PSY117 Statistická analýza dat
PSY117 - 1
PSY 117/454 - Statistická analýza dat Jaro 2012
VYUČUJÍCÍ
Mgr. Stanislav Ježek, PhD. – garance kurzu, přednášky, semináře
jezek@fss.muni.cz, 549494616, konzultační hodiny: středa 13 – 15, FSS 2.53
Mgr. Jan Širůček – přednášky, semináře
sirucek@fss.muni.cz, 549498263, konzultace po dohodě emailem, FSS 2.45
Mgr. Jan Šerek – přednášky, semináře
serek@fss.muni.cz, 549498263, konzultace po dohodě emailem, FSS 2.51
Mgr. et Mgr. Alena Robotková
Mgr. Věra Kontríková
CHARAKTERISTIKA KURZU
Cílem kurzu je seznámit studenty se základy statistiky používané v psychologické praxi a výzkumu. Studenti získají
porozumění základním prvkům statistiky a dovednost je aktivně i pasivně používat. Studenti získají dovednost připravit data
pro statistické zpracování, spočítat základní statistiky, otestovat běžné typy hypotéz. Kurz klade důraz i na komunikaci, tj.
slovní popis výsledků i schopnost porozumět takto popsaným výsledkům v empirických kvantitativních studiích. V rámci
kurzu budou studenti seznamováni paralelně s českou i anglickou terminologií, aby byli po skončení kurzu schopni dále
studovat a používat internetové zdroje.
Návaznosti kurzu
Kurz úzce souvisí s výukou metodologie. Mnoho problémů v metodologii má statistický základ a naopak mnohé
problémy či omezení statistiky je potřeba zohledňovat v metodologii. Studijním programem stanovené pořadí absolvování
kurzů je statistika – metodologie a v souladu s tím je koncipován obsah těchto povinných kurzů. Toto propojení je nezbytné
pro vypracování diplomové práce a je součástí požadavků při státní bakalářské zkoušce.
Na statistice stojí také značná část psychometriky a tvoří tak přirozený základ pro studium psychodiagnostiky na
magisterském stupni.
Předpokladem pro studium základů statistiky je běžné středoškolské matematické vzdělání.
ORGANIZACE KURZU
Počet kreditů: 5
Ukončení kurzu: zkouška
Přednášky: 1 hodina týdně
Semináře: 1 hodiny týdně
Do seminárních skupin se studenti zapisují prostřednictvím informačního systému MU.
INFORMAČNÍ SYSTÉM MU
V informačním systému MU části Studijní materiály k předmětu PSY117 umisťujeme podklady k tématům uvedeným
v sylabu především v podobě prezentací z přednášek a odkazů na další zdroje informací. Na stejném místě jsou též k
dispozici pokyny nezbytné k plnění písemných úkolů, popř. doplňky k tomuto sylabu.
V informačním systému naleznou studenti také interaktivní osnovu k předmětu. Tato osnova obsahuje pouze
informace uvedené také v tomto sylabu. V případě nekonzistencí jsou směrodatné informace uvedené v tomto sylabu.
KOMUNIKACE S VYUČUJÍCÍMI
Preferovaným komunikačním kanálem pro osobní komunikaci týkající se kurzu je email. Používejte prosím „PSY117“
v předmětu svých emailů. Urychlíte tím jejich vyřízení.
Emaily adresujte dr. Ježkovi. Pouze v případě záležitostí, které se týkají specificky seminářů pište přímo vedoucím
seminářů.
V případě dotazů týkajících se látky kurzu, využívejte prosím v maximální možné míře předmětové diskuzní fórum. Je
pravděpodobné, že odpověď na Váš dotaz by mohla zajímat i Vaše spolužáky, a byla by proto škoda uzavřít takovou
komunikaci do soukromí emailů. Všichni vyučující kurzu diskuzní fóra pravidelně sledují a přispívají do nich.
K důležitým ohlášením používáme hromadný email studentům.
