Survey Sampling - NMST438

• Title: Výběrová šetření
• Guaranteed by: Department of Probability and Mathematical Statistics (32-KPMS)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2022
• Semester: winter
• E-Credits: 5
• Hours per week, examination: winter s.:2/2, C+Ex [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Guarantor: RNDr. Pavel Charamza, CSc.
• Teacher(s): RNDr. Pavel Charamza, CSc.
• Class: M Mgr. PMSE; M Mgr. PMSE > Povinně volitelné
• Classification: Mathematics > Probability and Statistics
• Pre-requisite : NMSA407
• Is interchangeable with: NSTP166, NSTP027

Annotation

English

Basic methods of probability sampling from finite populations. Estimation of characteristics of finite populations. Applications in sampling surveys.

Last update: T_KPMS (12.05.2014)

Czech

Základní metody výběru z konečného souboru. Odhad charakteristik konečného souboru. Aplikace na výběrová šetření.

Last update: G_M (28.05.2013)

Aim of the course

English

To explain basic concepts and methods of finite populations sampling and applications to sample survey.

Last update: Zichová Jitka, RNDr., Dr. (12.04.2018)

Czech

Seznámit studenty se základními principy a metodami vyběrů z konečného souboru a aplikacemi na výběrová šetření.

Last update: Zichová Jitka, RNDr., Dr. (12.04.2018)

Course completion requirements

English

Minimum 80% attendance at practical sessions and a presentation during the sessions on the following topics:

Factor analysis, processing of sample survey data

Comparison of statistical errors

Sampling design

Weighting

Last update: Zichová Jitka, RNDr., Dr. (05.05.2025)

Czech

Podmínkou pro udělení zápočtu a zakončení předmětu je minimálně 80% účast na cvičení a prezentace v rámci cvičení na tématické okruhy:

1) faktorová analýza, zpracování dat výběrových šetření

2) porovnání statistických chyb

3) výběrový plán

4) vážení

Last update: Zichová Jitka, RNDr., Dr. (18.04.2018)

Literature

Cochran, W. G. (1977). Sampling Techniques. Wiley, New York. Third Edition

Čermák, V.: Výběrové statistické zjišťování. SNTL Praha, 1980

Särndal, C.-E., Swensson, B., and Wretman, J. (1992). Model Assisted Survey Sampling. Springer, New York.

Vorlíčková, D. (1985). Výběry z konečných souborù. Univerzita Karlova. Skripta

Last update: T_KPMS (12.05.2014)

Teaching methods

English

Lecture+exercises.

Last update: T_KPMS (12.05.2014)

Czech

Přednáška+cvičení.

Last update: T_KPMS (12.05.2014)

Requirements to the exam

English

To successfully pass the exam, students must master the material covered in lectures, especially the following areas:

Basic concepts and definitions in the field of sample surveys

Estimation methods for totals and means under various sampling designs (simple, Poisson, rejection, sequential, systematic, area, multi-stage)

Methods for estimating the error of estimates for totals and means

Asymptotic properties of estimators

Ratio estimators

Sample representativeness and weighting algorithms

The exam is oral. Students must demonstrate an understanding of the topics and the ability to derive basic relationships presented in the lectures. Emphasis will be placed on practical applications, especially in public opinion research.

Last update: Zichová Jitka, RNDr., Dr. (05.05.2025)

Czech

K úspěšnému složení zkoušky je potřeba zvládnout učivo v odpředneseném rozsahu a to zejména oblasti

1) Základní pojmy a definice z oblasti výběrových šetření

2) Metody odhadu úhrnu a průměru při různých výběrových plánech (prostý, poissonovský, zamítací, postupný, systematický, oblastní, vícestupňový)

3) Metody odhadu chyby odhadů úhrnu a průměru

4) Asymptotické vlastnosti odhadů

5) Poměrové odhady

6) Reprezentativita výběru a algoritmy vážení

Zkouška je ústní. Posluchači musí prokázat pochopení problematiky a schopnost odvodit základní vztahy odpřednesené na přednášce. Důraz bude kladen na aplikace látky zejména v oblasti výzkumů veřejného mínění.

Last update: Zichová Jitka, RNDr., Dr. (18.04.2018)

Syllabus

English

1. Basic concepts: Population, sampling frame. population vs. sampling total and mean.

2. Simple random sampling without replacement.

3. Systematic sampling.

4. Sampling with unequal probabilities - Poisson sampling and its modifications.

5. Stratified sampling and optimal allocation.

6. Model assisted estimation - ratio and regression estimators, calibration model.

7. Cluster and two-stage sampling.

8. Nonresponse.

Last update: T_KPMS (12.05.2014)

Czech

1. Základní pojmy: Populace, výběrový plán, opora výběru, populační a výběrový úhrn a průměr.

2. Prostý náhodný výběr bez vracení.

3. Systematický výběr.

4. Výběry s nestejnými pravděpodobnostmi - Poissonovský výběr a jeho modifikace.

5. Stratifikovaný (oblastní) výběr, optimální alokace.

6. Odhady s využitím modelu ("Model assisted estimation") - poměrový odhad, regresní odhad, kalibrační model.

7. Skupinový a vícestupňový výběr .

8. Nonresponse.

Last update: T_KPMS (12.05.2014)

Entry requirements

English

The basics of Probability Theory and Mathematical Statistics based on the first year of Master Program. Notions: probability distribution, distribution characteristics, conditional expectation and variance. Further it is assumed the knowledge of the basics of R or Python environment with respect to the data exploration - basic objects, regression analysis, exploratory analysis (Box-whisker plots, histograms, ...).

Last update: Zichová Jitka, RNDr., Dr. (14.05.2019)

Czech

Předpokládá se znalost základů teorie pravděpodobnosti a matematické statistiky v rozsahu pro první ročník magisterského studia. Základní pojmy: rozdělení, charakteristiky rozdělení, podmíněná střední hodnota a rozptyl. Dále se předpokládá základní znalost jazyka R nebo Python, zejména s ohledem na zpracování dat - základní datové objekty, regresní analýza, základní zpracování dat (Box-Whisker, histogram, ...).

Last update: Zichová Jitka, RNDr., Dr. (14.05.2019)