PSY717 Statistická analýza dat
PSY717 - 1
PSY717 - Statistická analýza dat
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 psychologickém 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 jsou 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 vzdělání.
ORGANIZACE KURZU
Počet kreditů: 5
Ukončení kurzu: zkouška
PROGRAM
Během semestru proběhnou 3 setkání.
Program prvního setkání 3.3.
Konzultace k problémovým okruhům 1 – 3.
Průběžný test 1
Zadání seminární práce
Program druhého setkání 14.4.
Konzultace k problémovým okruhům 4 – 6.
Průběžný test 2
Program třetího setkání 19.5.
Konzultace k problémovým okruhům 7 – 10.
Průběžný test 3
Zpětná vazba na seminární práci
PSY717 Statistická analýza dat
PSY717 - 2
INFORMAČNÍ SYSTÉM MU
V informačním systému MU části Studijní materiály k předmětu PSY717 najdou studenti 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. Studijní materiály jsou společné s prezenčními variantami tohoto kurzu.
KOMUNIKACE S VYUČUJÍCMI
Preferovaným komunikačním kanálem pro osobní komunikaci týkající se kurzu je email. Používejte
prosím „PSY717“ v předmětu svých emailů. Urychlíte tím jejich vyřízení. Emaily adresujte dr. Ježkovi.
V případě dotazů týkajících se látky kurzu, využívejte prosím v maximální možné míře předmětové
diskuzní fórum. Je pravděpodobné, že odpověď na Váš dotaz by mohl 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.
POŽADAVKY NA UKONČENÍ KURZU
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 využívána 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
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.
PSY717 Statistická analýza dat
PSY717 - 3
prezentaci nějakých statistických sdělení. Na internetu je mnoho informací k tomuto tématu; můžete
vyhledávat též misuse statistics nebo abuse statistics. Viz též Utts (2003) či Gigerenzer (2002) ve studijních
materiálech.
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. Pokud chcete zpracovávat
nějaké takové téma, učiňte písemnou nabídku emailem dr. Ježkovi, a to do 31.3. Nabídka by měla na
několika řádcích obsahovat základní tezi, kterou chcete se své eseji sledovat. Zvolené téma lze zpracovat
pouze po odsouhlasení.
Závazný rozsah práce je 4000 - 5000 znaků vč. mezer. Termín: 1. 5.
Průběžné hodnocení
V průběhu semestru budou na každém setkání zařazeny tři krátké průběžné desetiminutové testy.
V každém bude možné získat 10b.
Množství bodů z průběžných testů, 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.
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 PSY717.
Celkové hodnocení
Celkem lze v průběhu kurzu získat 40b; za závěrečnou zkoušku lze získat 50b.
Celkové hodnocení bude používat následující stupnici
A: 90 - 80b B: 79 – 72b C: 71 – 64b D: 63 – 56b E: 55 – 48b F: 47 a méně bodů.
Uznávání dříve absolvovaných kurzů statistiky
1. Kurzy dříve absolvované na katedře psychologie FSS budou uznávány v plné míře (tj.
hodnocení „U“ do ISu). Své žádosti o uznání v takovém případě směřujte sekretářce katedry psychologie.
2. Kurz SOC108/708 uznáváme v plné míře, pokud jej student absolvuje s hodnocením A. V ostatních
případech viz bod 3.
3. 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) a bude jim za ně
započítán plný počet bodů (10b). 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 PSY717“ (bez
diakritiky). V textu stačí uvést kód absolvovaného předmětu na FSS. 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.
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 o tom některého z vyučujících 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.
PSY717 Statistická analýza dat
PSY717 - 4
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, 1996.2
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)3
Freeman, J., Walters, S.J., Campbell, M.J.: How to display data. Blackwell, 2008.4
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, 2002.5
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 1996.6
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, 1977.7
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
2 Původní hlavní ideový zdroj kurzu, mohu zapůjčit. Výňatky (co nenajdu v [HC]) budou v ISu.
3 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.
4 Vynikající, jednoduchý zdroj o grafickém zobrazování dat.
5 Příručka k tomu, jak dělat statistiku v Excelu.
6 Dostupné ve studijních materiálech
7 Starý, ale čtivý text. Dobrý jako popularizační úvod do statistiky. Je v několika výtiscích v knihovně FSS.
PSY717 Statistická analýza dat
PSY717 - 5
Press, 1982. Více též v přednášce při přebírání Nobelovy ceny na
http://nobelprize.org/nobel_prizes /economics/laureates/2002/kahneman-lecture.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, 20018.
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. 9
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 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. 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.
8 Příběh toho, jak se psychologie a statistika společně vyvíjely.
9 Jedno až dvoustránková zamyšlení nad statistikou v každodenním životě. Zdaleka není tak stará, jak vypadá.
PSY717 Statistická analýza dat
PSY717 - 6
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
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 charakteristiky popisných statistik, výběrová
rozložení, centrální limitní teorém, směrodatná chyba (průměru), výběrové rozložení průměru, relativní
četnosti, rozptylu, bodové vs. intervalové odhady.
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.
PSY717 Statistická analýza dat
PSY717 - 7
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 (one-way), 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