ESF:MPE_BAAN Bayesiánská analýza - Informace o předmětu

MPE_BAAN Bayesiánská analýza

Rozsah

2/2/0. 10 kr. Ukončení: zk.

Vyučující

doc. Ing. Daniel Němec, Ph.D. (přednášející)
doc. Ing. Daniel Němec, Ph.D. (cvičící)
Mgr. Jakub Chalmovianský, Ph.D. (pomocník)
Ing. Mgr. Vlastimil Reichel, Ph.D. (pomocník)

Garance

doc. Ing. Daniel Němec, Ph.D.
Katedra ekonomie – Ekonomicko-správní fakulta
Kontaktní osoba: Mgr. Jarmila Šveňhová
Dodavatelské pracoviště: Katedra ekonomie – Ekonomicko-správní fakulta

Předpoklady

základy maticové algebry; základy pravděpodobnosti a matematické statistiky, popřípadě základy lineární regrese resp. ekonometrie - možnost souběžné návštěvy kurzu BPE_ZAEK Základy ekonometrie (není však podmínkou); základní znalosti práce s R, Matlabem či podobným výpočetním nástroje) mohou být výhodou (doporučuji např. souběžné zapsání volitelného kurzu MPE_ZMAT Základy MATLABu, na který navazuje v jarním semestru MPE_MATL Matlab, kde získáte obecněji využitelné základy programování).

Omezení zápisu do předmětu

Předmět je nabízen i studentům mimo mateřské obory.
Jiné omezení: Předmět si nezapisují studenti, kteří absolvovali PMREGR.

Mateřské obory/plány

předmět má 6 mateřských oborů, zobrazit

Cíle předmětu

Účelem předmětu je seznámit posluchače s bayesovským přístupem ke kvantitativní analýze ekonomického systému reprezentovaným ekonometrickým modelem. V ekonomické teorii hrají bayesovské metody důležitou roli při modelování chování subjektů či systémů v podmínkách nejistoty. Ekonomičtí agenti obvykle maximalizují svou účelovou funkci na základě dostupných informací a při přísunu informací nových zlepší svá rozhodnutí na základě Bayesova pravidla. Bayesovská ekonometrie je tedy v principu založena na aplikaci několika jednoduchých zákonů pravděpodobnosti, zejména pak Bayesova pravidla, pomocí kterého jsou naše prvotní úvahy o vlastnostech ekonomického systému (reprezentované např. neznámými parametry) konfrontovány se skutečným pozorováním, abychom tak získali nový (podmíněný) pohled na jev, který nás zajímá (např. ony neznámé parametry).
V rámci předmětu tak budou objasněny postupy bayesovské kvantifikace ekonometrického modelu spočívající v odhadu parametrů modelu, v porovnání různých modelů a ve využití modelů pro ekonomickou analýzu a prognózování. Postupy budou prezentovány jak na umělých datech (pro osvojení si teoretických principů a vlastností simulačních metod, které jsou v rámci bayesovské ekonometrie využívány), tak i na reálných ekonomických systémech a datech s ukázkami praktického využití modelu jako nástroje ekonomického rozhodování.

Výstupy z učení

Na konci tohoto kurzu bude student schopen:
porozumět a vysvětlit principy bayesiánské analýzy reálných dat;
vhodně formulovat a správně identifikovat (nejen) ekonometrické modely na základě stanoveného problému;
orientovat se v odborných textech využívajících bayesovský přístup k empirické analýze zvolené problematiky;
věcně interpretovat výsledky bayesovské analýzy při řešení reálných (nejen ekonomických) problémů;
být kompetentní v efektivním používání různých programovacích nástrojů.

Osnova

• Bayesovský přístup k ekonometrii a statistice
• Bayesovo pravidlo (tvorba bayesovských modelů pro jevy a náhodné veličiny)
• Beta-Binomický Bayesovský model
• Principy Bayesiánské analýzy (vyrovnanost datové a apriorní informace, sekvenčnost v Baysiánské analýze)
• Kojugované apriorní hustoty
• Aproximace aposteriorní hustoty
• Markov Chain Monte Carlo metody
• Aposteriorní analýza a predikce
• Jednoduchý normální lineární regresní model
• Hodnocení kvality regresních modelů
• Rozšíření normálního regresního modelu
• Poissonův a negativní binomický regresní model
• Logistická regrese
• Naivní Bayesovká klasifikace
• Hierarchické Bayesiánské modely

Literatura

povinná literatura
• JOHNSON, Alicia A., Miles Q. OTT a Mine DOGUCU. Bayes rules! : an introduction to applied Bayesian modeling. First edition. Boca Raton: CRC Press/Taylor & Francis Group, 2022, xxi, 521. ISBN 9780367255398. info
• KOOP, Gary. Bayesian econometrics. Chichester: Wiley, 2003, xi, 359. ISBN 0470845678. info
• LAMBERT, Ben. A student's guide to Bayesian statistics. First published. Los Angeles: Sage, 2018, xx, 498. ISBN 9781473916364. info

doporučená literatura
• MCELREATH, Richard. Statistical rethinking : a Bayesian course with examples in R and Stan. Second edition. Boca Raton: CRC Press/Taylor & Francis Group, 2020, xvii, 593. ISBN 9780367139919. info
• KRUSCHKE, John K. Doing Bayesian data analysis : a tutorial with R, JAGS and Stan. Edition 2. Amsterdam: Elsevier, 2015, xii, 759. ISBN 9780124058880. info

Výukové metody

přednášky, diskuse v hodině, praktická cvičení v počítačové učebně, drilování

Metody hodnocení

aktivita na semináři a dva semestrální domácí úkoly (50 % závěrečného hodnocení), závěrečný (skupinový) projekt a ústní zkouška v podobě obhajoby projektu (50 % závěrečného hodnocení); podrobnosti k ukončení předmětu pro studenty vyjíždějící do zahraničí jsou obsaženy v Organizačních pokynech (viz studijní materiály v ISu)

Navazující předměty

• MPE_MAMO Makroekonomické modelování

Informace učitele

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.

Další komentáře

Studijní materiály
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Přednášky jsou dostupné online a ze záznamu.

• Statistika zápisu (nejnovější)
  
• Permalink: https://is.muni.cz/predmet/econ/podzim2024/MPE_BAAN