Bakalářská práce se zabývá hodnocením kvality života metodami vícerozměrné statistiky. Cílem práce bylo vytvoření indexu kvality života a jeho náležitá kartografická vizualizace a geografická interpretace. Z volně dostupných datových zdrojů byla vytvořena ucelená databáze, která slouží jako vstup pro analýzy. Atributy byly dále charakterizovány. Poté byla vytvořena korelační matice, která slouží jako základní statistický pohled na data. Dalším cílem je vykonání analýzy hlavních komponent. Prvním dílčím cílem této vícerozměrné statistické metody je vytvoření hlavních komponent. Po vytvoření hlavních komponent byly vybrány první tři komponenty jako dostatečné množství pro reprezentaci původních dat. Komponenty byly interpretovány a pojmenovány podle toho, jaké atributy je nejvíce ovlivňují. Další použitou metodou vícerozměrné statistiky byla faktorová analýza. V rámci této analýzy byly vytvořeny tři faktory, aby bylo možné srovnání s analýzou hlavních komponent. Tyto faktory, podobně jako u analýzy hlavních komponent, byly interpretovány a pojmenovány. Závěrečným krokem byla agregace prvních tří hlavních komponent. Po agregaci a navázaní na prostorová data, byl váženým součtem vytvořen index kvality života. Index byl kartograficky vizualizován a geograficky interpretován.The thesis deals with evaluation of life quality by means of multi-dimensional statistics. The goal of the thesis was to create index of life quality and its cartographic visualisation and geographical interpretation. Using available data resources we created a comprehensive database which represents the analysis input. The attributes were characterized further. Then we created correlation matrix which represents the basic statistic view of the data. Other goal of the thesis was to perform the main components analysis. The first part of such multi-dimensional statistics method was to create main components. Afterwards, first three components were chosen as a valid sample for the original data representation. The components were interpreted and named according to what attributes affect them most. Other multi-dimensional statistics method used was factor analysis. Within such analysis, we created three factors to be able to compare with main components analysis. Such factors, similar to main components analysis, were interpreted and named. The final part was to aggregate the first three main components. After the aggregation and application to the spatial data, we created the index of life quality using weighted sum. The index was cartographically visualized and geographically interpreted.