměrové znaky. Možnosti vizualizace dat
• 2. Sběr dat a náhodný výběr
• 3. Základy popisné statistiky
• 4. Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 5. Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 6. Podmíněná pravděpodobnost, vzorec pro celkovou pravděpodobnost, Bayesova věta.
• 7. Náhodné veličiny, diskrétní a spojité náhodné veličiny
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti
• 9. Distribuční funkce a její praktické aplikace; souvislost s pravděpodobnostní funkcí a hustotou
• 10. Číselné charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 11. Číselné charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii; Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomii.
• 12. Centrální limitní věta a její aplikace.
• 13. Shrnutí semestru

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• MANN, Prem S. Introductory statistics. Ninth edition. Hoboken: Wiley, 2019, 171 stran. ISBN 9781119148296. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení v počítačové učebně

Metody hodnocení

Přednáška se cvičením. Zkouška.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů. Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů.
2. podmínkou je úspěšné zodpovězení 2 on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je absolvování zkouškového testu, ve kterém je nutné získat alespoň 50 bodů.
Výsledná známka je při splnění předchozích podmínek určena součtem bodového skóre zkouškového testu a bonusových bodů. Student může získat až pět bonusových bodů za aktivitu v průběhu semestru. Bonusové body slouží pouze k vylepšení známky, nikoliv k samotnému splnění zkouškového testu. Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia. V případě výjezdu na Erasmus musí student splnit všechny stanovené podmínky s výjimkou účasti na seminářích. Doporučuje se během výjezdu absolvovat nějaký ekvivalentní kurz na zahraniční univerzitě.

Navazující předměty

• BPM_STA2 Statistika 2

Informace učitele

V pripade nepriznive epidemiologicke situace bude forma vyuky upresnena hromadnym e-mailem, ktery bude automaticky ulozen ve: studijni materialy/organizacni pokyny/hromadne dopisy.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

Mgr. Petra Ráboňová, Ph.D. (přednášející)
Ing. Matouš Cabalka (cvičící)
Mgr. Martin Dzúrik (cvičící)
Mgr. Lenka Franců (cvičící)
Mgr. Bc. Martin Chvátal, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Ing. Jana Vechetová (cvičící)
Mgr. Lenka Zavadilová, Ph.D. (cvičící)
Ing. Lukáš Kokrda (pomocník)

Garance

Mgr. Petra Ráboňová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101, kromě Út 13. 9., kromě Út 1. 11.

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/03: St 8:00–9:50 VT314, kromě St 14. 9., kromě St 2. 11., M. Chvátal
BPM_STA1/04: Čt 16:00–17:50 VT202, kromě Čt 15. 9., kromě Čt 3. 11., M. Dzúrik
BPM_STA1/06: St 14:00–15:50 VT314, kromě St 14. 9., kromě St 2. 11., V. Reichel
BPM_STA1/07: St 16:00–17:50 VT314, kromě St 14. 9., kromě St 2. 11., V. Reichel
BPM_STA1/09: Čt 12:00–13:50 VT314, kromě Čt 15. 9., kromě Čt 3. 11., M. Chvátal
BPM_STA1/11: Čt 14:00–15:50 VT202, kromě Čt 15. 9., kromě Čt 3. 11., M. Dzúrik
BPM_STA1/13: Út 12:00–13:50 VT206, kromě Út 13. 9., kromě Út 1. 11., M. Cabalka
BPM_STA1/14: Út 14:00–15:50 VT202, kromě Út 13. 9., kromě Út 1. 11., P. Ráboňová
BPM_STA1/17: St 14:00–15:50 VT202, kromě St 14. 9., kromě St 2. 11., M. Cabalka
BPM_STA1/19: Út 16:00–17:50 VT202, kromě Út 13. 9., kromě Út 1. 11., M. Cabalka
BPM_STA1/20: St 16:00–17:50 VT202, kromě St 14. 9., kromě St 2. 11., M. Cabalka
BPM_STA1/23: Út 12:00–13:50 VT202, kromě Út 13. 9., kromě Út 1. 11., P. Ráboňová
BPM_STA1/24: Po 18:00–19:50 VT202, kromě Po 12. 9., kromě Po 31. 10., M. Cabalka
BPM_STA1/26: Pá 8:00–9:50 VT206, kromě Pá 16. 9., kromě Pá 4. 11., M. Dzúrik

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 13 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Výstupy z učení

Student bude po absolvování předmětu schopen:
- používat a interpretovat funkcionální a číselné charakteristiky v rámci popisné statistiky
- popsat jednotlivé typy proměnných (s ohledem na škálu měření)
- pomocí pravděpodobnosti kvantifikovat náhodu v elementárních situacích
- používat a správně interpretovat distribuční funkci, pravděpodobnostní funkci a hustotu pravděpodobnosti
- Rozpoznat v aplikačních situacích známá a v matematické statistice často používaná rozložení

Osnova

• 1. Typy dat; nominální, ordinální, intervalové a poměrové znaky. Možnosti vizualizace dat
• 2. Sběr dat a náhodný výběr
• 3. Základy popisné statistiky
• 4. Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 5. Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 6. Podmíněná pravděpodobnost,vzorec pro celkovou pravděpodobnost, Bayesova věta.
• 7. Náhodné veličiny, diskrétní a spojité náhodné veličiny
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti
• 9. Distribuční funkce a její praktické aplikace; souvislost s pravděpodobnostní funkcí a hustotou
• 10. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 11. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii; Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomii.
• 12. Centrální lmitní věta a její aplikace.
• 13. Shrnutí semestru

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• WEISS, N. A. Introductory statistics. Edited by Carol A. Weiss. 10th edition, global edition. Boston: Pearson, 2017, 763, 73. ISBN 9781292099729. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení v počítačové učebně