PSY117 Statistická analýza dat
PSY117 - 2
POŽADAVKY NA UKONČENÍ KURZU
Seminární práce
V průběhu semestru mají studenti za úkol pracovat na níže uvedených úkolech. Jejich realizace je předpokladem
k tomu, aby se student mohl přihlásit ke zkoušce. Úkoly jsou zadávány na seminářích a v případě potřeby doplňovány
informacemi v IS MU.
Práce lze odevzdávat pouze elektronicky v odevzdávárně ve studijních materiálech předmětu. Jméno vkládaného
souboru s první seminární prací musí být S1.doc (resp. S2.doc pro případnou druhou)1 a nic víc; IS k němu automaticky
přidá jméno vkládajícího studenta. Komentář/popisek nechejte nevyplněný. Ohodnocené a okomentované práce budou do
odevzdávárny navráceny do 14 dnů od termínu odevzdání práce.
Seminární práce jsou hodnoceny na následující škále: přijata (10b), nepřijata (0b). „Nepřijetím“ je míněno vrácení
k přepracování. Na přepracování má autor týden ode dne vrácení. Vynikajícím pracím může být uděleno ještě 5 bodů jako
bonus. Opravené práce vkládejte do ISu do stejné odevzdávárny jako práce původní. Jako jméno vkládaného souboru nyní
použijte S1o.doc. Komentář/popisek opět nechejte nevyplněný. Závěrečnou zkoušku lze absolvovat i s prací hodnocenou
jako „nepřijatá“ (znamená to pouze ztrátu bodů).
Stanovené rozsahy prací jsou záměrné a závazné. Práce nedosahující minima i práce překračující maximum budou
automaticky vraceny bez komentářů jako nepřijaté.
Seminární práce 1: Zamyšlení nad komunikováním statistiky v médiích
Zamyšlení nad způsoby, jimiž je statistika používána či často zneužívána v médiích (popř. v odborné komunikaci).
Úkolem studenta je vyhledat v populárních médiích (noviny, časopisy, lépe serióznější) článek či zprávu, která se opírá o
nějaké statistiky (výzkum, průzkumy apod.), dohledat originální zdroj těchto dat (výzkumná zpráva apod.) a zamyslet se nad
způsobem prezentace těchto statistik a jeho důsledky. Práce by měla obsahovat krátké shrnutí vybrané zprávy (zejm.
závěry), shrnutí statistických metod (ukazatele, zobrazení) použitých v originálním zdroji, úvaha nad tím, co bylo vybráno (a
případně pozměněno) do článku a jaké důsledky to má pro význam sdělení. Jádrem úvahy by měly být otázky jako: Jak
dobře, přesně shrnuje novinový článek původní výzkumnou zprávu? Nepřehání článek závěry původní studie (přílišné
zobecnění, optimismus)? Jsou zmíněny i potenciální problémy originální studie?
Tato seminární práce se zaměřuje na tzv. statistickou gramotnost (statistical literacy), kterou označujeme schopnost
aktivně i pasivně komunikovat statistické výsledky. Být statisticky gramotný znamená nenechat se opít každým rohlíkem
s pěknými čísly a grafy; zároveň však neodmítat apriori každou prezentaci statistických sdělení. Věnujte pozornost také
induktivním aspektům statistiky. Na internetu je mnoho informací k tomuto tématu; můžete vyhledávat též misuse statistics
nebo abuse statistics. Viz též Utts (2003), Gigerenzer (2002), Wainer (2007), Savage Wainer (2008) ve studijních
materiálech, popř. Hooke (1983) v rozšiřující literatuře.
Lze využít i internetové noviny a časopisy. Lze použít i zpravodajství v anglickém jazyce.
Seminární práci lze zpracovat i na jiné téma, např. z oblasti historické provázanosti statistiky a psychologie,
vizualizace dat či kontroverzí kolem statistického testování hypotéz. Lze uvažovat i o jiném formátu sdělení, než eseji či
úvaze. Pokud chcete zpracovávat nějaké takové téma, učiňte prosím písemnou nabídku emailem svému vedoucímu
seminární skupiny, a to do 31.3. Nabídka by měla na několika řádcích obsahovat základní tezi a navrhovaný způsob/formát
zpracování. Zvolené téma lze zpracovat pouze po odsouhlasení vedoucím seminární skupiny (nejde o cenzuru, jen chceme
předejít zbytečným zklamáním).
