In Statistics I, students are introduced to the basics of probability theory and statistics and practice theoretical concepts on a variety of practical problems. Students will also learn the basics of processing, presentation and interpretation of data. The course is a preparation for further exploration of statistical methods for elementary economic analysis. and social phenomena. Students will learn to distinguish situations and appropriate methods for given circumstances and types of data. Will instruction in the proper presentation and interpretation of data and results will also be provided. Selected topics will be presented in the MS Excel and Gretl computing environments.

V předmětu Statistika I se studenti seznámí se základy teorie pravděpodobnosti a statistiky a procvičí si teoretické koncepty na různých praktických problémech. Studenti se také seznámí se základy zpracování, prezentace a interpretace dat. Kurz je přípravou na další zkoumání statistických metod pro elementární analýzu ekonomických a sociálních jevů. Studenti se naučí rozlišovat situace a vhodné metody pro dané okolnosti a typy dat. Bude poskytnut také návod na správnou prezentaci a interpretaci dat a jejich výsledků. Vybraná témata budou prezentována ve výpočetním prostředí MS Excel a Gretl.

Z: BUDÍKOVÁ, M., KRÁLOVÁ, M., MAROŠ, B. (2010), Průvodce statistickými metodami. Praha: Grada Publishing. ISBN 978-80-247-3243-5.

D: ANDĚL, J. (2002), Základy matematické statistiky, Univerzita Karlova v Praze, Matematicko-fyzikální fakulta, Preprint.

D: HENDL, J. (2004), Přehled statistických metod zpracování dat, Praha, Portál. ISBN 80-7178-820-1

D: KOŽÍŠEK, J., STIEBEROVÁ, B.: Statistika v příkladech, Verlag Dashofer, Praha 2012.

D: HINDLS, R., HRONOVÁ, S. a kol. (2007), Statistika pro ekonomy, Professional publishing. ISBN 978-80-86946-43-6.

D: LIND, D., MARCHAL, W., WATHEN, S. (2015), Statistical Techniques in Business and Economics, (16th Edition). McGraw-Hill Education. ISBN-13: 978-0078020520.

D: TRIOLA, M., F. (2015), Essentials of Statistics (5th Edition), Pearson Education. ISBN-13: 978-0321924599.

After receiving credit, the student may register for the examination. The examination will be written, at pre-announced times.

Students must register for the selected date in SIS. The exam lasts 90 minutes and has a maximum length of 90 minutes.

The score is 100. The exam will consist of two parts - a theoretical part (maximum 50 points) and a part that consists of two parts.

the practical part (maximum 50 points).

In order to pass the exam, the student must score at least 25 points out of the following in each of the two parts.

Po získání zápočtu se student může přihlásit ke zkoušce. Zkouška bude písemná, v předem vyhlášených termínech.

Studenti se musí na vybraný termín přihlásit v SIS. Zkouška trvá 90 minut a její maximální délka je 90 minut.

počet bodů je 100. Zkouška se bude skládat ze dvou částí - teoretické části (maximálně 50 bodů) a části, která se skládá ze dvou částí.

praktické části (maximálně 50 bodů).

Pro úspěšné složení zkoušky musí student získat alespoň 25 bodů z následujících bodů

z každé z obou částí.

1. Introduction to Statistics. Types of data, data representation and visualization.

2. The essentials of probability theory. Random Experiments, Sample space, Events, Probabilities.

3. Axioms of probability. Elementary probability theorems, conditional probability, multiplication rule. Subjective probability.

4. Random variable and probability theory. Random variable, frequency, probability distribution and its representation and main characteristics. Probability function, density function, cumulative distribution function and their properties.

5. Selected probability distributions I. Discrete random variable.

6. Selected probability distributions II. Continuous random variable.

7. Multidimensional random variable. Random vectors and multivariate probabilistic distributions.

8. Joint, marginal and conditional probability. Independence.

9. Storing data in random variables, introducing descriptive statistics, characteristics of location and of variability, central moments. Variance decomposition.

10. Introduction to statistical inference. From understanding a sample to assessing population. Point and interval estimates.

11. Statistical inference continued. Hypothesis testing: null and alternative hypothesis, level of significance, critical values and rejection interval, type I and type II errors, p-value, one-sided and two-sided alternative hypothesis.

