In the Statistics II course, students will learn and practice use and interpretation of elementary statistical methods for data processing and basic analysis of economic and social phenomena. The students will learn how to distinguish the situations and appropriate methods for given circumstances and types of data. A guidance to proper presentation and interpretation of the data and their results will be provided as well. Selected topics will be presented in the computing environments of MS Excel and Gretl.
Poslední úprava: Scholleová Hana (10.12.2021)
Podmínky zakončení předmětu (Další požadavky na studenta) -
Zápočet
Studenti získají zápočet na základě aktivní účasti na seminářích, odevzdávání dobrovolných domácích úkolů a úspěšného absolvování písemného průběžného (midterm) a závěrečného zápočtového testu. První dva požadavky jsou kvalitativní (splněno/nesplněno). Pro úspěšné zvládnutí zápočtových testů musí student získat v součtu alespoň 50 % bodů z obou testů dohromady.
Zápočet bude udělen studentům, kteří:
1. Absolvovali alespoň 75 % seminářů.
2. Získali v součtu alespoň 50 % bodů z průběžného a závěrečného zápočtového testu.
Zkouška
Ke zkoušce se mohou přihlásit pouze studenti, kteří získali zápočet.
Výsledná známka z předmětu se odvíjí od bodů, které mohou studenti získat během semestru nebo ve zkouškovém období (váha jednotlivých složek je uvedena v závorce):
Aktivní účast na seminářích (zahrnuje body za dobrovolné domácí úkoly, až 10 BONUSOVÝCH bodů).
Písemná závěrečná zkouška.
Výsledná známka studentů, kteří získali zápočet a splnili minimální požadovaný počet bodů u zkoušky, se následně určí na základě celkového součtu bodů z výše uvedených požadavků podle následující stupnice:
A: 90–100 %
B: 80–90 %
C: 70–80 %
D: 60–70 %
E: 50–60 %
F: méně než 50 %.
Všechny písemné testy a zkoušky probíhají v souladu se společnými pravidly pro písemné testy a zkoušky Ústavu ekonomiky a managementu.
Poslední úprava: Koťátková Stránská Pavla (23.06.2026)
Credit
Students will be awarded credit based on their active participation in seminars, submission of voluntary homework and written midterm and final credit test. The first two requirements are qualitative (fulfilled or not). To pass the credit tests, a student needs to score at least 50% of points from the two tests, cumulatively.
Credit will be awarded to students who:
1) attended at least 75% of seminars,
2) scored at least 50% cumulatively on midterm and final credit tests.
Exam
Only students who earned the credit can take the exam.
The final grade for the course will be awarded based on the following scores that students can earn during the semester or the examination period (the weight of each score in parentheses).
1) active participation in seminars (includes points from voluntary homework, up to 10 BONUS points),
2) written final exam.
The final grade of students who earned the credit and met the minimum required-point levels in the exam is then determined on the basis of the total sum of points from the above mentioned requirements on the following scale: A 90-100%, B 80-90%, C 70-80%, D 60-70%, E 50-60%, F less than 50%.
All written tests and exams are conducted in accordance with the common examination rules of the School of Business.
Poslední úprava: Koťátková Stránská Pavla (23.06.2026)
Literatura -
Povinná:
All the class materials at e-learning.vscht.cz (https://e-learning.vscht.cz/course/view.php?id=1495) and in MS Teams (lecture and seminar notes, setups of assignments, data files)
LIND, D., MARCHAL, W., WATHEN, S. Statistical Techniques in Business and Economics (16th Edition). McGraw-Hill Education: , 2015, s. ISBN 978-0078020520.
TRIOLA, M. F.. Essentials of Statistics. 5th ed.. Boston: Pearson Education, 2015, s. ISBN 978-0321924599.
LEVINE, David M.,SZABAT K. A.,STEPHAN D.F. Business Statistics: A First Course. 7th ed.. New York: Pearson, 2016, s. ISBN 978-1292095936.
STUDENMUND, A.H. Using econometrics: A practical guide. New York: Pearson Global Edition, 2017, s. ISBN 978-01-3136773-9.
Doporučená:
ZÁŠKODNÝ, P.. The Principles of Probability and Statistics (Data Mining Approach). Praha: Curriculum, 2012, s. ISBN 978-80-904944-1-1.
SALKIND, N. J.. Excel Statistics: A Quick Guide. 2nd ed.. Thousand Oaks: SAGE Publications, 2015, s. ISBN 978-1483375519.
Poslední úprava: Koťátková Stránská Pavla (23.06.2026)
R: LIND, D., MARCHAL, W., WATHEN, S. Statistical Techniques in Business and Economics, (16th Edition). McGraw-Hill Education 2015. ISBN-13: 978-0078020520.
R: TRIOLA, M., F. Essentials of Statistics (5th Edition). Pearson Education 2015. ISBN-13: 978-0321924599.
R: LEVINE, SZABAT, STEPHAN (2016), Business Statistics: A First Course. New York: Pearson Global Edition.