Závazný rozsah práce je 4000 - 5000 znaků vč. mezer. Termín: 1.5.
Seminární práce II: Výběrové šetření – skupinový projekt
Záměrem tohoto úkolu je vyzkoušet si realizaci jednoduchého výběrového šetření. Úkolem pětičlenných týmů bude
zvolit si jednoduchou výzkumnou otázku (př. výskyt nějakého jevu, názoru v nějaké populaci), pokusit se na ni získat
odpověď jednoduchým výběrovým šetřením a celý projekt prezentovat v podobě posteru na přednáškovém setkání. Detailní
instrukce budou zadány na semináři a vloženy do studijních materiálů.
Termín: 16.5.
Průběžné hodnocení
V průběhu semestru budou na semináře zařazeny tři krátké průběžné desetiminutové písemky. V každé bude možné
získat 10b. Předběžné termíny průběžných testů jsou: 14.3.; 4.4.; 25.4. (o den později pro skupiny C a D)
Množství bodů z průběžných písemek, které se bude počítat do celkového hodnocení, se počítá podle následujícího
excelovského vzorce: ZAOKROUHLIT((SUMA(P1;P2;P3)-MIN(P1;P2;P3))*1,5;0). Tento výpočet eliminuje jedno zakolísání
směrem dolů (včetně případné absence).
Na průběžné písemky se náhradní termíny poskytují pouze výjimečně.
1
Práce lze odevzdávat ve všech běžných editovatelných formátech textových dokumentů – doc, rtf, odt apod. Prosím,
neodevzdávejte práce v obtížně editovatelných formátech, jako je např. pdf, djvu. Jde nám o možnost vkládání komentářů a čitelnost i na
mobilních zařízeních.
PSY117 Statistická analýza dat
PSY117 - 3
Zkouška
Kurz je zakončen zkouškou. Zkouška má písemnou podobu a je možné za ni získat 50b. K úspěšnému složení
zkoušky je nutné získat minimálně 30b.
Zkouší se v rozsahu látky, který je vymezen v tomto sylabu k předmětu PSY117/PSY454.
Celkové hodnocení
Celkem lze v průběhu kurzu získat 50b; za závěrečnou zkoušku lze získat 50b.
Celkové hodnocení bude používat následující stupnici
A: 100 - 92b B: 91 – 84b C: 83 – 77b D: 76 – 71b E: 70 – 65b F: 64 a méně bodů.
Uznávání dříve absolvovaných kurzů statistiky
1. Kurzy dříve absolvované na katedře psychologie FSS budou uznávány v plné míře2. Své žádosti o uznání
v takovém případě směřujte sekretářce katedry psychologie.
2. Kurzy absolvované jinde než na katedře psychologie FSS budou uznávány tou formou, že jejich absolventi
nebudou povinni plnit požadavky na práci v semestru (seminární práce, průběžné zkoušky) a bude jim za ně započítán plný
počet bodů (50b). I nadále jsou však povinni absolvovat závěrečnou zkoušku. Žádosti o uznání v tomto případě zasílejte na
mail jezek@fss.muni.cz. V předmětu zprávy použijte „uznani PSY117“ (bez diakritiky). V textu stačí uvést kód
absolvovaného předmětu na FSS (typicky SOC108). V případě žádosti o uznání kurzů z jiné fakulty či univerzity, uveďte též
odkaz na sylaby absolvovaných kurzů, popř. sylaby přímo přiložte. Žádosti zasílejte do konce 2. týdne semestru.
Později zaslaným žádostem nebude vyhověno.
3. Specificky, absolventi kurzu SOC108 mohou žádat o úplné uznání PSY117, pokud ukončili SOC108
s hodnocením „A“.
Omluvy
Omluvy jsou přijímány pouze předem. Pozdější omluvy budou akceptovány, pouze pokud šlo o nepředvídatelné
případy. Víte-li o tom, že budete mít ze závažných důvodů problémy s dodržením některého z termínů, informujte nás o
tom co nejdříve.