12. Basic parametric tests: equality of mean, variance, one-sample or two-sample tests.

13. Introduction to non-parametric testing. Importance of normality. Assigning ranks. Selected non-parametric tests: Mann-Whitney, Wilcoxon rank-sum, sign test.

14. Final recap, consultations.

1. Úvod do statistiky, základní statistické pojmy - výběrové setření, četnosti, typy dat, tabulková a grafická reprezentace,

2. Popisná statistika - míry polohy a variability (střední hodnota, rozptyl, variační koeficient, p-kvantil, medián, modus), základní vlastnosti

3. Popisná statistika - koeficient šikmosti, koeficient špičatosti, rozklad rozptylu

4. Pravděpodobnost – náhodná veličina diskrétní a spojitá, jedno- a vícerozměrná, základní charakteristiky

5. Pravděpodobnost a pravděpodobnostní rozděleni (jednorozměrná diskrétní náhodná veličina) - pravděpodobnostní funkce, kumulativní distribuční funkce jednorozměrné náhodné, základní vlastnosti, vybraná diskrétní rozdělení pravděpodobnosti a jejích základní číselné charakteristiky

6. Pravděpodobnost a pravděpodobnostní rozdělení (jednorozměrná spojitá náhodná veličina) – hustota pravděpodobnosti, kumulativní distribuční funkce jednorozměrné náhodné veličiny, základní vlastnosti, vybraná spojitá rozdělení pravděpodobnosti a jejích základní číselné charakteristiky

7. Pravděpodobnostní rozdělení vícerozměrného náhodného vektoru - pravděpodobnostní funkce, hustota pravděpodobnosti, kumulativní distribuční funkce, marginální a podmíněné rozdělení pravděpodobnosti, nezávislost složek náhodného vektoru, základní číselné charakteristiky vícerozměrného náhodného vektoru

8. Statistická indukce – základní soubor a výběrový soubor, odhady parametrů: bodové a intervalové odhady (jednostranné a oboustranné) pro střední hodnotu a rozptyl

9. Úvod do testováni hypotéz – statistická hypotéza, nulová a alternativní hypotéza, hladina významnosti, kritické hodnoty, kritický obor, chyba 1. a 2. druhu, p-hodnota, testovací kritérium, jednostranní a oboustranní alternativní hypotéza

10. Testovaní hypotéz: základní parametrické testy – testy o střední hodnotě (jednovýběrové), testy o rozptylu (jednovýběrové)

11. Testovaní hypotéz: základní parametrické testy – testy o střední hodnotě (dvojvýběrové pro závislé a nezávislé soubory), testy o rozptylu (dvojvýběrové)

12. Testovaní hypotéz: základní neparametrické testy - jedno-výběrový a dvoj-výběrový Wilcoxon test, znaménkový test

13. Testovaní hypotéz: základní neparametrické testy - dvou-výběrový Kolmogorov-Smirnov test a další

14. Shrnuti

The student will receive credit for attendance, activity in the exercises and completion of the credit written work for a minimum of 50% of all parts.

After receiving credit, the student may register for the examination. The examination will be written, at pre-announced times.

Students must register for the selected date in SIS. The exam lasts 90 minutes and has a maximum length of 90 minutes.

The score is 100. The exam will consist of two parts - a theoretical part (maximum 50 points) and a part that consists of two parts.

the practical part (maximum 50 points).

In order to pass the exam, the student must score at least 25 points out of the following in each of the two parts.

Student získá zápočet za docházku, aktivitu na cvičeních a absolvování zápočtové písemné práce na min. 50 % ze všech částí.

Po získání zápočtu se student může přihlásit ke zkoušce. Zkouška bude písemná, v předem vyhlášených termínech.

Studenti se musí na vybraný termín přihlásit v SIS. Zkouška trvá 90 minut a její maximální délka je 90 minut.

počet bodů je 100. Zkouška se bude skládat ze dvou částí - teoretické části (maximálně 50 bodů) a části, která se skládá ze dvou částí.

praktické části (maximálně 50 bodů).

Pro úspěšné složení zkoušky musí student získat alespoň 25 bodů z následujících bodů

z každé z obou částí.