|
Õppekava aineMajandusstatistika
| Õppeaine |
| Ainekood |
RIMC5014 |
| Õppeaine nimetus |
Majandusstatistika |
| Ainepunkte |
3 EAP |
| Hindamisviis |
Eksam (tähed) |
|
| Õppekava aine |
| Õppekava |
2015 FS FK |
| Õppeaasta |
1 |
| Semester |
Kevadsemester |
| Aine tüüp |
Kohustuslik |
|
| Õppejõud |
| Helmo Käerdi |
| Lea Pallas |
|
| Üldkirjeldus |
|---|
1. Kirjeldav statistika.
1.1. Statistiliste andmete liigitus. Üldkogum ja valim. Rühmitatud andmed.
1.2. Keskmised ja variatsiooninäitarvud.
1.3. Statistilise materjali graafiline esitamine. Histogramm ja kumulatiivse sageduse graafik.
1.4. Indeksid.
1.5. MS Exceli funktsioonid AVERAGE, HARMEAN, GEOMEAN, MODE, MEDIAN, VAR, STDEV, FREQUENCY; protseduurid Descriptive Statistics ja Histogram.
2. Tõenäosuse mõiste ja arvutamise põhivõtteid.
2.1. Juhuslikud sündmused. Tehted sündmustega.
2.2. Sündmuse sagedus ja tõenäosus.
2.3. Ühendid.
2.4. Üksteist välistavate sündmuste liitmisvalem. Korrutamisvalem. Üksteist mittevälistavate sündmuste liitmisvalem.
2.5. Täistõenäosuse valem. Bayesi valem.
3. Juhuslikud suurused.
3.1. Juhuslike suuruste mõiste. Diskreetsed ja pidevad juhuslikud suurused.
3.2. Diskreetse juhusliku suuruse jaotusseadus.
3.3. Jaotusfunktsioon ning jaotustihedus.
3.4. Juhusliku suuruse keskmisi iseloomustavad arvkarakteristikud: keskväärtus, mood ja mediaan.
3.5. Juhusliku suuruse hajuvust iseloomustavad arvkarakteristikud: dispersioon ja standardhälve.
3.6. Asümmeetriategur ja ekstsess.
4. Klassikalised jaotused.
4.1. Bernoulli valem. Binoomjaotus.
4.2. Poissoni jaotus.
4.3. Hüpergeomeetriline jaotus.
4.4. Ühtlane jaotus.
4.5. Eksponentjaotus.
4.6. Normaaljaotus. Normaaljaotuse jaotustihedus ja selle graafik. Normaaljaotusega juhusliku suuruse antud vahemikku sattumise tõenäosus. Laplace’i funktsioon ja selle omadusi. Kolme sigma reegel. Keskmine viga
MS Exceli funktsioonid BINOMDIST, POISSON, HYPERGEOMDIST, EXPONDIST ja NORMDIST.