R: STUDENMUND, A.H. Using econometrics: A practical guide. New York: Pearson Global Edition, 2017. ISBN: 978-01-3136773-9.
A: ZÁŠKODNÝ, Přemysl (2012), The Principles of Probability and Statistics (Data Mining Approach). Praha: Curriculum.
Požadavky ke zkoušce (Forma způsobu ověření studijních výsledků)
Po získání zápočtu se student může přihlásit ke zkoušce. Zkouška bude písemná a proběhne v předem vypsaných termínech. Studenti se na zvolený termín musí registrovat v SISu. Zkouška trvá 90 minut a maximální možný počet bodů je 100. Bude se skládat ze dvou částí – teoretické (maximálně 50 bodů) a praktické (maximálně 50 bodů). Pro úspěšné složení zkoušky musí student získat alespoň 25 bodů z každé z těchto dvou částí. Student musí nejprve dosáhnout minimálního počtu bodů v písemném testu, teprve poté budou v jeho hodnocení zohledněny body za aktivitu. Student má na složení zkoušky maximálně tři pokusy.
Během zkoušky platí a budou vymáhána standardní pravidla akademické poctivosti a integrity. Jakékoli jejich porušení, pokusy o podvádění, používání mobilních telefonů, chytrých hodinek nebo jiných elektronických zařízení kromě kalkulaček povede k okamžitému ukončení vaší účasti na zkoušce a k následnému disciplinárnímu řízení.
Poslední úprava: Koťátková Stránská Pavla (23.06.2026)
Sylabus -
1. Opakování základů statistiky I Náhodná veličina a pravděpodobnost. Rozdělení pravděpodobnosti. Vše v praxi.
2. Opakování základů statistiky II. Popisná statistika. Statistická inference - bodové a intervalové odhady. Testování hypotéz, základní parametrické testy (rovnost průměru, rozptylu atd.). Vše v praxi.
3. Opakování základů statistiky III. Základní neparametrické testy: Mann-Whitney, Wilcoxonův rank-sum, znaménkový test atd.
4. Normální rozdělení a jeho význam. Standardní testy normality: Pearsonův chí-kvadrát test, Shapiro-Wilkův test, Kolmogorov-Smirnovův test.
6. Asociace mezi ordinálními a nominálními proměnnými. Kontingenční tabulky, Pearsonův chí-kvadrát test jako test nezávislosti.
7. Úvod do analýzy rozptylu. Předpoklady pro 1-way ANOVA. Neparametrická jednocestná ANOVA (Kruskal-Wallisův test). Vícenásobné porovnávání.
8. Korelační analýza I. Grafické metody, Pearsonův a Spearmanův korelační koeficient. Testy významnosti.
9. Korelační analýza pro nenormální data: biseriální a tetrachorická korelace.
10. Korelační analýza III. Vícerozměrná korelace: párová, násobná, parciální korelace.
11. Úvod do regresní analýzy I. Korelace vs. kauzalita. Jednoduchý lineární regresní model, testy významnosti koeficientů, F-test, koeficient determinace. LRM v Gretl.
12. Úvod do regresní analýzy II. Nelinearity v jednoduchém regresním modelu (logaritmické transformace, polynomy). Vyhodnocení a interpretace výsledků, možné problémy.
13. Metody vícerozměrné analýzy. Shluková analýza, faktorová analýza, analýza hlavních komponent. Aplikace v marketingu.
14. Závěrečná rekapitulace, konzultace.
Poslední úprava: Koťátková Stránská Pavla (12.09.2023)
1. Repetition of the basics of statistics I Random variable and probability. Probability distributions. All in practice.
2. Repetition of the basics of statistics II. Descriptive statistics. Statistical inference - point and interval estimates. Hypothesis testing, basic parametric tests (equality of mean, variance, etc.). All in practice.
3. Repetition of the basics of statistics III. Basic non-parametric tests: Mann-Whitney, Wilcoxon rank-sum, sign test, etc.
4. Normal distribution and its importance. Standard tests of normality: Pearson Chi-squared test, Shapiro-Wilk test, Kolmogorov-Smirnov test.
6. Association between ordinal and nominal variables. Contingency tables, Pearson Chi-squared test as test of independence.
7. Introduction to analysis of variance. Assumptions for 1-way ANOVA. Non-parametric one-way ANOVA (Kruskal-Wallis test). Multiple comparison.
8. Correlation analysis I. Graphical methods, Pearson and Spearman correlation coefficient. Tests of significance.
9. Correlation analysis for non-normal data: biserial and tetrachoric correlation.
10. Correlation analysis III. Multivariate correlation: pair, multiple, partial correlation.
11. Introduction to Regression analysis I. Correlation vs. causality. Simple linear regression model, tests of significance of coefficients, F-test, coefficient of determination. LRM in Gretl.
12. Introduction to Regression analysis II. Nonlinearities in simple regression model (logarithmic transformations, polynomials). Evaluating and interpreting the results, possible problems.
13. Methods of multivariate analysis. Cluster analysis, factor analysis, principal component analysis. Applications in marketing.