Metody hodnocení

Přednáška se cvičením. Zkouška.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů. Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky.
2. podmínkou je úspěšné zodpovězení 2 on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je absolvování zkouškového testu.
Výsledná známka je při splnění předchozích podmínek určena bodovým score zkouškového testu. Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu)bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Informace učitele

V pripade nepriznive epidemiologicke situace bude forma vyuky upresnena hromadnym e-mailem, ktery bude automaticky ulozen ve: studijni materialy/organizacni pokyny/hromadne dopisy.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Jan Böhm (cvičící)
Ing. Matouš Cabalka (cvičící)
Mgr. Terézia Černá (cvičící)
Mgr. Lenka Franců (cvičící)
Mgr. Bc. Martin Chvátal, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Ing. Jana Vechetová (cvičící)
Mgr. Lenka Zavadilová, Ph.D. (cvičící)
Ing. Lukáš Kokrda (pomocník)
Mgr. et Mgr. Iva Raclavská, DiS. (pomocník)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101, kromě Út 14. 9., kromě Út 2. 11.

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: Út 12:00–13:50 VT105, kromě Út 14. 9., kromě Út 2. 11., M. Chvátal
BPM_STA1/02: Čt 8:00–9:50 VT204, kromě Čt 16. 9., kromě Čt 4. 11., M. Matulová
BPM_STA1/03: St 8:00–9:50 VT105, kromě St 15. 9., kromě St 3. 11., M. Chvátal
BPM_STA1/04: Čt 16:00–17:50 VT202, kromě Čt 16. 9., kromě Čt 4. 11., M. Matulová
BPM_STA1/05: St 12:00–13:50 VT105, kromě St 15. 9., kromě St 3. 11., M. Chvátal
BPM_STA1/06: St 14:00–15:50 VT105, kromě St 15. 9., kromě St 3. 11., M. Cabalka
BPM_STA1/07: St 16:00–17:50 VT105, kromě St 15. 9., kromě St 3. 11., M. Cabalka
BPM_STA1/08: St 18:00–19:50 VT105, kromě St 15. 9., kromě St 3. 11., M. Cabalka
BPM_STA1/09: Čt 12:00–13:50 VT105, kromě Čt 16. 9., kromě Čt 4. 11., P. Ráboňová
BPM_STA1/10: Čt 18:00–19:50 VT105, kromě Čt 16. 9., kromě Čt 4. 11., P. Ráboňová
BPM_STA1/11: Čt 14:00–15:50 VT202, kromě Čt 16. 9., kromě Čt 4. 11., P. Ráboňová
BPM_STA1/12: Čt 16:00–17:50 VT105, kromě Čt 16. 9., kromě Čt 4. 11., P. Ráboňová
BPM_STA1/13: Út 12:00–13:50 VT206, kromě Út 14. 9., kromě Út 2. 11., J. Böhm
BPM_STA1/14: Út 14:00–15:50 VT202, kromě Út 14. 9., kromě Út 2. 11., J. Böhm
BPM_STA1/15: Čt 18:00–19:50 VT206, kromě Čt 16. 9., kromě Čt 4. 11.
BPM_STA1/16: St 18:00–19:50 VT202, kromě St 15. 9., kromě St 3. 11., J. Böhm
BPM_STA1/17: St 14:00–15:50 VT202, kromě St 15. 9., kromě St 3. 11., M. Chvátal
BPM_STA1/18: St 16:00–17:50 P104, kromě St 15. 9., kromě St 3. 11., J. Böhm
BPM_STA1/19: Út 16:00–17:50 VT202, kromě Út 14. 9., kromě Út 2. 11.
BPM_STA1/20: St 16:00–17:50 VT202, kromě St 15. 9., kromě St 3. 11., M. Chvátal

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 22 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Výstupy z učení

Student bude po absolvování předmětu schopen:
- používat a interpretovat funkcionální a číselné charakteristiky v rámci popisné statistiky
- popsat jednotlivé typy proměnných (s ohledem na škálu měření)
- pomocí pravděpodobnosti kvantifikovat náhodu v elementárních situacích
- používat a správně interpretovat distribuční funkci, pravděpodobnostní funkci a hustotu pravděpodobnosti
- Rozpoznat v aplikačních situacích známá a v matematické statistice často používaná rozložení

Osnova

• 1. Typy dat; nominální, ordinální, intervalové a poměrové znaky. Možnosti vizualizace dat
• 2. Sběr dat a náhodný výběr
• 3. Základy popisné statistiky
• 4. Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 5. Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 6. Podmíněná pravděpodobnost,vzorec pro celkovou pravděpodobnost, Bayesova věta.
• 7. Náhodné veličiny, diskrétní a spojité náhodné veličiny
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti
• 9. Distribuční funkce a její praktické aplikace; souvislost s pravděpodobnostní funkcí a hustotou
• 10. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 11. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii; Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomii.
• 12. Centrální lmitní věta a její aplikace.
• 13. Shrnutí semestru

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• WEISS, N. A. Introductory statistics. Edited by Carol A. Weiss. 10th edition, global edition. Boston: Pearson, 2017, 763, 73. ISBN 9781292099729. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení v počítačové učebně

Metody hodnocení

Přednáška se cvičením. Zkouška.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů. Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky.
2. podmínkou je úspěšné zodpovězení 2 on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je absolvování zkouškového testu.
Výsledná známka je při splnění předchozích podmínek určena bodovým score zkouškového testu. Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu)bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Informace učitele

