Detail předmětu

Applied Analytical Statistics

FP-BAASEAk. rok: 2022/2023

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

6

Zajišťuje ústav

Nabízen zahraničním studentům

Všech fakult

Výsledky učení předmětu

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, a budou schopni tyto znalosti za pomoci statistických programů vhodně aplikovat v reálném podnikatelském prostředí tak, aby byli schopni obdržet relevantní informace potřebné pro podporu řízení podnikatelských činností.

Prerekvizity

Základy lineární algebry, matematické analýzy a pravděpodobnosti.
Množiny, množinové operace, pojmy z kombinatoriky, derivace, integrál, klasická pravděpodobnost, podmíněná pravděpodobnost.

Plánované vzdělávací činnosti a výukové metody

Výuka probíhá formou přednášek, které mají charakter výkladu základních principů, metodologie dané disciplíny a problémů. Cvičení podporují zejména praktické ovládnutí látky vyložené na přednáškách.

Způsob a kritéria hodnocení

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh.

Zkouška (max. 60 bodů)
- je písemná.
V její první části řeší student během 100 minut 4 příklady. Ve druhé části zkoušky student vypracuje během 15 minut odpovědi na teoretické otázky.

Známku, odpovídající součtu (max 100 bodů), která sestává:
- z dosažených bodů ze semestrálních 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 (69–60), E (59–50), F (49–0).

 


ZAKONČENÍ PŘEDMĚTU PRO STUDENTY S INDIVIDUÁLNÍM STUDIEM

Zápočet (max. 40 bodů)
- vypracování semestrálních úloh.

Zkouška (max. 60 bodů)
- je písemná.
V její první části řeší student během 100 minut 4 příklady. Ve druhé části zkoušky student vypracuje během 15 minut odpovědi na teoretické otázky.

Známku, odpovídající součtu (max 100 bodů), která sestává:
- z dosažených bodů ze semestrálních 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 (69–60), E (59–50), F (49–0).

Osnovy výuky

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

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 informatických a ekonomických problémů. Po absolvování předmětu budou studenti připraveni za pomoci statistických programů prakticky použít tyto metody v navazujících informatických a ekonomických předmětech.

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

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

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)

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

Zařazení předmětu ve studijních plánech

  • Program BAK-E bakalářský

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

  • Program BAK-Z bakalářský

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

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

Typ (způsob) výuky

 

Přednáška

13 hod., nepovinná

Vyučující / Lektor

Osnova

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

Cvičení

26 hod., nepovinná

Vyučující / Lektor

Osnova

Náplň cvičení odpovídá náplni přednášek.

Elearning