Detail předmětu

Applied Analytical Statistics

FP-BAASEAk. rok: 2024/2025

Studenti získají základní znalosti náhodných veličin diskrétního, spojitého typu a jejich důležitých typů rozdělení, zpracování datových souborů kvantitativního a kvalitativního znaku, bodových a intervalových odhadů, nejpoužívanějších parametrických testů a testů dobré shody, jednoduchých a složených indexů, lineárních a nelineárních regresních modelů a analýzy časových řad.

Jazyk výuky

angličtina

Počet kreditů

Garant předmětu

Ing. Karel Doubravský, Ph.D.

Zajišťuje ústav

Ústav informatiky (ÚI)

Nabízen zahraničním studentům

Všech fakult

Vstupní znalosti

Pro úspěšné zvládnutí jsou požadovány základní znalosti matematické analýzy.

Pravidla hodnocení a ukončení předmětu

ZAKONČENÍ PŘEDMĚTU

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh (téma úloh bude upřesněno během semestru).

Zkouška (max. 60 bodů)
- je písemná s využitím výpočetní techniky a skládá se ze čtyř výpočtových příkladů a teoretické otázky.

Konečné hodnocení, odpovídající součtu (max. 100 bodů), které sestává:
- z dosažených bodů ze semestrálních úloh (max. 40 bodů),
- z výsledků řešených příkladů (max. 51 bodů),
- z kvality odpovědi na teoretickou otázku (max. 9 bodů).

Konečné hodnocení a jemu odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0).


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.

ZAKONČENÍ PŘEDMĚTU PRO STUDENTY S INDIVIDUÁLNÍM STUDIEM

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh (téma úloh bude upřesněno během semestru).

Zkouška (max. 60 bodů)
- je písemná s využitím výpočetní techniky a skládá se ze čtyř výpočtových příkladů a teoretické otázky.

Konečné hodnocení, odpovídající součtu (max. 100 bodů), které sestává:
- z dosažených bodů ze semestrálních úloh (max. 40 bodů),
- z výsledků řešených příkladů (max. 51 bodů),
- z kvality odpovědi na teoretickou otázku (max. 9 bodů).

Konečné hodnocení a jemu odpovídající body:
A (100-90), B (89-80), C (79-70), D (69-60), E (59-50), F (49-0).

Učební cíle

Studenti budou seznámeni se základními pojmy náhodných veličin dikrétního, spojitého typu a jejich důležitých rozdělení, zpracování datových souborů, bodových a intervalových odhadů, testování statistických hypotéz, lineárních a nelineárních regresních modelů a analýzy časových řad. Studenti budou schopni využít příslušné metody při řešení praktických problémů. Po absolvování předmětu budou studenti schopnosti využívat statistické prostředky jako základ datové analýzy v reálném podnikatelském prostředí tak, aby byli schopni obdržet relevantní informace potřebné pro podporu řízení podnikatelských činností.

Základní literatura

FIELD, A., J. MILES and Z. FIELD. Discovering Statistics Using R. 1 edition. Los Angeles, Calif.: SAGE Publications Ltd., 2012. ISBN 978-1-4462-0046-9. (EN)
MATHEWS, P. Design of Experiments with Minitab. Milwaukee: ASQ Quality Press, 2005. ISBN 978-08-738-9637-5. (EN)
Study materials available in the Moodle E-learning system. (EN)

Doporučená literatura

BOX, George E. P., William Gordon HUNTER a J. Stuart HUNTER, 1978. Statistics for experimenters: an introduction to design, data analysis, and model building. B.m.: Wiley. ISBN 978-0-471-09315-2. (EN)
KARPÍŠEK, Z. a M. DRDLA. Applied Statistics. Brno University of Technology, Faculty of Business and Management. Brno, 1999. ISBN 80-214-1493-6. (EN)
MONTGOMERY, Douglas C., 2008. Design and Analysis of Experiments. B.m.: John Wiley & Sons. ISBN 978-0-470-12866-4. (EN)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program BAK-E bakalářský

    obor BAK-ESBD , 1 ročník, letní semestr, povinný

  • Program BAK-ESBD bakalářský 2 ročník, letní semestr, povinný

  • Program BAK-Z bakalářský

    obor BAK-Z , 1 ročník, letní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

13 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

V kurzu jsou vysvětleny základní myšlenky teorie pravděpodobnosti, náhodných veličin, matematické statistiky, korelační analýzy, kategoriální analýzy, regresní analýzy a analýzy časových řad.

Základní tematická náplň:

1. Náhodné veličiny (diskrétní a spojité), jejich číslené charakteristiky (střední hodnota, rozptyl, směrodatná odchylka) a zákony rozdělení (distribuční funkce, pravděpodobnostní funkce, hustota pravděpodobnosti).
2. Speciální typy rozdělení diskrétní a spojité náhodné veličiny (binomické, geometrické, hypergeometrické, normální, exponenciální a logaritmicko-normální rozdělení).
3. Dvourozměrný náhodný vektor a jeho charakteristiky (koeficient kovariance a korelace).
4. Základní pojmy matematické statistiky a zpracování malých jednorozměrných datových souborů kvantitativního a kvalitativního znaku.
5. Zpracování velkých jednorozměrných datových souborů kvantitativního a kvalitativního znaku.
6. Bodové a intervalové odhady parametrů znaku základního souboru.
7. Základní pojmy, principy a postupy testování statistických hypotéz.
8. Základní parametrické testy (jednovýběrový a dvouvýběrový t-test, F-test) a testy dobré shody (Pearsonův test, Kolmogorovův-Smirnovův test).
9. Základní pojmy z indexní analýzy (intenzitní ukaztel, extenzitní ukazatel, index).
10. Jednoduché a složené (individuální a agregátní) indexy.
11. Základní pojmy a principy regresní analýzy, metoda nejmenších čtverců a lineární regresní funkce.
12. Nelineární regresní funkce (linearizovatelné a speciální nelinearizovatelné), volba vhodné regresní funkce.
13. Základní charakteristiky časových řad (první diference, keoficient růstu), dekompozice časových řad (trendová a sezónní složka časových řad).

Cvičení

26 hod., povinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

Témata cvičení jsou shodná s tématy přednášek.

Elearning

eLearning: aktuální otevřený kurz