V pripade nepriznive epidemiologicke situace bude forma vyuky upresnena hromadnym e-mailem, ktery bude automaticky ulozen ve: studijni materialy/organizacni pokyny/hromadne dopisy.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Jan Böhm (cvičící)
Ing. Matouš Cabalka (cvičící)
Mgr. Terézia Černá (cvičící)
Mgr. Monika Filová (cvičící)
Mgr. Bc. Martin Chvátal, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Mgr. Lenka Zavadilová, Ph.D. (cvičící)
Ing. Lukáš Kokrda (pomocník)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: Út 12:00–13:50 VT105, M. Chvátal
BPM_STA1/02: Čt 8:00–9:50 VT204, T. Černá
BPM_STA1/03: St 8:00–9:50 VT105, T. Černá
BPM_STA1/04: Čt 16:00–17:50 VT202, M. Matulová
BPM_STA1/05: St 12:00–13:50 VT105, T. Černá
BPM_STA1/06: St 14:00–15:50 VT105, J. Böhm
BPM_STA1/07: St 16:00–17:50 VT105, M. Cabalka
BPM_STA1/08: St 18:00–19:50 VT105, M. Cabalka
BPM_STA1/09: Čt 12:00–13:50 VT105, T. Černá
BPM_STA1/10: Čt 18:00–19:50 VT105, M. Chvátal
BPM_STA1/11: Čt 14:00–15:50 VT202, M. Matulová
BPM_STA1/12: Čt 16:00–17:50 VT105, M. Chvátal
BPM_STA1/13: Út 12:00–13:50 VT206, J. Böhm
BPM_STA1/14: Út 14:00–15:50 VT202, J. Böhm
BPM_STA1/15: Čt 18:00–19:50 VT206
BPM_STA1/16: St 18:00–19:50 VT202, J. Böhm
BPM_STA1/17: St 14:00–15:50 VT202, M. Chvátal
BPM_STA1/18: St 16:00–17:50 P104, M. Chvátal

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 22 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Výstupy z učení

Student bude po absolvování předmětu schopen:
- používat a interpretovat funkcionální a číselné charakteristiky v rámci popisné statistiky
- popsat jednotlivé typy proměnných (s ohledem na škálu měření)
- pomocí pravděpodobnosti kvantifikovat náhodu v elementárních situacích
- používat a správně interpretovat distribuční funkci, pravděpodobnostní funkci a hustotu pravděpodobnosti
- Rozpoznat v aplikačních situacích známá a v matematické statistice často používaná rozložení

Osnova

• 1. Typy dat; nominální, ordinální, intervalové a poměrové znaky. Možnosti vizualizace dat
• 2. Sběr dat a náhodný výběr
• 3. Základy popisné statistiky
• 4. Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 5. Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 6. Podmíněná pravděpodobnost,vzorec pro celkovou pravděpodobnost, Bayesova věta.
• 7. Náhodné veličiny, diskrétní a spojité náhodné veličiny
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti
• 9. Distribuční funkce a její praktické aplikace; souvislost s pravděpodobnostní funkcí a hustotou
• 10. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 11. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii; Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomii.
• 12. Centrální lmitní věta a její aplikace.
• 13. Shrnutí semestru

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• WEISS, N. A. Introductory statistics. Edited by Carol A. Weiss. 10th edition, global edition. Boston: Pearson, 2017, 763, 73. ISBN 9781292099729. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení v počítačové učebně

Metody hodnocení

Přednáška se cvičením. Zkouška.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů. Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky.
2. podmínkou je absolvování průběžného testu. Průběžný test nelze opakovat.
3. podmínkou je úspěšné zodpovězení on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Každý odpovědník lze psát celkem 3krát.
4. podmínkou je absolvování zkouškového testu.
Výsledná známka je při splnění předchozích podmínek určena bodovým součtem průběžného a zkouškového testu. Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu)bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Informace učitele

V pripade nepriznive epidemiologicke situace bude forma vyuky upresnena hromadnym e-mailem, ktery bude automaticky ulozen ve: studijni materialy/organizacni pokyny/hromadne dopisy.

Další komentáře

Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Jan Böhm (cvičící)
Ing. Matouš Cabalka (cvičící)
Mgr. Terézia Černá (cvičící)
Mgr. Ondřej Černý (cvičící)
Mgr. Monika Filová (cvičící)
Lenka Hráčková (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Ing. Lukáš Kokrda (pomocník)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: Út 12:00–13:50 VT105, M. Králová
BPM_STA1/02: Čt 8:00–9:50 VT204, M. Matulová
BPM_STA1/03: St 8:00–9:50 VT105, J. Böhm
BPM_STA1/04: Čt 16:00–17:50 VT202, P. Ráboňová
BPM_STA1/05: St 12:00–13:50 VT105, J. Böhm
BPM_STA1/06: St 14:00–15:50 VT105, J. Böhm
BPM_STA1/07: St 16:00–17:50 VT105, T. Černá
BPM_STA1/08: St 18:00–19:50 VT105, T. Černá
BPM_STA1/09: Čt 12:00–13:50 VT105, P. Ráboňová
BPM_STA1/10: Čt 18:00–19:50 VT105, P. Ráboňová
BPM_STA1/11: Čt 14:00–15:50 VT202, P. Ráboňová
BPM_STA1/12: Čt 16:00–17:50 VT105, M. Matulová
BPM_STA1/13: Út 12:00–13:50 VT206, M. Filová
BPM_STA1/14: Út 14:00–15:50 VT202, M. Filová
BPM_STA1/15: Čt 18:00–19:50 VT206, T. Černá
BPM_STA1/17: St 18:00–19:50 VT202, J. Böhm

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 22 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Výstupy z učení

Student bude po absolvování předmětu schopen:
- používat a interpretovat funkcionální a číselné charakteristiky v rámci popisné statistiky
- popsat jednotlivé typy proměnných (s ohledem na škálu měření)
- pomocí pravděpodobnosti kvantifikovat náhodu v elementárních situacích
- používat a správně interpretovat distribuční funkci, pravděpodobnostní funkci a hustotu pravděpodobnosti
- Rozpoznat v aplikačních situacích známá a v matematické statistice často používaná rozložení