5. Tõenäosusteooria piirteoreemid.
5.1. Suurte arvude seadus (Tšebõševi ja Bernoulli teoreem).
5.2. Juhuslike suuruste jada koondumine normaaljaotuseks (tsentraalne piirteoreem).
5.3. Binoomjaotuse koondumine normaaljaotuseks (Laplace’i integraalne ja lokaalne piirteoreem).
6. Jaotuse parameetrite hindamine.
6.1. Punkthinnangud ja nendele esitatavad nõuded.
6.2. Keskväärtuse, dispersiooni ja standardhälbe punkthinnangud.
6.3. Vahemikhinnangud.
6.4. Normaaljaotuse keskväärtuse usalduspiirkond, kui valimi maht on suur või kui standardhälve on teada.
6.5. Normaaljaotuse keskväärtuse usalduspiirkond, kui valimi maht on väike. Studenti jaotus.
6.6. Normaaljaotuse dispersiooni ja standardhälbe usalduspiirkond. -jaotus.
6.7. Juhusliku sündmuse tõenäosuse usalduspiirkond.
6.8. Vahemikhinnangute leidmine MS Exceli valemitega.
7. Statistiliste hüpoteeside kontrollimine.
7.1. Statistilised hüpoteesid. Esimest ja teist liiki vead. Kriitilised piirkonnad.
7.2. Kahe normaaljaotuse keskväärtuse võrdlemine.
7.3. Kahe normaaljaotuse dispersiooni võrdlemine. Fisheri jaotus. MS Exceli protseduurid T-Test ja F-Test.
7.4. Jaotusseaduse kohta püstitatud nullhüpoteesi kontrollimine -kriteeriumiga.
8. Korrelatsioon- ja regressioonanalüüs.
8.1. Juhuslike suuruste sõltuvus.
8.2. Kovariatsioon. Korrelatsioon. Pearsoni korrelatsioonikordaja.
8.3. Spearmani korrelatsioonikordaja.
8.4. Lineaarne regressioon.
8.5. Determinatsioonikordaja.
8.6. Regressioonisirge parameetrite usalduspiirkonnad.
8.7. Statistilised prognoosid ja nende usaldatavus.
8.8. MS Exceli funktsioonid PEARSON, INTERCEPT, SLOPE , RSQ; protseduur Regression.
8.9. Multiregressioon. MS Exceli protseduur Correlation.
8.10. Mittelineaarne regressioon. Trendijoone valikuvõimalused MS Excelis.
9. Aegread.
9.1. Aegrea mõiste.
9.2. Aegrea tasandamine libiseva keskmisega.
9.3. Eksponenttasandamine. MS Exceli protseduurid Moving Average ja Exponential Smoothing.
9.4. Multiplikatiivne ja aditiivne aegrida.
9.5. Aegrea dekompositsioon.
9.6. Prognoos multiplikatiivses aegreas. |
|
| Eesmärk |
|---|
Kursuse läbimise järel peavad üliõpilased:
1) tundma statistika põhimõisteid ja meetodeid;
2) teadma olulisemaid MS Exceli statistikafunktsioone ja protseduure;
3) oskama õpitut sisulise arusaamisega kasutada:
a) erialaainete õppimisel;
b) tulevase kutsetööga seotud andmetöötlusprobleemide analüüsimisel, korrektsete statistiliste hinnangute andmisel ja prognooside tegemisel. |
|
| Vormikirjeldus |
|---|
ÕPPEAINE MAHT (ECTS) 3,0
s.h. auditoorse töö tunnid 36 tundi päevaõppes, 24 tundi kaugõppes
iseseisva töö tunnid 42 tundi päevaõppes, 54 tundi kaugõppes |
|
| Õpiväljundid |
|---|
Õppeaine edukal läbimisel
üliõpilane tunneb tõenäosusteooria aluseid, valdab rakendusstatistika meetodeid, tunneb Exceli statistikatarkvara ja kaasaegseid IT vahendeid ning oskab neid teadmisi kasutada majandusanalüüside ja statistiliste prognooside tegemiseks
1. Tunneb kirjeldava statistika ja indeksite teooria põhimõisteid ja meetodeid ning suudab neid kasutada esmaseks andmeanalüüsiks
2. Teab tõenäosuse mõistet ja omadusi ning valdab tõenäosuse põhilisi arvutusvõtteid
3. Tunneb juhuslikku suurust iseloomustavaid funktsioone ja arvkarakteristikuid ning oskab nende abil õigesti mõtestada statistika meetodeid
4. Tunneb olulisemaid praktikas kasutatavaid jaotusi ja oskab lahendada nendega seotud erialaseid rakendusülesandeid
5. Teab tõenäosusteooria piirteoreeme, orienteerub statistika meetodite teoreetilistes alustes ja oskab siduda teoreetilisi ja empiirilisi karakteristikuid
6. Tunneb jaotuse parameetrite täpsuse ja usaldusväärsuse hindamise meetodeid ning suudab korrektselt interpreteerida statistilise analüüsi tulemusi
7. Tunneb statistiliste hüpoteeside kontrollimise meetodeid ja dispersioonanalüüsi aluseid ning oskab võrrelda keskmisi ja dispersioone
8. Valdab korrelatsioon- ja regressioonanalüüsi meetodeid ja oskab neid kasutada maksunduse, tolli ja majandusülesannete lahendamiseks
9. Valdab aegridade analüüsi meetodeid, oskab neid meetodeid kasutada maksunduse, tolli ja majandusülesannete lahendamiseks ning suudab teha statistilisi prognoose |
|
| Kirjandus |
|---|
KOHUSTUSLIKUD ALLIKAD:
1. H. Käerdi. Statistika. Sisekaitseakadeemia, kolmas trükk 2005 (või teine trükk 2003 või esimene trükk 2000).
2. H. Käerdi. Nähtustevaheliste seoste uurimine. Sisekaitseakadeemia, kolmas trükk 2006 (või teine trükk 2005 või esimene trükk 2001).
SOOVITUSLIKUD ALLIKAD:
1. H. Käerdi. Statistika ja tõenäosusteooria alused. SKA 1999, ERA 1997,
2. I. Tammeraid. Tõenäosusteooria ja matemaatiline statistika. TTÜ, 2004.
3. E.-M. Tiit, M.Möls. Rakendusstatistika lühikursus. Eesti Statistikaselts, Tartu, 1997.
4. E. Listra. Äristatistika I. Teine trükk. TTÜ, 2001.
5. A. Kiviste. Matemaatiline statistika MS Exceli keskkonnas. GT Tarkvara, 1999. (Seisuga 10.07.2008)
http://www.eau.ee/~ktanel/kool_ja_too/stat_excelis/
6. A. Sauga. Statistika. 2000 - 2006. (Seisuga 10.07.2008) http://www.sauga.pri.ee/ Pärast lehekülje avanemist vt statistika õppematerjale |
|
| Käimasolevad voorud |
|---|
| Pole ühtegi |
| |
