|
|
Osobní databáze GPS tras
Šrubařová, Daniela ; Bartík, Vladimír (oponent) ; Burget, Radek (vedoucí práce)
Cílem této práce je návrh a implementace aplikace sloužící jako databáze záznamů tras získaných z GPS zařízení, které jsou obvykle pořizovány pro osobní využití v rámci sportovních aktivit jako je cyklistika nebo běh. V textu je popsán proces obojího, tedy návrhu a implementace. Výsledná aplikace zpracovává soubory obsahující GPS záznamy ve formátu GPX. Tyto lze následně vizualizovat a k tomuto účelu je využito podpory služeb Google Maps. Veškeré užitečné informace o každé trase jsou přehledně zobrazeny uživateli. Aplikace počítá statistické údaje pro zvolené období a poskytuje graf výškového profilu ke zvolené trase. Implementovaný systém pro správu záznamů tras byl průběžně testován dobrovolníky, díky čemuž může nabídnout přívětivé a intuitivní uživatelské rozhraní.
|
|
|
Charakteristiky statistické vazby
Janda, Radek ; Fusek, Michal (oponent) ; Michálek, Jaroslav (vedoucí práce)
Tato bakalářská práce se zabývá charakteristikami statistické vazby mezi náhodnými veličinami a jejich praktickým využitím v průmyslu. Teoretická část je zaměřena na výčet a popis statistických vazeb. Dále je zde popsán statistický software Statistica, který umožňuje řadu uvedených charakteristik počítat. Na jednoduchých příkladech je uveden způsob použití statistických vazeb. Praktická část se zaměřuje na statistickou analýzu průmyslových reálných dat s využitím znalostí z teoretické části bakalářské práce.
|
|
|
Evaluating a Structural Model Forecast: Decomposition Approach
Brázdik, František ; Humplová, Zuzana ; Kopřiva, František
Makroekonomičtí analytici jsou často kritizováni pro nedostatek transparentnosti ve svých predikcích. Pro odvrácení této kritiky by měla být transparentnost predikčního procesu zvýšena vysvětlením a kvantifikováním příspěvků revizí dat a expertních úprav ke změnám mezi jednotlivými predikcemi. Tato studie popisuje metodu analyzující dekompozice změn mezi dvěma predikcemi vytvořenými lineárním strukturálním modelem. Navržený postup umožňuje rozložit rozdíly v těchto predikcích na příspěvky různých složek predikcí, např. nových dat, revizí nebo expertních úprav, a to i v případě, kdy jsou tyto úpravy modelovány jako očekávané z pohledu ekonomických subjektů v modelu. Při nejjednodušším použití tohoto postupu jsou analyzovány alternativní scénáře prognózy vycházející z různých předpokladů. Dále je analýza rozšířena přidáním rozdílu jednoho období mezi počátečními obdobími prognóz. Nakonec je pro demonstraci plného využití navrženého postupu replikováno Hodnocení plnění inflačního cíle ze Zprávy o inflaci III/2013.
Plný text:  PDF
|
|
| |
|
|
Vývoj zaměstnanosti ve zpracovatelském průmyslu Jihočeského kraje v letech 1930 - 2011
JEŘÁBKOVÁ, Šárka
Bakalářská práce sleduje vývoj zaměstnanosti ve zpracovatelském průmyslu Jihočeského kraje. Tento vývoj je vymezen od roku 1930, a to z důvodu dostupnosti, resp. nedostupnosti, statistických dat. Jako posledním sledovaným rokem, byl stanoven rok 2011, kdy proběhlo nejnovější Sčítání lidu, domů a bytů. Byly určeny tzv. profilové roky, které kopírovaly sčítání lidu na území České republiky, v nichž se daný jev sledoval. Výjimkou tvoří rok 1989, z důvodu dostupnosti podrobnějších dat, a právě proto byl tento rok určen jako profilový. Vzhledem k nejednotnosti sčítacích a statistických metod v jednotlivých profilových rocích, je velice důležitá metodika celé práce, která je podrobně popsána. Práce se zabývá územím dnešního Jihočeského kraje, který je tvořen 7 okresy, leč tomu v minulosti vždycky tak nebylo. Z tohoto důvodu je obsažen také vývoj administrativního dělení kraje. Celá práce je doplněna tabulkami a grafy, které zachycují vývojovou křivku daného jevu. Zároveň je teorie podpořena kartogramy a kartodiagramy.