Osnova

• 1. Typy dat; nominální, ordinální, intervalové a poměrové znaky. Možnosti vizualizace dat
• 2. Sběr dat a náhodný výběr
• 3. Základy popisné statistiky
• 4. Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 5. Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 6. Podmíněná pravděpodobnost,vzorec pro celkovou pravděpodobnost, Bayesova věta.
• 7. Náhodné veličiny, diskrétní a spojité náhodné veličiny
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti
• 9. Distribuční funkce a její praktické aplikace; souvislost s pravděpodobnostní funkcí a hustotou
• 10. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 11. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii; Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomii.
• 12. Centrální lmitní věta a její aplikace.
• 13. Shrnutí semestru

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• WEISS, N. A. Introductory statistics. Edited by Carol A. Weiss. 10th edition, global edition. Boston: Pearson, 2017, 763, 73. ISBN 9781292099729. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení v počítačové učebně

Metody hodnocení

Přednáška se cvičením. Zkouška.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů. Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky.
2. podmínkou je absolvování průběžného testu. Průběžný test nelze opakovat.
3. podmínkou je úspěšné zodpovězení on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Každý odpovědník lze psát celkem 3krát.
4. podmínkou je absolvování zkouškového testu.
Výsledná známka je při splnění předchozích podmínek určena bodovým součtem průběžného a zkouškového testu. Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu)bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: zk.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Jan Böhm (cvičící)
Mgr. Terézia Černá (cvičící)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. Štěpán Křehlík, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Út 10:00–11:50 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/T01: Út 18. 9. až Čt 13. 12. Út 10:00–11:50 117, Čt 20. 9. až Čt 13. 12. Čt 14:00–15:50 108, E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
BPM_STA1/01: St 16:00–17:50 P103, T. Černá
BPM_STA1/02: St 10:00–11:50 S315, J. Böhm
BPM_STA1/03: St 18:00–19:50 P103, T. Černá
BPM_STA1/04: Čt 16:00–17:50 P201, P. Ráboňová
BPM_STA1/05: St 12:00–13:50 P303, J. Böhm
BPM_STA1/07: Čt 14:00–15:50 P201, P. Ráboňová
BPM_STA1/08: St 18:00–19:50 P106, P. Ráboňová
BPM_STA1/09: Čt 12:00–13:50 P104, P. Ráboňová
BPM_STA1/10: St 8:00–9:50 P201, J. Böhm
BPM_STA1/11: Čt 8:00–9:50 P103, M. Matulová
BPM_STA1/12: Út 12:00–13:50 P201, M. Králová
BPM_STA1/13: Čt 10:00–11:50 P303, J. Böhm
BPM_STA1/14: St 12:00–13:50 P102, Š. Křehlík

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 16 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Průběžný test lze jedenkrát opakovat.
3. podmínkou je úspěšné zodpovězení 2 on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Odpovědníky lze dvakrát opakovat.
4. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Závěrečný test lze jedenkrát opakovat.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem průběžného a závěrečného testu. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Jan Böhm (cvičící)
Mgr. Terézia Černá (cvičící)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. Štěpán Křehlík, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. et Mgr. Alena Novotná (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Mgr. Tomáš Zdražil (cvičící)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 16:20–17:55 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 16:20–17:55 P103, O. Černý
BPM_STA1/02: Út 11:05–12:45 S311, J. Böhm
BPM_STA1/03: St 18:00–19:35 P103, O. Černý
BPM_STA1/04: Čt 16:20–17:55 P201, Š. Křehlík
BPM_STA1/05: Út 9:20–11:00 P106, J. Böhm
BPM_STA1/07: St 14:35–16:15 P304, J. Böhm
BPM_STA1/10: Čt 14:35–16:15 P201, T. Zdražil
BPM_STA1/11: St 18:00–19:35 P106, V. Reichel
BPM_STA1/13: Čt 12:50–14:30 P104, T. Zdražil
BPM_STA1/15: St 9:20–11:00 P201, J. Böhm
BPM_STA1/20: Čt 9:20–11:00 P103, Š. Křehlík
BPM_STA1/21: Po 18:00–19:35 P201, M. Králová
BPM_STA1/23: Čt 11:05–12:45 P303, T. Zdražil

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 16 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

povinná literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

doporučená literatura
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Průběžný test lze jedenkrát opakovat.
3. podmínkou je úspěšné zodpovězení 2 on-line odpovědníků. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Odpovědníky lze dvakrát opakovat.
4. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Závěrečný test lze jedenkrát opakovat.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem průběžného a závěrečného testu. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Mgr. Štěpán Křehlík, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. et Mgr. Alena Novotná (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Ing. Mgr. Vlastimil Reichel, Ph.D. (cvičící)
Mgr. Tomáš Zdražil (cvičící)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 16:20–17:55 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/T01: Út 20. 9. až Čt 22. 12. Út 8:00–9:35 115, V. Reichel, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
BPM_STA1/T02: Út 20. 9. až Čt 22. 12. Út 8:00–9:35 117, Čt 22. 9. až Čt 22. 12. Čt 9:40–11:15 108, E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
BPM_STA1/01: St 16:20–17:55 P103, O. Černý
BPM_STA1/02: Út 11:05–12:45 S311, P. Ráboňová
BPM_STA1/03: St 18:00–19:35 P103, O. Černý
BPM_STA1/05: Út 9:20–11:00 P106, P. Ráboňová
BPM_STA1/07: St 14:35–16:15 P304, P. Ráboňová
BPM_STA1/10: Čt 14:35–16:15 P201, Š. Křehlík
BPM_STA1/11: St 18:00–19:35 P106, V. Reichel
BPM_STA1/13: Čt 12:50–14:30 P104, T. Zdražil
BPM_STA1/14: Rozvrh nebyl do ISu vložen. P. Ráboňová
BPM_STA1/15: St 9:20–11:00 P201, P. Ráboňová
BPM_STA1/20: Čt 9:20–11:00 P103, Š. Křehlík
BPM_STA1/21: Po 18:00–19:35 P201, M. Králová
BPM_STA1/23: Čt 11:05–12:45 P303, T. Zdražil