ÚČAST NA VÝZKUMU V RÁMCI KURZU
V rámci účasti kurzu mohou být studenti požádáni o účast na výzkumech jak pro zlepšení kvality kurzu samotného,
tak i pro další účely spojené s výzkumným zaměřením katedry. Účast v těchto výzkumech je ryze dobrovolná a nemá vliv na
úspěšné ukončení kurzu či získané hodnocení.
LITERATURA
Základní zdroje
Hendl, J. [JH]: Přehled statistických metod zpracování dat. Analýza a metaanalýza dat. Brno: Portál 2004.
Howitt D., Cramer, D.[HC]: Introduction to statistics in psychology, 5th. Pearson, 2011. Online materiály pro studenty
na http://wps.pearsoned.co.uk/ema_uk_he_howitt_statpsych_5/175/44877/11488739.cw/index.html.
Glass, G. V., Hopkins, K. D. [GH]: Statistical methods in education and psychology, 3rd Ed. Allyn and Bacon, 1996.3
Doplňující zdroje
Abelson, R.: Statistics as a principled argument. Hillsdale: LEA, 1995.
Arbuthnott, J.: An argument for Divine Providence taken from the constant regularity observ’d in the birth of both
sexes. Philosophical Transactions, 1710 (27), 186 – 190.
Baron, J.[1]: Hypotheses testing. Kapitola 7 v J. Baron: Thinking and deciding, 4th, s. 161- 182. Cambridge: CUP, 2008.
Baron, J.[2]: Judgement of correlation and contingency. Kapitola 8 v J. Baron: Thinking and deciding, 4th, s. 183 - 198.
Cambridge: CUP, 2008.
Cohen, J.: The Earth is round (p<.05). American psychologist, 1994 (49), 12, 997 – 1003.3
Cohen, J.: A Power primer. Psychological Bulletin, 1992 (112), 1, 155 – 159.3
Cowles, M.: Statistics in psychology. An historical perspective, 2nd Ed. Mahwah: LEA, 2001.
Emerson, J. D., Hoaglin, D. C.: Stem-and-leaf displays. In D. C. Hoaglin, F. Mosteller, J. W. Tukey (Eds.), Understanding
Robust and Exploratory Data Analysis, 7 – 32. New York: Wiley, 1983.
Field, A.: Discovering statistics using SPSS, 3rd Ed. Sage, 2009. (nebo 2. vydání z r. 2005)4
2
Platí zejména pro studenty, kteří si zapsali PSY454 a již z bakalářského studia mají absolvován kurz PSY117.
3
Původní hlavní ideový zdroj kurzu, mohu zapůjčit. Výňatky (co nenajdu v [HC]) budou v ISu.
4 Velmi ceněná učebnice. Přeskakuje základy a jde přímo na věc se SPSS. V knihovně je třetí vydání nejméně v 5 výtiscích prezenčně.
Hlavní učebnice navazujícího kurzu PSY252.
PSY117 Statistická analýza dat
PSY117 - 4
Freeman, J., Walters, S.J., Campbell, M.J.: How to display data. Blackwell, 2008.5
Gaito, J.: Measurement Scales and Statistics: Resurgence of an Old Misconception. Psychological Bulletin, 1986, 87 (3),
564 – 567.
Gigerenzer, G.: In the year 2054: Innumeracy defeated. In P. Sedlmeier, T. Betsch (Eds.), etc: Frequency processing and
cognition, 55 – 66. Oxford: Oxford University Press, 2002.
Good, P. I., Hardin, J. W.: Common errors in statistics (and how to avoid them). Wiley-Interscience 2003.
Gupta, V.: Statistical analysis with Excel. VJ Books, 2002.6
Lord, F. M.: On the statistical treatment of football numbers. American Psychologist, 1953, 8, s. 750-751.
Morgan, G. A. et al: Chapter 2 - Data coding, entry and checking. In G. A. Morgan et al: SPSS for introductory statistics.
Use and interpretation, 2nd ed, 15 – 22. LEA, 2004.
Morgan, S. E., Reichert, T., Harrison, T. R.: From numbers to words. Reporting statistical results for the social sciences.
Allyn & Bacon, 2002.
