Detail předmětu

Applied Statistics

FP-IBasPAk. rok: 2024/2025

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

Jazyk výuky

angličtina

Počet kreditů

6

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 teorie pravděpodobnosti, popisné statistiky a matematické statistiky.

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 odpovědí 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 odpovědí na teoretickou otázku (max. 9 bodů).

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

Učební cíle

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

Studijní opory

viz Literatura k předmětu.
Studijní materiály dostupné na e-learningu.

Základní literatura

FIELD, A.; MILES, J. and FIELD, Z. Discovering Statistics Using R. Los Angeles, Californie: SAGE Publications Ltd., 2012. ISBN 978-1-4462-0046-9. (EN)
MATHEWS, P. Design of Experiment with Minitab. Milwaukee: ASQ Quality Press, 2005. ISBN 9780873896375 (EN)
Study materials available on e-learning. (EN)

Doporučená literatura

BOX, G. E. P.; HUNTER, W. G. and HUNTER, J. S. Statistics for experimenters: an introduction to design, data analysis, and model building. Wiley, 1978. ISBN 978-0-471-09315-2.
KARPÍŠEK, Z. and DRDLA, M. Applied statisitcs. Brno: PC-DIR Real, 1999. ISBN 8021414936.

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MGR-IBM magisterský navazující 1 ročník, zimní semestr, povinný

  • Program MGR-Z magisterský navazující

    obor MGR-Z , 1 ročník, zimní semestr, volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

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

Cvičení

13 hod., povinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Osnova

Témata cvičení jsou shodné s tématy přednášek.

Elearning

eLearning: aktuální otevřený kurz