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 15 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Průběžný test lze jedenkrát opakovat.
3. podmínkou je úspěšné zodpovězení on-line odpovědníku. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Odpovědník lze dvakrát opakovat.
4. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. V případě, že student tuto podmínku nesplní, bude výsledkem klasifikace známka F. Závěrečný test lze jedenkrát opakovat.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem průběžného a závěrečného testu. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. et Mgr. Alena Novotná (cvičící)
Mgr. Petra Ráboňová, Ph.D. (cvičící)
Mgr. Tomáš Zdražil (cvičící)

Garance

doc. Mgr. Maria Králová, Ph.D.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 16:20–17:55 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/T01: St 23. 9. až Út 22. 12. St 8:00–9:35 118, E. Janoušková, A. Novotná
BPM_STA1/01: St 16:20–17:55 P103, O. Černý
BPM_STA1/02: Út 11:05–12:45 S311, P. Ráboňová
BPM_STA1/05: Út 9:20–11:00 P106, P. Ráboňová
BPM_STA1/07: St 14:35–16:15 P304, P. Ráboňová
BPM_STA1/08: Čt 14:35–16:15 VT204, M. Matulová
BPM_STA1/10: Čt 12:50–14:30 VT204, M. Matulová
BPM_STA1/11: St 18:00–19:35 P312, O. Černý
BPM_STA1/13: Čt 12:50–14:30 P104, T. Zdražil
BPM_STA1/14: Rozvrh nebyl do ISu vložen. P. Ráboňová
BPM_STA1/15: St 12:50–14:30 P104, P. Ráboňová
BPM_STA1/20: Čt 9:20–11:00 VT204, M. Matulová
BPM_STA1/21: Po 18:00–19:35 P201, M. Králová
BPM_STA1/23: Čt 11:05–12:45 P303, T. Zdražil

Předpoklady

( BPM_MATE Matematika )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 15 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Přednášky jsou dostupné online a ze záznamu.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Stanislav Abaffy (cvičící)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Tomáš Zdražil (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 9:20–11:00 P101, Po 9:20–11:00 P102

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/T01: Po 15. 9. až Pá 19. 12. Po 14:40–16:15 Učebna S7 (18), E. Janoušková
BPM_STA1/01: St 16:20–17:55 P103, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/02: Út 12:00–13:35 S311, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/03: Pá 15:30–17:05 P304, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/04: Pá 11:05–12:45 P102, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/05: Út 9:20–11:00 P106, S. Abaffy
BPM_STA1/06: Pá 12:50–14:30 P102, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/07: St 14:35–16:15 P304, O. Černý
BPM_STA1/08: Čt 14:35–16:15 P106, M. Matulová
BPM_STA1/09: Čt 11:05–12:45 P201, S. Abaffy
BPM_STA1/10: Čt 12:50–14:30 P106, M. Matulová
BPM_STA1/11: St 18:00–19:35 P312, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/12: Čt 7:40–9:15 P103, S. Abaffy
BPM_STA1/13: Čt 12:50–14:30 P104, T. Zdražil
BPM_STA1/14: Rozvrh nebyl do ISu vložen. S. Abaffy
BPM_STA1/15: St 12:50–14:30 P104, O. Černý
BPM_STA1/16: Rozvrh nebyl do ISu vložen., Tato skupina bude otevřena jen v případě naplnění všech ostatních
BPM_STA1/17: Po 16:20–17:55 P104, M. Králová
BPM_STA1/18: Pá 12:50–14:30 P304, Tato skupina bude otevřena jen v případě naplnění všech ostatních
BPM_STA1/19: Čt 14:35–16:15 P312, T. Zdražil
BPM_STA1/20: Čt 9:20–11:00 P103, S. Abaffy
BPM_STA1/21: Po 18:00–19:35 P201, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/22: St 11:05–12:45 P104, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.
BPM_STA1/23: Čt 11:05–12:45 P303, T. Zdražil
BPM_STA1/24: Čt 16:20–17:55 S310, Tato skupina bude otevřena jen v případě naplnění všech ostatních skupin.

Předpoklady

( PMMAT2 Matematika II || PMZMII Základy matematiky II || BPM_MATE Matematika ) && (! PMSTAI Statistika I )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 15 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Stanislav Abaffy (cvičící)
Mgr. Ondřej Černý (cvičící)
Mgr. Eva Janoušková, Ph.D. (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Tomáš Zdražil (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 9:20–11:00 P102, Po 9:20–11:00 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/T01: Pá 20. 9. až Pá 20. 12. Pá 10:00–11:55 Učebna S9 (55), E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
BPM_STA1/T01A: Rozvrh nebyl do ISu vložen.
BPM_STA1/T01AA: Rozvrh nebyl do ISu vložen.
BPM_STA1/T02: St 25. 9. až Pá 20. 12. St 8:00–9:55 Učebna S10 (56), E. Janoušková, Nepřihlašuje se. Určeno pro studenty se zdravotním postižením.
BPM_STA1/01: St 16:20–17:55 P312
BPM_STA1/02: Út 12:00–13:35 S311
BPM_STA1/03: Po 11:05–12:45 P104
BPM_STA1/04: Pá 11:05–12:45 P102
BPM_STA1/05: Út 9:20–11:00 P106, S. Abaffy
BPM_STA1/06: Pá 12:50–14:30 P102
BPM_STA1/07: St 14:35–16:15 P304, O. Černý
BPM_STA1/08: Čt 14:35–16:15 P106, M. Matulová
BPM_STA1/09: Čt 11:05–12:45 P201, S. Abaffy
BPM_STA1/10: Čt 12:50–14:30 P106, M. Matulová
BPM_STA1/11: St 18:00–19:35 P312
BPM_STA1/12: Čt 7:40–9:15 P103, S. Abaffy
BPM_STA1/13: Čt 12:50–14:30 P104, T. Zdražil
BPM_STA1/14: Rozvrh nebyl do ISu vložen. S. Abaffy
BPM_STA1/15: St 12:50–14:30 P104, O. Černý
BPM_STA1/16: Rozvrh nebyl do ISu vložen. M. Králová
BPM_STA1/17: Po 16:20–17:55 P104, M. Králová
BPM_STA1/18: Pá 12:50–14:30 P304, M. Králová
BPM_STA1/19: Čt 14:35–16:15 P312, T. Zdražil
BPM_STA1/20: Čt 9:20–11:00 P103, S. Abaffy
BPM_STA1/21: Po 18:00–19:35 P201
BPM_STA1/22: St 11:05–12:45 P104
BPM_STA1/23: Čt 11:05–12:45 P303, T. Zdražil
BPM_STA1/24: Čt 16:20–17:55 S310

