Detail předmětu

Metody aplikované statistiky

FP-SmasPAk. 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

čeština

Počet kreditů

5

Garant předmětu

Ing. Karel Doubravský, Ph.D.

Zajišťuje ústav

Ústav informatiky (ÚI)

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

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.
Studenti získají takové znalosti, že budou schopni zvládnout statistické metody na takové teoretické a praktické úrovni, která jim umožní zpracovávat data a provádět jejich korektní vyhodnocení. Rozvíjet vědomí a schopnosti studentů využívat statistické prostředky jako základ datové anlýzy při řízení jednotlivých činností podniku.

Studijní opory

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

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. (CS)
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 NOSKIEVIČOVÁ, D. Statistické metody pro zlepšování jakosti. 1.vyd. Ostrava: Montanex, 2000. ISBN 80-7225-040-X.

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

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

Typ (způsob) výuky

 

Přednáška

13 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 a srovnáváním
12. Indexy způsobilosti
13. Průzkumová analýza vícerozměrných dat

Cvičení

26 hod., povinná

Vyučující / Lektor

Mgr. Eva Michalíková, Ph.D.
Ing. Karel Doubravský, Ph.D.

Osnova

Témata cvičení jsou shodné s tématy přednášek.

Elearning

eLearning: aktuální otevřený kurz