Vícerozměrné škálování (MDS) je název pro skupinu statistických metod založených na redukci mnohorozměrného prostoru objektu (pozorování) a průzkumové analýze vztahu mezi nimi. MDS pracuje s různými typy relací mezi objekty, přičemž nejčastěji jde o číselně vyjádřenou vzájemnou nepodobnost. Úkolem MDS je na základe daných nepodobností mezi objekty získat jejich reprezentaci v prostoru nízké dimenze. Základním dělením metod je to na metrické a nemetrické MDS. Cílem diplomové práce je provést ucelený přehled nejznámějších metod tohoto typu a aplikovat je na reálná data.Multidimensional scaling (MDS) is the name for a set of statistical methods based on reduction of a hight-dimensional space of objects (observations) and an exploratory analysis of their relationships. MDS works with various types of relations between objects, most often with numerically expressed mutual dissimilarity. The task of MDS is to use the given dissimilarities between the objects to get their representation in a low-dimensional space. The basic division of the methods is that into metric and non-metric MDS. The aim of this thesis is to provide a comprehensive overview of the best-known MDS methods and apply them to real data.