Předpoklady

( PMMAT2 Matematika II || PMZMII Základy matematiky II || BPM_MATE Matematika ) && (! PMSTAI Statistika I )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 14 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Informace k inovaci předmětu

Předmět byl inovován v rámci projektu "Inovace studia ekonomických disciplín v souladu s požadavky znalostní ekonomiky (CZ.1.07/2.2.00/28.0227)", který je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Ondřej Černý (cvičící)
Mgr. Tomáš Lerch (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Jan Orava (cvičící)
Mgr. Tomáš Zdražil (cvičící)
Mgr. Silvie Zlatošová, Ph.D. (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková
Dodavatelské pracoviště: Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta

Rozvrh

Po 9:20–11:00 P101, Po 9:20–11:00 P102

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 16:20–17:55 P312, O. Černý
BPM_STA1/02: Út 12:00–13:35 S311
BPM_STA1/03: Po 11:05–12:45 S308
BPM_STA1/04: Pá 11:05–12:45 P102, T. Zdražil
BPM_STA1/05: Út 8:30–10:05 S311
BPM_STA1/06: Pá 12:50–14:30 P102
BPM_STA1/07: St 14:35–16:15 P304, O. Černý
BPM_STA1/08: Čt 14:35–16:15 P106, S. Zlatošová
BPM_STA1/09: Čt 11:05–12:45 P201, T. Zdražil
BPM_STA1/10: Čt 12:50–14:30 P106, S. Zlatošová
BPM_STA1/11: St 18:00–19:35 P312
BPM_STA1/12: Čt 7:40–9:15 P103, M. Matulová
BPM_STA1/13: Čt 12:50–14:30 aula Vinařská, T. Zdražil
BPM_STA1/14: Rozvrh nebyl do ISu vložen.
BPM_STA1/15: St 12:50–14:30 aula Vinařská
BPM_STA1/16: Rozvrh nebyl do ISu vložen. M. Králová
BPM_STA1/17: Po 16:20–17:55 aula Vinařská, M. Králová
BPM_STA1/18: Pá 12:50–14:30 P304, M. Králová
BPM_STA1/19: Čt 14:35–16:15 P312, T. Zdražil
BPM_STA1/20: Čt 9:20–11:00 P103, M. Matulová
BPM_STA1/21: St 8:30–10:05 S311
BPM_STA1/22: St 11:05–12:45 aula Vinařská, M. Matulová
BPM_STA1/23: Čt 11:05–12:45 P303, S. Zlatošová
BPM_STA1/24: Čt 16:20–17:55 S310
BPM_STA1/T01A: Rozvrh nebyl do ISu vložen.
BPM_STA1/T01AA: Rozvrh nebyl do ISu vložen.

Předpoklady

( PMMAT2 Matematika II || PMZMII Základy matematiky II || BPM_MATE Matematika ) && (! PMSTAI Statistika I )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 14 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet.
1.podmínkou úspěšného absolvování předmětu je aktivní účast v seminářích. To znamená, že
a) student je přítomen na alespoň 10 seminářích, bez ohledu na státní svátky, či odpadnutí výuky z různých dalších důvodů (zápočtový týden se do účasti nepočítá). Po domluvě předem lze akceptovat náhradu účasti v jiné seminární skupině.
b) student se aktivně zapojuje do řešení příkladů. Je orientovaný v obsahu přednášky, která se v semináři procvičuje. Ovládá pojmy a souvislosti z předchozích přednášek a seminářů. Za projevenou závažnou neznalost získává "mínusy". Jeden "mínus" je ekvivalentní šesti záporným bodům, které se odečtou ze závěrečné písemky. Každé dva mínusy znamenají hodnocení "F".
2. podmínkou je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu (intervaly jsou zleva uzavřené):
A <90,100); B <80,90); C <70,80); D <60,70); E <50,60); F <0,50) Jakékoli opisování, zaznamenávání nebo vynášení testů, používání nedovolených pomůcek jakož i komunikačních prostředků nebo jiné narušování objektivity zkoušky (zápočtu) bude považováno za nesplnění podmínek k ukončení předmětu a za hrubé porušení studijních předpisů. Následkem toho uzavře vyučující zkoušku (zápočet) hodnocením v ISu známkou "F" a děkan zahájí disciplinární řízení, jehož výsledkem může být až ukončení studia.

