PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Výběrová šetření - NMST438
Anglický název: Survey Sampling
Zajišťuje: Katedra pravděpodobnosti a matematické statistiky (32-KPMS)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2022
Semestr: zimní
E-Kredity: 5
Rozsah, examinace: zimní s.:2/2, Z+Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Garant: RNDr. Pavel Charamza, CSc.
Třída: M Mgr. PMSE
M Mgr. PMSE > Povinně volitelné
Kategorizace předmětu: Matematika > Pravděpodobnost a statistika
Prerekvizity : NMSA407
Je záměnnost pro: NSTP166, NSTP027
Anotace -
Poslední úprava: G_M (28.05.2013)
Základní metody výběru z konečného souboru. Odhad charakteristik konečného souboru. Aplikace na výběrová šetření.
Cíl předmětu -
Poslední úprava: RNDr. Jitka Zichová, Dr. (12.04.2018)

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

Podmínky zakončení předmětu
Poslední úprava: RNDr. Jitka Zichová, Dr. (18.04.2018)

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

Literatura
Poslední úprava: T_KPMS (12.05.2014)

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

Metody výuky -
Poslední úprava: T_KPMS (12.05.2014)

Přednáška+cvičení.

Požadavky ke zkoušce
Poslední úprava: RNDr. Jitka Zichová, Dr. (18.04.2018)

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.

Sylabus -
Poslední úprava: T_KPMS (12.05.2014)

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.

Vstupní požadavky -
Poslední úprava: RNDr. Jitka Zichová, Dr. (14.05.2019)

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, ...).

 
Univerzita Karlova | Informační systém UK