Nickerson, R. S.: Null hypothesis significance testing: a review of an old and continuing controversy. Psychological
methods, 2000 (5), 2, 241 – 301.
Osecká, L., Osecký, P.: Receptář jednoduchých metod statistické indukce. Brno, AV ČR 1996.7
Savage, S., Wainer, H.: Until Proven Guilty: False Positives and the War on Terror. Chance, 2008 (21), 1, 59 – 62.
Scholten, A. Z., Borsboom, D.: A reanalysis of Lord's statistical treatment of football numbers. Journal of Mathematical
Psychology, 2009 (53), 69 – 75.
Swoboda, H.: Moderní statistika. Praha: Svoboda, 1977.8
Tversky, A., Kahneman, D.: Belief in the law of small numbers. In D. Kahneman, P. Slovic, A. Tversky (Eds.), Judgment
under uncertainty: Heuristics and biases, 23 – 31. Oxford: Oxford University Press, 1982. Více též v přednášce
při přebírání Nobelovy ceny na http://nobelprize.org/nobel_prizes /economics/laureates/2002/kahnemanlecture.html
.
Urbánek, T.: K prezentaci výsledků statistických analýz, 1. část. ČsPsych, 2007 (51), 6, 601 – 609.
Urbánek, T.: K prezentaci výsledků statistických analýz, 2. část. ČsPsych, 2008 (52), 1, 70 – 79.
Urbánek, T., Denglerová, D., Širůček, J.[UDŠ]: Psychometrika - měření v psychologii. Praha: Portál 2011.
Utts, J.: What educated citizens should know about statistics and probability. American Statistician, 2003 (57), 2, 74 –
79.
de Vaus, D.: How to prepare data for analysis. In D. de Vaus, Analyzing social science data: 50 key problems in data
analysis, 1 – 16. Sage, 2002
Wainer, H.: The most dangerous equation: Ignorance of how sample size affects statistical variation has created
havoc for nearly a millenium. American Scientist, 2007, 95 (3), 249 – 256.
Statistický populár pro rozšíření obzorů
Mlodinow, L.: Život je jen náhoda. Jak náhoda ovlivňuje naše životy. Praha: Slovart, 2009.
Best, J.: Damn lies and statistics: untangling numbers from the media, politicians and activists. Berkeley and Los Angeles:
University of California Press, 2001.
Best, J.: More damn lies and statistics: how numbers confuse public issues. Berkeley and Los Angeles: University of
California Press, 2004.
Cowles, M.: Statistics in psychology – an historical perspective, 2nd. LEA, 20019.
Huff, D.: How to lie with statistics. New York: W.W. Norton & Company, Inc., 1954.
Hooke, R.: How to tell the liars from the statisticians. New York: Marcel Dekker, 1983. 10
Salsburg, D.: The lady tasting tea: how statistics revolutionized science in the twentieth century. W. H. Freeman and
Company, 2001.
Woolfson, M. M.: Everyday probability and statistics. Health, elections, gambling and war. London: Imperial College Press,
2008.
Internetové zdroje
Zdroj o zdrojích, online kalkulačkách apod.: http://statpages.org/
Vynikající zdroj o statistice, spíše pro pokročilé. http://www.statsoft.com/textbook/stathome.html
Online učebnice: http://en.wikibooks.org/wiki/Statistics
Software
Pro procvičování statistiky je nutná zejména zručnost v používání tabulkového kalkulátoru, např. MS Office Excel či
OpenOffice.org Calc. Většinu základních statistik je možné spočítat v tabulkovém kalkulátoru. Stejně tak správa dat je
5
Vynikající, jednoduchý zdroj o grafickém zobrazování dat.
6
Příručka k tomu, jak dělat statistiku v Excelu.
7
Dostupné ve studijních materiálech
8
Starý, ale čtivý text. Dobrý jako popularizační úvod do statistiky. Je v několika výtiscích v knihovně FSS.
9
Příběh toho, jak se psychologie a statistika společně vyvíjely.
10
Jedno až dvoustránková zamyšlení nad statistikou v každodenním životě. Zdaleka není tak stará, jak vypadá.