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. Tomáš Lerch (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
Mgr. Jan Orava (cvičící)
Mgr. Silvie Zlatošová, Ph.D. (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková

Rozvrh

Po 9:20–11:00 P102, Po 9:20–11:00 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 16:20–17:55 P312, T. Lerch
BPM_STA1/02: Út 12:00–13:35 S311
BPM_STA1/03: Po 12:50–14:30 S308
BPM_STA1/04: St 17:10–18:45 S313
BPM_STA1/05: Út 8:30–10:05 S311
BPM_STA1/06: Út 13:45–15:20 S307
BPM_STA1/07: St 14:35–16:15 P304, T. Lerch
BPM_STA1/08: Čt 14:35–16:15 P106, J. Orava
BPM_STA1/09: Čt 11:05–12:45 P201, J. Orava
BPM_STA1/10: Čt 12:50–14:30 P106, J. Orava
BPM_STA1/11: St 18:00–19:35 P312, T. Lerch
BPM_STA1/12: Čt 7:40–9:15 P103, M. Matulová
BPM_STA1/13: Čt 12:50–14:30 P104, S. Zlatošová
BPM_STA1/14: Rozvrh nebyl do ISu vložen.
BPM_STA1/15: St 12:50–14:30 P104, M. Matulová
BPM_STA1/16: Rozvrh nebyl do ISu vložen. M. Králová
BPM_STA1/17: Po 16:20–17:55 P104, M. Králová
BPM_STA1/18: Pá 13:45–15:20 P304, M. Králová
BPM_STA1/19: Čt 14:35–16:15 P312, S. Zlatošová
BPM_STA1/20: Čt 9:20–11:00 P103, M. Matulová
BPM_STA1/21: St 8:30–10:05 S311
BPM_STA1/22: St 11:05–12:45 P104, M. Matulová
BPM_STA1/23: Čt 11:05–12:45 P303, M. Matulová
BPM_STA1/24: Čt 16:20–17:55 S310, S. Zlatošová

Předpoklady

( PMMAT2 Matematika II || PMZMII Základy matematiky II || BPM_MATE Matematika ) && (! PMSTAI Statistika I )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 21 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky. „Předmět byl inovován v rámci projektu z Operačního programu Vzdělávání pro konkurenceschopnost Inovace bakalářských a navazujících magisterských studijních programů na Ekonomicko-správní fakultě MU (CZ.1.07/2.2.00/07.0447)“.

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

doporučená literatura
• BUDÍKOVÁ, Marie, Maria KRÁLOVÁ a Bohumil MAROŠ. Průvodce základními statistickými metodami. vydání první. Praha: Grada Publishing, a.s., 2010, 272 s. edice Expert. ISBN 978-80-247-3243-5. URL info

neurčeno
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• HANOUSEK, Jan a Pavel CHARAMZA. Moderní metody zpracování dat :matematická statistika pro každého. 1. vyd. Praha: Grada, 1992, 210 s. ISBN 80-85623-31-5. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení; praktická cvičení na počítači v minimálním rozsahu 20 hodin za semestr včetně samostudia v rámci IS MU

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet. 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 je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu:
A (90,100); B (80,89); C (70,79); D (60,69); E (50,59); F (0,49)

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. David Hampel, Ph.D. (cvičící)
Mgr. Pavla Krajíčková, Ph.D. (cvičící)
doc. Mgr. Maria Králová, Ph.D. (cvičící)
Mgr. Tomáš Lerch (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
RNDr. Václav Studený, Ph.D. (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková

Rozvrh

Po 9:20–11:00 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 16:20–17:55 P312, T. Lerch
BPM_STA1/02: Út 12:00–13:35 S311, M. Králová
BPM_STA1/03: Po 12:50–14:30 VT314, M. Králová
BPM_STA1/04: St 16:20–17:55 S305, M. Matulová
BPM_STA1/05: Po 11:05–12:45 P103, M. Králová
BPM_STA1/06: Út 13:45–15:20 S307, M. Králová
BPM_STA1/07: St 14:35–16:15 P304, T. Lerch
BPM_STA1/08: Čt 14:35–16:15 P106, M. Matulová
BPM_STA1/09: Čt 11:05–12:45 P201, M. Králová
BPM_STA1/10: Čt 12:50–14:30 P106, M. Matulová
BPM_STA1/11: St 18:00–19:35 P312, T. Lerch
BPM_STA1/12: Čt 7:40–9:15 P103
BPM_STA1/13: Čt 12:50–14:30 P104, M. Králová
BPM_STA1/14: Rozvrh nebyl do ISu vložen. V. Studený
BPM_STA1/15: St 12:50–14:30 P102, V. Studený
BPM_STA1/16: Rozvrh nebyl do ISu vložen. P. Krajíčková
BPM_STA1/17: Po 16:20–17:55 P104, P. Krajíčková

Předpoklady

( PMMAT2 Matematika II || PMZMII Základy matematiky II || BPM_MATE Matematika ) && (! PMSTAI Statistika I )

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 15 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

• OSECKÝ, Pavel. Statistické vzorce a věty. Druhé rozšířené. Brno (Czech Republic): Masarykova univerzita, Ekonomicko-správní fakulta, 1999, 53 s. ISBN 80-210-2057-1. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info
• HANOUSEK, Jan a 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 a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Popisná statistika. 4. vyd. Brno: Masarykova univerzita, 2007, 52 s. ISBN 978-80-210-4246-9. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet. 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 je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu:
A (90,100); B (80,89); C (70,79); D (60,69); E (50,59); F (0,49)

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

BPM_STA1 Statistika 1

Rozsah

2/2/0. 5 kr. Ukončení: kz.

