Detail předmětu

Metody aplikované statistiky

FP-masKAk. rok: 2020/2021

Předmět se zabývá parametrickými a neparametrickými testy, analýzou rozptylu, kategoriální analýzou, vícerozměrnými regresními modely, metodami statistické regulace a indexy způsobilosti.

Jazyk výuky

čeština

Počet kreditů

5

Zajišťuje ústav

Výsledky učení předmětu

Studenti získají takové znalosti, že budou schopni zvládnout statistické metody na takové teoretické a praktické úrovni, která jim umožní zpracovávat a provádět korektní vyhodnocení dat a rozvíjet vědomí a schopnosti studentů využívat statistické prostředky při řízení jednotlivých činností podniku.

Prerekvizity

Pro úspěšné zvládnutí jsou požadovány základní znalosti teorie pravděpodobnosti, popisné statistiky a matematické statistiky.

Plánované vzdělávací činnosti a výukové metody

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů a metodologie dané disciplíny, problémů a jejich vzorových řešení.

Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

Způsob a kritéria hodnocení

Zápočet (max. 40 bodů)
- je udělen na základě účasti na cvičeních,
- vypracování výpočtových úloh a teoretických otázek.

Zkouška (max. 60 bodů)
- je písemná.
V její první části řeší student během 80 minut 4 příklady. Ve druhé části zkoušky student vypracuje během 15 minut odpovědi na 3 teoretické otázky.

Známku, odpovídající součtu (max 100 bodů), která sestává:
- z dosažených bodů z teoretických otázek a výpočtových úloh,
- z výsledků řešených příkladů,
- z kvality odpovědí na teoretické otázky.

Známky a jim odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-61), E (59-50), F (49-0).

Osnovy výuky

Základní tematická náplň přednášek je následující:
1. Parametrické testy: t-test, párový t-test, dvouvýběrový t-test, F-test
2. Kolmogorovův-Smirnovův test, Shapiro-Wilkův test, Pearsonův test
3. Analýza rozptylu: jednofaktorová a dvoufaktorová ANOVA
4. Neparametrické testy: jednovýběrové pořadové testy
5. Neparametrické testy: dvouvýběrové pořadové testy
6. Neparametrické obdoby analýzy rozptylu
7. Vícerozměrné regresní modely: základní principy
8. Vícerozměrné regresní modely: klasické předpoklady
9. Kategoriální analýza
10. Statistická regulace procesu
11. Regulační diagramy pro regulaci měřením
12. Regulační diagramy pro regulaci srovnáváním
13. Indexy způsobilosti

Učební cíle

Cílem předmětu je seznámit studenty se základními principy matematické statistiky, ekonometrických modelů, kategoriální analýzy, metod statistické regulace a jejich využití při řízení podnikových procesů.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách není povinná, ale doporučuje se. Účast na cvičeních je povinná a kontrolovaná. Omluvená neúčast studenta na cvičení může být nahrazena náhradními úkoly.

Základní literatura

CSN ISO 8258 Shewhartovy regulační diagramy. Praha: Český normalizační institut, 1994. (CS)
KROPÁČ, J. Statistika C. 2. vyd. Brno: Akademické nakladatelství CERM, 2012. 100 s. ISBN 978-80-7204-789-5. (CS)
Studijní materiály vystavené na e-learningu. (CS)

Doporučená literatura

KROPÁČ, J. Statistika A. 4. vyd. Brno: Fakulta podnikatelská, 2011. ISBN 978-80-214-4226-9.
KROPÁČ, J. Statistika B. 2. vyd. Brno: Fakulta podnikatelská, 2009. ISBN 978-80-214-3295-6.
KUPKA, K. Statistické řízení jakosti. Pardubice: TriloByte Statistical Software, 1997. ISBN 80-238-1818-X.
MONTGOMERY, D.C. Introduction to Statistical Quality Control. 6 ed. John Wiley & Sons, 2005. ISBN 978-0-470-16992-6.
TOŠENOVSKÝ, J. a D. NOSKIEVIČOVÁ. Statistické metody pro zlepšování jakosti. 1.vyd. Ostrava: Montanex, 2000. ISBN 80-7225-040-X.

Elearning

Zařazení předmětu ve studijních plánech

  • Program MGR-SRP-KS magisterský navazující 1 ročník, zimní semestr, povinný
  • Program MGR-IM-KS magisterský navazující 2 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Konzultace v kombinovaném studiu

16 hod., nepovinná

Vyučující / Lektor

Osnova

Konzultace probíhá formou osobních setkání nebo pomocí elektronické komunikace.

Elearning