PSY117 Statistická analýza dat
PSY117 - 5
v malých výzkumných projektech podstatně pohodlnější v tabulkových kalkulátorech než specializovaném statistickém
software.
Na univerzitách jsou běžně využívány obecné statistické softwarové balíky, u nás SPSS a Statistica. Ty jsou však velmi
drahé a pro běžnou neakademickou praxi obsahují spoustu nepotřebných funkcí. Univerzální a drahý software lze dnes
snadno nahradit použitím malých specializovaných aplikací na internetu. Jejich přehled naleznete např. na
http://statpages.org/.
I když práce se statistickým software není těžištěm tohoto kurzu, doporučujeme studentům, aby se SPSS v průběhu
kurzu zkoušeli pracovat a naučili se pracovat s jejich výstupy. SPSS budeme využívat i na seminářích.
G*Power (http://www.psycho.uni-duesseldorf.de/aap/projects/gpower/) je program pro kalkulace související se silou
testu. Zvláště vhodný pro odhad potřebné velikosti vzorku při plánování výzkumu.
PROBLÉMOVÉ OKRUHY
Níže uvedené problémové okruhy jsou součástí přednášek předmětu PSY117/454. Jedná se o relativně rozsáhlé
okruhy, takže některé pojmy a přístupy uvedené v sylabu se na přednáškách objeví pouze v podobě odkazu na literaturu k
samostudiu.
1. Proměnné, výzkumný kontext
Data, proměnné, úrovně měření, kvalita měření, organizace dat, kontrola dat. Tvorba datové matice (v Excelu a
SPSS), kódování proměnných.
Literatura: [HC] kap 1; 43–50; [UDŠ] 59–66; Morgan at al; de Vaus
2. Zobrazování dat, četnosti, distribuce
Tabelace dat, šíře intervalů, minimum, maximum, odlehlá hodnota (outlier), absolutní a relativní četnosti (frekvence),
kumulativní absolutní a relativní četnosti, rozložení (rozdělení) četností (dat), tvary rozložení (normální, bimodální,
uniformní, pozitivně zešikmené, negativně zešikmené), normální (Gaussovo) rozložení, velikosti oblastí pod křivkou
normálního rozložení, Poissonovo rozložení, graf absolutních a relativních četností, sloupcový graf, histogram
Literatura: [HC] kap 2 a 4; [JH] 85–92; 100; 139; [GH] kap. 6; Good, Hardin (2003) 107–125; stonkolist: Emerson,
Hoaglin (2003), Gaussova křivka: Swoboda 73–87.
3. Míry centrální tendence a variability, transformace
Modus, medián, průměr, vážený průměr, vhodnost použití různých měr centrální tendence, (variační) rozpětí,
kvartilové rozpětí, směrodatná odchylka (populační, výběrová), rozptyl, vliv přičítání konstanty a násobení konstantou na m
a s, z-skóry a další standardní skóry (T, IQ), normalizované skóry, percentily, šikmost, špičatost, krabicový graf s anténami
Literatura: [HC] kap 3 a 5; [JH] 93–99; [UDŠ] 245 – 254; [GH] 94
4. Pravděpodobnost
Pojetí pravděpodobnosti, počítání s pravděpodobnostmi, náhodné jevy, podmíněné pravděpodobnosti, Bayesův
teorém, normální pravděpodobnostní rozložení a další běžná rozložení.
Literatura: Hendl 115–127; 134; Swoboda 29 – 33
5. Vztahy mezi proměnnými, korelace
Korelace – Pearsonův, Spearmannův, Kendallův koeficient a jejich vlastnosti. Koeficient determinace, kovariance.
Kontingenční tabulka, marginální četnosti. Lineární vztah, monotónní vztah, pozitivní a negativní vztah. Těsnost vztahu.
Bodový graf. Parciální a semiparciální korelace. Korelace mezi položkami, Cronbachovo α.
