|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
FES / HSMM
:
Popis předmětu
Pracoviště / Zkratka
|
FES
/
HSMM
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Statistické a matem. metody v řízení
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Název dlouhý
|
Statistické a matematické metody v řízení
|
Akreditováno / Kredity
|
Ano,
20
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
8
[HOD/SEM]
Seminář
4
[HOD/SEM]
|
Zápočet před zkouškou
|
Ne
|
Zápočet před zkouškou
|
Ne
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
NE
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
1 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
NE
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní + Letní
|
Vyučovaný semestr
|
Zimní + Letní
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
S|N |
Periodicita |
každý rok
|
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit doktorandy s nejnovějšími modifikacemi statistických metod tak, aby je uměli vhodně aplikovat ve svém hlavním oboru. Zejména by uměli hledat faktory stavu a vývoje nejdůležitějších jevů ve své oblasti a testovat jejich účinnost, což jim může umožnit dosažení původních vědeckých výsledků ve své disciplině. Předpokládají se znalosti základů počtu pravděpodobnosti, induktivních statistických úsudků, regresní a korelační analýzy, analýzy časových řad a určité zkušenosti z práce s aspoň jedním statistickým počítačovým produktem (minimálně s Excelem).
|
Požadavky na studenta
|
Vypracování průběžných zadaných úkolů, závěrečný test s hodnocením alespoň 51%.
|
Obsah
|
Význam lidského úsudku a dat pro rozhodování a potřeby vědecké práce. Data a vědecký výzkum. Heuristika a zkreslení při rozhodování. Jak kvalitní je lidský úsudek? Využití statistických metod a úsudku při prognózování. Zkreslení při odhadu pravděpodobnosti. Rozhodování za nejistoty. Pravděpodobnostní a statistické myšlení při kauzálním modelování. Pravděpodobnostní a statistické myšlení při analýze statistické kauzality. Mechanické použití statistiky a chybné závěry při statistických analýz. Mechanické používání statistických testů. Kvazi-inferenční statistika. Statistická kauzalita a zdánlivé zákonitosti vztahů. Objektivita, subjektivita a pravděpodobnost. Statistická korelace a fyzikální kauzalita. Využití kvantitativního a kvalitativního marketingového výzkumu Kvalitativní a kvantitativní marketingový výzkum. Postup marketingového výzkumu. Sběr dat. Explorační a konfirmační typy výzkumu. Deskriptivní a kauzální výzkum. Provádění výběru a analýza dat. Specifická témata a aplikace. Návrh dotazníku. Vícerozměrné statistické metody. Studijní cíle, vliv počítačové revoluce, základní koncepty vícerozměrné analýzy. Analýza kategoriálních dat. Klasifikace vícerozměrných technik. Strukturovaný přístup k vícerozměrnému modelování, vícerozměrná regresní analýza. Diskriminační analýza, vícerozměrná analýza rozptylu, kanonická korelační analýza, faktorová analýza, shluková analýza, vícerozměrné škálování, vícerozměrné preference.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Doporučená:
Goodwin, P. - Wright, G. Decision Analysis for Management Judgment.. New York, Wiley, 1998.
-
Doporučená:
McDonnnald, R.P. Faktorová analýza a příbuzné metody v psychologii.. Praha, Academia, 1991.
-
Doporučená:
Wright, G. - Goodwin, P. Forecasting with Judgment.. New York, Wiley, 1998.
-
Doporučená:
DISMAN, M. Jak se vyrábí sociologická znalost.. Karolinum Praha, 2002.
-
Doporučená:
Aaker, D. A. - Day,G.S. Marketing Research. New York, J. Wiley, 1990.
-
Doporučená:
Chisnall, P. M. Marketing Research.. England, McGraw - Hill, 1992.
-
Doporučená:
Foret, M. - Stávková, J. Marketingový výzkum: jak poznávat své zákazníky.. Grada, Praha, 2003.
-
Doporučená:
Přibová a kolektiv. Marketingový výzkum v praxi.. Praha, Grada, 1996.
-
Doporučená:
Hebák, P. Pravděpodobnostní rozhodování v ekonomických situacích.. VŠE Praha, 1998.
-
Doporučená:
Armstrong, J. S. Principles of Forecasting: A Handbook for Researchers and Practitioners.. Kluwer Academic Publishers, Boston, 2003.
-
Doporučená:
Wang, Ch.:. Sense and Nonsense of Statistical Inference.. New York, Marcel Dekker, 1993.
-
Doporučená:
Anděl, J. Statistické metody.. Praha, Matfyzpress, 1998.
-
Doporučená:
Hebák, P. - Hustopecký, J. - Jarošová, E. - Pecáková, I. Vícerozměrné statistické metody (1).. Informatorium, Praha, 2004.
-
Doporučená:
Hebák, P. - Hustopecký, J. - Malá, I. Vícerozměrné statistické metody (2).. Informatorium, Praha, 2005.
-
Doporučená:
Hebák, P. a kol. Vícerozměrné statistické metody (3).. Informatorium, Praha, 2005.
|
Předpoklady - další informace k podmíněnosti studia předmětu |
Předpokladem zvládnutí předmětu je znalost teorie pravděpodobnosti, matematické statistiky, statistických metod a matematických metod. |
Získané způsobilosti |
Student bude schopen aplikovat statistické metody ve svém oboru s cílem dosažení původních vědeckých výsledků ve své disciplině. |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Dialogická (diskuze, rozhovor, brainstorming)
- Metody samostatných akcí
|
Hodnotící metody |
- Ústní zkouška
- Písemná zkouška
- Analýza výkonu studenta
|
|
|
|