|
|
Main menu for Browse IS/STAG
Course info
USII / FPZD
:
Course description
Department/Unit / Abbreviation
|
USII
/
FPZD
|
Academic Year
|
2023/2024
|
Academic Year
|
2023/2024
|
Title
|
Počítačové zpracování podnikových dat
|
Form of course completion
|
Course-credit
|
Form of course completion
|
Course-credit
|
Accredited / Credits
|
Yes,
5
Cred.
|
Type of completion
|
Combined
|
Type of completion
|
Combined
|
Time requirements
|
Lecture
1
[HRS/WEEK]
Tutorial
2
[HRS/WEEK]
|
Course credit prior to examination
|
No
|
Course credit prior to examination
|
No
|
Automatic acceptance of credit before examination
|
No
|
Included in study average
|
NO
|
Language of instruction
|
Czech
|
Occ/max
|
|
|
|
Automatic acceptance of credit before examination
|
No
|
Summer semester
|
0 / -
|
0 / -
|
0 / -
|
Included in study average
|
NO
|
Winter semester
|
40 / -
|
0 / -
|
0 / -
|
Repeated registration
|
NO
|
Repeated registration
|
NO
|
Timetable
|
Yes
|
Semester taught
|
Winter semester
|
Semester taught
|
Winter semester
|
Minimum (B + C) students
|
not determined
|
Optional course |
Yes
|
Optional course
|
Yes
|
Language of instruction
|
Czech
|
Internship duration
|
0
|
No. of hours of on-premise lessons |
|
Evaluation scale |
S|N |
Periodicity |
každý rok
|
Periodicita upřesnění |
|
Fundamental theoretical course |
No
|
Fundamental course |
No
|
Fundamental theoretical course |
No
|
Evaluation scale |
S|N |
Substituted course
|
None
|
Preclusive courses
|
N/A
|
Prerequisite courses
|
N/A
|
Informally recommended courses
|
N/A
|
Courses depending on this Course
|
N/A
|
Histogram of students' grades over the years:
Graphic PNG
,
XLS
|
Course objectives:
|
Cílem předmětu je seznámit studenty se základními principy zpracování podnikových dat pomocí moderního přístupu s využitím běžného i specializovaného programového vybavení a odpovídajících matematických nástrojů.
|
Requirements on student
|
Zápočet je udělen za vypracování zadaných úkolů ve stanovených termínech a závěrečný test s úspěšností alespoň 60 %.
|
Content
|
Struktura a příklady souborů podnikových dat.
Charakteristiky souboru podnikových dat.
Nástroje pro statistické zpracování souborů podnikových dat.
Grafické vyjádření charakteristik souboru podnikových dat, kontingenční tabulky a grafy.
Časový vývoj podnikových dat a jeho parametry.
Nástroje pro stanovení pravděpodobného vývoje parametrů podnikových dat.
Testování vztahů mezi veličinami v souboru a odhadu jejich vývoje, regrese a korelace.
Současné trendy ve zpracování a prezentaci výstupů zpodnikových dat.
|
Activities
|
|
Fields of study
|
|
Guarantors and lecturers
|
-
Lecturer:
RNDr. Ing. Oldřich Horák, Ph.D. (100%),
doc. Ing. Hana Kopáčková, Ph.D. (100%),
-
Tutorial lecturer:
RNDr. Ing. Oldřich Horák, Ph.D. (100%),
doc. Ing. Hana Kopáčková, Ph.D. (100%),
-
Examiners:
RNDr. Ing. Oldřich Horák, Ph.D.,
|
Literature
|
-
Basic:
Brebera, David a kol. Sbírka příkladů ze statistiky. Pardubice, 2014.
-
Basic:
Horálek, Vratislav. Základní statistické výpočty s podporou Microsoft Excel. Praha: Česká společnost pro jakost, 2001. ISBN 80-02-01427-8.
-
Recommended:
Šťastný, Zdeněk. Matematické a statistické výpočty v Microsoft Excelu : určeno pro Microsoft Excel 95, 97 i 2000. Praha: Computer Press, 1999. ISBN 80-7226-141-X.
-
Recommended:
Zvára, Karel. Pravděpodobnost a matematická statistika. Praha: Matfyzpress, 2006. ISBN 80-86732-71-1.
-
Recommended:
Hindls, Richard . Statistika pro ekonomy. Praha: Professional Publishing, 2006. ISBN 80-86946-16-9.
-
Recommended:
Hendl, Jan. Statistika v aplikacích. Praha: Portál, 2014. ISBN 978-80-262-0700-9.
|
Time requirements
|
Full-time form of study
|
Activities
|
Time requirements for activity [h]
|
Kontaktní výuka
|
13
|
Praktická výuka
|
26
|
Individual project
|
30
|
Domácí příprava na výuku
|
30
|
Sběr materiálu
|
10
|
Příprava na zápočet
|
30
|
Samostatná kritická četba
|
10
|
Total
|
149
|
|
Prerequisites - other information about course preconditions |
- |
Competences acquired |
Student, který úspěšně absolvoval předmět, umí:
vysvětlit pojmy využívané kpopisu souboru podnikových dat a jejich matematické analogie;
popsat soubor podnikových dat svyužitím základních statistických charakteristik a vysvětlit jejich informační význam;
popsat základní vztahy mezi charakteristikami souboru podnikových dat;
vysvětlit analogie souboru podnikových dat a matematicky definované náhodné veličiny;
vysvětlit možnosti a omezení odhadu vývoje charakteristik svyužitím základů teorie pravděpodobnosti;
Student, který úspěšně absolvoval předmět, dovede:
zpracovat pomocí programového vybavení soubor podnikových dat a získat tak jeho základní charakteristiky;
vyjádřit slovně a graficky získané charakteristiky souboru podnikových dat;
odhalit vsouboru podnikových dat základní typy chyb a eliminovat jejich vliv;
zjistit, kvalifikovat a kvantifikovat vztahy mezi veličinami vsouboru podnikových dat;
pomocí interpolace stanovit odhady chybějících hodnot vsouboru podnikových dat a odhady ověřit;
stanovit vsouboru podnikových dat trendy a cyklické změny a správně je parametrizovat;
svyužitím programového vybavení odhadnout a vyjádřit vývoj charakteristik pomocí extrapolace;
Student, který úspěšně absolvoval předmět, je schopen:
komplexně zpracovat soubor podnikových dat a určit vybrané charakteristiky včetně odhadu jejich přesnosti;
ze stanovených charakteristik sestavit slovní a grafický výstup vhodný pro podnikový reporting;
pomocí získaných charakteristik stanovit odhad pravděpodobného vývoje vybraných charakteristik;
zparametrů vývoje sestavit slovní a grafický výstup a odhad relevantně vysvětlit; |
Teaching methods |
- Monologic (reading, lecture, briefing)
- Dialogic (discussion, interview, brainstorming)
- Methods of individual activities
- Skills training
|
Assessment methods |
- Home assignment evaluation
- Didactic test
|
|
|
|