Literatura: Hendl 237–265; Baron[2]
6. Lineární regrese
Statistická predikce, lineární vs. nelineární regrese, lineární a kvadratická funkce, odhad, modelování, regrese,
reziduum, prediktor, závislá a nezávislá proměnná, zdroje variability, stanovení regresní přímky metodou nejmenších
čtverců, regresní rozptyl a reziduální rozptyl, koeficient determinace jako ukazatel úspěšnosti regrese, homoskedascita,
mnohočetná (mnohonásobná) regrese, logistická regrese
Literatura: Hendl 266 - 290
7. Statistická indukce, intervalové odhady
Vzorek(výběr), statistiky vs. parametry, estimační vlastnosti popisných statistik, výběrová rozložení, centrální limitní
teorém, směrodatná chyba (průměru), výběrové rozložení průměru, relativní četnosti, rozptylu, bodové vs. intervalové
odhady.
PSY117 Statistická analýza dat
PSY117 - 6
Literatura: Hendl 146–147, 150–174
8. Testování hypotéz
Statistická (nulová) hypotéza, výzkumná (alternativní) hypotéza, jednostranná vs. oboustranná hypotéza (test);
Bayesovský přístup k testování hypotéz vs. Fisher-Pearson-Neymanovský (tradiční) přístup, úroveň (hladina) statistické
významnosti, chyba I. a II. typu a jejich pravděpodobnost, (statistická) síla testu, jednovýběrový t-test, dvouvýběrový t-test
(pro nezávislé výběry), párový t-test (z-test), Levenův test, testování korelačního koeficientu, velikost efektu, Cohenovo d,
transformace z d na r a naopak.
Literatura: Hendl 175–220; 234; 401–412; 252–253; 413–419; Osečtí 1-36; Cohen 1992, 1994; Arbuthnott; Baron[1]
9. Testy pro nominální a ordinální proměnné
Parametrické vs. neparametrické testy, znaménkový test, test relativních četností, test dobré shody (χ2), závislost
kategoriálních proměnných (χ2, Cramerovo V, koeficient shody pozorovatelů κ), Wilcoxonovy testy (jednovýběrový,
dvouvýběrový), Mann-Whitney U.
Literatura: Hendl 191–197; 220–232, 297–302, 304–313, 322–323
10. Analýza rozptylu
Problém s prováděním většího počtu testů, rybaření v datech, Bonferroniho korekce, princip analýzy rozptylu,
rozptyl mezi skupinami (SS, MS), rozptyl uvnitř skupin (SS, MS), statistika F (F-test), analýza rozptylu s jedním faktorem (oneway),
předpoklady analýzy rozptylu, post-hoc testy (S-N-K, Scheffe, LSD), velikost účinku (η2, ω2), interakce faktorů
Literatura: Hendl 198–200, 337–346, 354–356
PŘEDNÁŠKY A SEMINÁŘE
Videonahrávky přednášek jsou k dispozici ve studijních materiálech. V tomto roce budeme čas určený přednáškám
věnovat praktickým demonstracím, diskuzím a komentářům k tématu přednášky. Předpokládáme, že každý student shlédne
přednášku před přednáškovým setkáním.
Semináře jsou zaměřeny na praktickou aplikaci znalostí prezentovaných na přednáškách a doplněných samostudiem.
Jejich účelem je také prohloubit porozumění základním pojmům a myšlenkám. Účast na seminářích je v souladu se studijním
řádem povinná.
ČASOVÁ OSNOVA
Datum Téma přednáškového setkání Téma semináře Důležité termíny
22. 2. Úvodní setkání tvorba datové matice
29. 2.
Proměnné, zobrazování dat, četnosti,
distribuce
Žádosti o uznání
7. 3. Míry centrální tendence a variability statistická deskripce
14. 3. Pravděpodobnost PP1
21. 3. Korelace korelace
28. 3. Lineární regrese regrese
31.3. dobrovolné téma
seminární práce
4. 4. Pořadové korelace, shrnutí PP2, pořadové korelace
11. 4. Statistická indukce, intervalové odhady indukce
PSY117 Statistická analýza dat
PSY117 - 7
18. 4. Testování hypotéz intervalové odhady
25. 4. Přehledy testů, síla testu PP3, testování hypotéz
2. 5.
Testy pro nominální a ordinální
proměnné
neparametrické metody 1.5. seminární práce
9. 5. Analýza rozptylu analýza rozptylu
16. 5. Prezentace posterů Postery