Vyučující

doc. Mgr. Maria Králová, Ph.D. (přednášející)
Mgr. David Hampel, Ph.D. (cvičící)
Mgr. Pavla Krajíčková, Ph.D. (cvičící)
doc. Mgr. Maria Králová, Ph.D. (cvičící)
Mgr. Tomáš Lerch (cvičící)
Ing. Mgr. Markéta Matulová, Ph.D. (cvičící)
RNDr. Václav Studený, Ph.D. (cvičící)

Garance

RNDr. Luboš Bauer, CSc.
Katedra aplikované matematiky a informatiky – Ekonomicko-správní fakulta
Kontaktní osoba: Lenka Hráčková

Rozvrh

Po 9:20–11:00 P101

• Rozvrh seminárních/paralelních skupin:

BPM_STA1/01: St 16:20–17:55 P312, T. Lerch
BPM_STA1/02: Út 12:00–13:35 S311, M. Králová
BPM_STA1/03: Po 12:50–14:30 VT314, M. Králová
BPM_STA1/04: St 16:20–17:55 S305
BPM_STA1/05: Po 11:05–12:45 P103, M. Králová
BPM_STA1/06: Út 13:45–15:20 S307, M. Králová
BPM_STA1/07: St 14:35–16:15 P304, V. Studený
BPM_STA1/08: Čt 14:35–16:15 P106, M. Matulová
BPM_STA1/09: Čt 11:05–12:45 P201, M. Králová
BPM_STA1/10: Čt 12:50–14:30 P106, M. Matulová
BPM_STA1/11: St 18:00–19:35 P312, T. Lerch
BPM_STA1/12: Čt 7:40–9:15 P103, D. Hampel
BPM_STA1/13: Čt 12:50–14:30 P104, M. Králová
BPM_STA1/14: Rozvrh nebyl do ISu vložen. P. Krajíčková
BPM_STA1/15: St 12:50–14:30 P102, V. Studený
BPM_STA1/16: Rozvrh nebyl do ISu vložen. P. Krajíčková

Předpoklady

PMMAT2 Matematika II || PMZMII Základy matematiky II

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.

Mateřské obory/plány

předmět má 12 mateřských oborů, zobrazit

Cíle předmětu

Na konci tohoto kurzu bude student schopen:
-porozumět a vysvětlit základní pojmy počtu pravděpodobnosti a základní pojmy popisné statistiky;
-užít pojmy počtu pravděpodobnosti a popisné statistiky k popisu ekonomických jevů a dat;
-používat vybudovaný pojmový aparát v navazujícím studiu matematické statistiky

Osnova

• 1.Četnost a pravděpodobnost, vlastnosti pravděpodobnosti, řešení vybraných pravděpodobnostních úloh.
• 2.Nezávislost náhodných jevů, vlastnosti nezávislých jevů, nezávislost po dvou a skupinová nezávislost.
• 3. Podmíněná pravděpodobnost, vzorec pro součin podmíněných pravděpodobností.
• 4. Vzorec pro celkovou pravděpodobnost, Bayesova věta, příklady.
• 5. Popisná statistika, nominální, ordinální, intervalové a poměrové znaky, jejich tabulkové a grafické znázornění. Příklady ekonomických dat.
• 6. Funkcionální a číselné 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, transformace náhodné veličiny.
• 8. Pravděpodobnostní funkce diskrétní náhodné veličiny a její vlastnosti, hustota pravděpodobnosti spojité náhodné veličiny a její vlastnosti; náhodný vektor a jeho funkcionální charakteristiky
• 9. Simultánní a marginální náhodné vektory, nezávislost náhodných veličin, posloupnost Bernoulliovských pokusů.
• 10. Příklady diskrétních a spojitých rozdělení pravděpodobností a jejich využití v ekonomické oblasti.
• 11. Číselé charakteristiky rozdělení pravděpodobností: střední hodnota, rozptyl, kvantily, jejich vlastnosti a použití v ekonomii.
• 12. Číselé charakteristiky simultánních rozdělení pravděpodobností: kovariance, korelační koeficient, jejich vlastnosti a použití v ekonomii.
• 13. Charakteristiky náhodných vektorů, věty o nerovnostech (Markovova nerovnost, Čebyševova nerovnost).

Literatura

• OSECKÝ, Pavel. Statistické vzorce a věty. Druhé rozšířené. Brno (Czech Republic): Masarykova univerzita, Ekonomicko-správní fakulta, 1999, 53 s. ISBN 80-210-2057-1. info
• HINDLS, Richard, Stanislava HRONOVÁ a Jan SEGER. Statistika pro ekonomy. 4. vyd. Praha: Professional publishing, 2003, 415 s. ISBN 8086419525. info
• HANOUSEK, Jan a 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 a Pavel OSECKÝ. Teorie pravděpodobnosti a matematická statistika.Sbírka příkladů. 2.dotisk 2.přeprac.vyd. Brno: Masarykova univerzita Brno, 2002, 127 s. ISBN 80-210-1832-1. info
• BUDÍKOVÁ, Marie, Štěpán MIKOLÁŠ a Pavel OSECKÝ. Popisná statistika. 4. vyd. Brno: Masarykova univerzita, 2007, 52 s. ISBN 978-80-210-4246-9. info

Výukové metody

teoretická příprava formou přednášek; praktická cvičení

Metody hodnocení

Přednáška se cvičením. Klasifikovaný zápočet. 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 je úspěšné absolvování průběžného testu. Je nutné dosáhnout alespoň 15 bodů ze 30 bodů. Průběžný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
3. podmínkou je úspěšného absolvování závěrečného testu. Je nutné dosáhnout alespoň 35 bodů ze 70 bodů. Závěrečný test lze jedenkrát opakovat. V případě, že student tuto podmínku ani opakovaně nesplní, bude výsledkem klasifikace známka F.
Výslední známka je při splnění předchozích podmínek určena bodovým součtem obou testů. Klasifikační stupnice pro udělení klasifikovaného zápočtu:
A (90,100); B (80,89); C (70,79); D (60,69); E (50,59); F (0,49)

Navazující předměty

• BPM_STA2 Statistika 2

Další komentáře

Předmět je vyučován každoročně.
Nezapisují si studenti, kteří absolvovali předmět PMSTAI.

Nachází se v prerekvizitách jiných předmětů

• BPM_STAE Statistika pro ekonomy
  (!BPM_STA1)||(!BPM_STA2)  
• MPV_MZVS Metody zkoumání veřejného sektoru
  (( BPM_STA1 ) && (!MPV_KMZV))  

• Statistika zápisu (nejnovější)