Detail předmětu

Applied Analytical Statistics

FP-BAASE-DAk. rok: 2026/2027

Studenti získají znalosti z oblasti náhodných veličin, matematické statistiky, kategoriální a korelační analýzy, analýzy rozptylu, regresní analýzy a analýzy časových řad a jejich využití při řízení podnikových procesů. Důraz je především kladen na praktickou část, která je zaměřena na seznámení s využitím statistického programu R při realizaci výše zmíněných metod a postupů.

Jazyk výuky

angličtina

Počet kreditů

6

Příslušnost k typu studijního programu

bakalářský

Garant předmětu

Ing. Karel Doubravský, Ph.D.

Zajišťuje ústav

Ústav kvantitativního inženýrství (ÚKI)

Nabízen zahraničním studentům

Všech fakult

Vstupní znalosti

Doporučené vstupní znalosti pro absolvování předmětu jsou základy matematiky (práce s funkcemi, základní  algebraické operace, základní diferenciální a integrální počet), základy pravděpodobnosti (pojem náhodného jevu a pravděpodobnosti).

Způsob zakončení předmětu a pravidla hodnocení studentů

Zápočet (max. 40 bodů)

  • 80% účast na cvičení.
  • vypracování dvou semestrálních úloh (bližší informace k tématům prací a způsobu odevzdávání bude upřesněno na začátku semestru).

Zkouška (max. 60 bodů)

  • je písemná, trvá 120 minut a skládá se ze 4 příkladů a jedné teoretické otázky.
  • při zkoušce lze používat vlastní poznámky a materiály vystavené na stránkách e-learningu.

Známku, odpovídající součtu (max 100 bodů), která sestává:

  • z dosažených bodů ze semestrálních úloh,
  • z výsledků řešených příkladů,
  • z kvality odpovědí na teoretickou otázku.

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 dvou semestrálních úloh (bližší informace k tématům prací a způsobu odevzdávání bude upřesněno na začátku semestru).

Zkouška (max. 60 bodů)

  • je písemná, trvá 120 minut a skládá se ze 4 příkladů a jedné teoretické otázky.
  • při zkoušce lze používat vlastní poznámky a materiály vystavené na stránkách e-learningu.

Známku, odpovídající součtu (max 100 bodů), která sestává:

  • z dosažených bodů ze semestrálních úloh,
  • z výsledků řešených příkladů,
  • z kvality odpovědí na teoretickou otázku.

Známky a jim 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 kontrolována.

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.
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, 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.

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)

Zařazení předmětu ve studijních plánech

  • Program BAK-ESBD-D 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

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., povinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Samostudium

70 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.

Individuální příprava na ukončení

47 hod., nepovinná

Vyučující / Lektor

Ing. Karel Doubravský, Ph.D.