|
|
|
Competing on Analytics
Nagin, Gleb ; Pour, Jan (vedoucí práce) ; Basl, Josef (oponent)
Business intelligence (BI) jsou dovednosti, znalosti, technologie, aplikace, kvalita, rizika, bezpečnostní otázky a postupy používané v podnikání pro získání lepšího pochopení chování na trhu a obchodních souvislostech. Za tímto účelem společnosti provádí sběr dat, integraci, analýzu, interpretaci a prezentaci obchodních informací. Umožňuje jim získat lepší přehled o podniku, o řizení podniku nebo ziskat přehled o obchodním plánování. Business analytika se zaměřuje na rozvoj nových poznatků a pochopení výkonnosti podniku na základě historických údajů včetně statistických dat. Business intelligence se tradičně zaměřuje na použití konzistentních souboru a datových ukazatelů jak pro obchodní plánování tak i pro obchodní rozhodování. Business intelligence aplikace poskytují historické, současné a prediktivní zobrazení obchodních operací, nejčastěji s využitím již získaných dat v datovém skladu nebo příležitostně přímo z provozních systémů. Běžné funkce BI aplikací zahrnují OLAP, reporting, podporu analýz, datové kostky, přehledové zobrazení (dashboard, balanced scorecard), dolování dat, podnikové řízení výkonnosti (CPM) a prediktivní analýzy. Jinými slovy, tyto nástroje umožní varovat nebo odpovědět na otázky typu: co se stalo, v čem je problém, proč se to děje, co se stane když daný skutek bude pokračovat, co bude nasledovat dál, atd. Příklady použit: banky - používají datové analýzy pro rozlišení zákazníků na základě úvěrového rizika (vyhodnocení rizika). Společnost Harrah (od roku 2010 přejmenována na Caesers entertaiment, která vlastní a provozuje více než 50 kasin, hotelů a sedm golfových hřišť pod různými značkami), používá business inteligence pro vyhodnocení věrnostních programů. Deere & Company (výrobce zemědělských strojů: traktory, kombajny, postřikovače a jiné) uštřila více než 1 miliardu dolarů tím, že implementovala a zavedla nový analytický nástroj pro optimalizaci zásob. BI může být implementovaný v různých oblastech např. segment FMCG, finanční služby, marketing, finanční podvody, stanovení ceny, řízení dodavatelských řetězců, doprava a mnoho dalších.
|
|
| |
|
|
Návrh systému hodnocení politik mezi jednotlivými systémy uživatelských informací ve vazbě na efektivní využití výsledků na rozhodovací a informační chování podle modelů a principů udržitelného rozvoje včetně testování a prezentace nástrojů znalostní báze životního prostředí
Ing. Lubomír Nondek, CSc. ; CENIA, česká informační agentura životního prostředí ; Bartoš, Lubomír ; Rollerová, Miluše ; Kodetová, Alžběta ; Cikánková, Jarmila ; Fereš, Jaroslav ; Valta, Jiří ; Kobližková, Edita ; Helová, Simona ; Matoušková, Leona ; Mertl, Jan ; Olivová, Lenka ; Pokorný, Jan ; Doubrava, Pavel ; Nondek, Lubomír
Zpráva popisuje výstupy projektu, jehož cílem bylo navržení ucelené metodické a institucionální základny, která bude vytvářet podklady pro rozhodování, přípravu strategických materiálů a umožní vypracovávat scénáře vývoje životního prostředí. Součástí projektu je návrh hodnocení vytvořených koncepčních materiálů. V rámci projektu byl vypracován přehled standardních technik rozhodování, ověřena aplikovatelnost metody analýzy obalu dat (DEA) a testovány analýzy časových řad. Byl připraven návrh na propojení práce expertů při přípravě pravidelně vydávaných zpráv o stavu životního prostředí a při práci na tvorbě výhledů a scénářů. Byl vypracován návrh na vytvoření pracovní skupiny a koordinačního centra GAINS CENIA pro analýzu scénářů politiky životního prostředí a jeho propojení se souvisejícími aktivitami. Byly zkoumány modely GAINS a LCA model IWM-2. Zpráva obsahuje podrobnější popis výsledků v jednotlivých přílohách.
|
|
|
Zdroje statistických dat
Lepša, Ondřej ; Sobíšek, Lukáš (vedoucí práce) ; Vintr, Tomáš (oponent)
Cílem této bakalářské práce je popsání statistických dat, procesů, které vedou k jejich získání, a jejich využitelnost v praxi. Toho je dosaženo vlastním průzkumem veřejně přístupných zdrojů statistických dat a společností poskytujících služby v této oblasti. Přínosem je usnadnění orientace ekonomickým subjektům v situacích, ve kterých je vhodné statistická data využít. Práce je dělena na čtyři části. V první části jsou vymezeny základní pojmy statistické teorie z oblasti dat a jejich sběru. Druhá část se věnuje zdrojům statistických dat nekomerčních institucí, část třetí se zabývá vybranými komerčními společnostmi, které pro klienty statistická data shromažďují a vyhodnocují. Poslední část řeší vlastní zdroje statistických dat a jejich zpracování. Tato část je obohacena o analýzu reálného výstupu vlastního šetření existující společnosti.
|
host ::
RSS.