Předmět Kvantitativní nástroje v rozhodování (62KNR0)

Na serveru studentino.cz naleznete nejrůznější studijní materiály: zápisky z přednášek nebo cvičení, vzorové testy, seminární práce, domácí úkoly a další z předmětu 62KNR0 - Kvantitativní nástroje v rozhodování, Fakulta managementu JH, Vysoká škola ekonomická v Praze (VŠE).

Materiál	Typ	Datum	Počet stažení

Obsah

1. Základní principy simulací Monte Carlo.2. Principy simulací Monte Carlo jako extenze influenčních diagramů v prostředí Lumina Analytica.3. Bayesovský přístup v manažerském rozhodování.4. Perfektní informace, výběrová informace, EVIU, citlivostní analýza.5. Analýza 0-1 kategoriálních dat (pravděpodobnostní modely, jednovýběrový problém o proporci, absolutní a relativní riziko, poměr šancí).6. Analýza obecných kategoriálních dat (Pearsonův test dobré shody s multinomickým rozdělením, nezávislost dvou kategoriálních znaků).7. Regrese s jedním prediktorem.8. Regrese - ověřování předpokladů a nápravné prostředky.9. Vícenásobná regrese (kvalitativní prediktor v modelu a pomocné proměnné, interakce mezi kvalitativními prediktory, interakce kvalitativního a kvantitativního prediktoru).10. Multikolinearita, transformace prediktorů.11. Logistická regrese, multinomická regrese.12. Vybrané data-miningové přístupy.13. Grafické možnosti software R, volná diskuze a ukázka závěrečného testu.

Získané způsobilosti

Po úspěšném absolvování budou studenti schopni statisticky posoudit (ne)závislost dvou kvalitativních, kvalitativního a kvantitativního a dvou či více kvantitativních znaků. Dále budou disponovat znalostí principů lineární regrese, zejména s ohledem na ohodnocení závislosti kvantitativního znaku na jedné či více kvantitativních i kvalitativních proměnných. Studenti budou též ovládat základní metody data-miningu a pravděpodobnostního modelování. V kurzu si osvojí i základní znalost programů Lumina Analytica a R.

Literatura

TypAutorNázevMísto vydáníNakladatelRokISBNZKOMÁREK, A. -- KOMÁRKOVÁ, L.Statistická analýza závislostí s příklady v R.Praha:Oeconomica, 2007.978-80-245-1226-6ZMAINDONALD, J H. -- BRAUN, J.Data analysis and graphics using R : an example - based approach.Cambridge:Cambridge University Press, 2010.978-0-521-76293-9ZBERKA, P.Dobývání znalostí z databází.Praha:Academia, 2003.80-200-1062-9DKOMÁRKOVÁ, L. -- KOMÁREK, A. -- BÍNA, V.Základy analýzy dat a statistického úsudku s příklady v R.Praha:Oeconomica, 2007.978-80-245-1227-3DDALGAARD, P.Introductory statistics with R.New York:Springer, 2008.978-0-387-79053-4DMURRELL, P.R graphics.Boca Raton:Chapman, 2006.1-58488-486-XDVERZANI, J.Using for introductory statistics.Boca Raton:Chapman, 2005.1-58488-450-9DHNILICA, J. -- FOTR, J.Aplikovaná analýza rizika.Praha:Grada Publishing, 2009.978-80-247-2560-4DKIVIET, J F.Monte Carlo simulation for econometricians.Boston:Now Publishers, 2012.978-1-60198-538-5DGELMAN, A.Bayesian data analysis.Boca Raton:CRC Press, 2014.978-1-4398-4095-5

Požadavky

Zkouška bude individuální praktické ověření ovládnutí jednotlivých metod (s využitím počítače) doplněné o ústní dozkoušení teoretických aspektů.

Garant

doc. Ing. Vladislav Bína, Ph.D.

Vyučující

doc. Ing. Vladislav Bína, Ph.D.