MYST0221c Statistika v neurovědách I - cvičení

Lékařská fakulta
jaro 2026
Rozsah
0/1/0. 15. 2 kr. Ukončení: z.
Vyučující
doc. Mgr. Stanislav Ježek, Ph.D. (cvičící)
Garance
doc. Mgr. Stanislav Ježek, Ph.D.
Katedra psychologie – Fakulta sociálních studií
Dodavatelské pracoviště: Katedra psychologie – Fakulta sociálních studií
Omezení zápisu do předmětu
Předmět je určen pouze studentům mateřských oborů.
Mateřské obory/plány
Cíle předmětu
Cílem předmětu je seznámit studenty se základy statistiky používané v psychologické praxi a výzkumu a běžném životě. Studenti získají statistickou gramotnost – porozumění základním statistickým a pravděpodobnostním myšlenkám 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 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.
Výstupy z učení
Student bude po absolvování předmětu schopen:
- kódovat a uspořádat data do datové matice ve formátu použitelném napříč různými statistickými programy
- popsat rozdělení hodnot proměnnné pomocí základních popisných statistik, parametrických i neparametrických
- vytvořit základní typy zobrazení rozdělení hodnot proměnné
- statisticky konceptualizovat vztah mezi proměnnými, popsat jej statistikami i graficky
- usuzovat z výběrových statistik na populační parametry; vytvořit intervaly spolehlivosti pro základní popisné statistiky
- otestovat elementární statistické hypotézy pomocí NHST s vědomím limitů tohoto postupu
- využít lineární regresní model s jedním prediktorem pro predikci
- s pomocí podmíněných pravděpodobností počítat ukazatele diagnostické úspěšnosti testů.
Osnova
  • 1. Proměnné. Data, proměnné, úrovně měření, kvalita měření, organizace dat, kontrola dat, datová matice a kódování.
  • 2. Zobrazování dat, četnosti, rozdělení četností. Tabelace dat, šíře intervalů, minimum, maximum, odlehlá hodnota, absolutní a relativní četnosti, kumulativní absolutní a relativní četnosti, rozložení četností, tvary rozložení, normální (Gaussovo) rozložení, velikosti oblastí pod křivkou normálního rozložení, Poissonovo rozložení, graf absolutních a relativních četností, sloupcový graf, histogram.
  • 3. Míry centrální tendence a variability. Modus, medián, průměr, vážený průměr, vhodnost použití různých měr centrální tendence, (variační) rozpětí, kvartilové rozpětí, směrodatná odchylka, rozptyl, z-skóry a další standardní skóry, percentily, šikmost, špičatost, krabicový graf s anténami.
  • 4. Vztahy mezi proměnnými. 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 korelace.
  • 5. Lineární regrese. Statistická predikce, lineární vs. nelineární regrese, odhad, modelování, reziduum, prediktor, zdroje variability, stanovení regresní přímky metodou nejmenších čtverců, regresní rozptyl a reziduální rozptyl, koeficient determinace jako ukazatel úspěšnosti regrese, homoskedascita.
  • 6. Pravděpodobnost. Pojetí pravděpodobnosti, počítání s pravděpodobnostmi, náhodné jevy, podmíněné pravděpodobnosti, Bayesův teorém, normální rozdělení a další běžná rozložení.
  • 7. Statistická indukce, intervalové odhady. Vzorek(výběr), statistiky vs. parametry, výběrová rozložení, centrální limitní teorém, směrodatná chyba (průměru), výběrové rozložení průměru, relativní četnosti, rozptylu, bodové vs. intervalové odhady.
  • 8. Testování hypotéz. Statistická(nulová) hypotéza, výzkumná (alternativní) hypotéza, jednostranná vs. oboustranná hypotéza(test); Bayesovský přístup k testování hypotéz vs. Fisherovský a 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), testování korelačního koeficientu, velikost efektu, Cohenovo d.
  • 9. Testy pro nominální a ordinální proměnné. Parametrické vs. neparametrické testy, znaménkový test, test relativních četností, test dobré shody, závislost kategoriálních proměnných, Wilcoxonovy testy, Mann-Whitney U.
  • 10. Analýza rozptylu. Problém s prováděním většího počtu testů, rybaření v datech, Bonferroniho korekce, princip analýzy rozptylu, rozptyl mezi skupinami , rozptyl uvnitř skupin, statistika F, analýza rozptylu s jedním faktorem (one-way), předpoklady analýzy rozptylu, post-hoc testy, velikost účinku.
Literatura
    povinná literatura
  • HOWELL, David C. Statistical methods for psychology. 8th ed. Belmont: Wadsworth Cengage Learning, 2013, xix, 770. ISBN 9781111840853. info
    neurčeno
  • CUMMING, Geoff a Robert CALILN-JAGEMAN. Introduction to the new statistics : estimation, open science, and beyond. First published. New York: Routledge, Taylor & Francis Group, 2017, xxviii, 56. ISBN 9781138825512. info
  • HENDL, Jan. Přehled statistických metod : analýza a metaanalýza dat. Páté, rozšířené vydán. Praha: Portál, 2015, 734 stran. ISBN 9788026209812. info
Výukové metody
Demonstrace řešení problémů, skupinová diskuze, kritické čtení, domácí cvičení, online diskuze
Metody hodnocení
Průběžné hodnocení
V průběhu semestru budou zařazeny tři průběžné testy (v online podobě). V každém bude možné získat 20b. Termíny průběžných testů jsou uvedeny v interaktivní osnově kurzu. S ohledem na rozvrh proběhnou testy na konci času vyhrazeného daný den přednášce. Opravný termín pro ty, kdo se nebudou moci průběžných testů zúčastnit, bude v posledním týdnu semestru. Seminární práce Za týmovou seminární práci lze získat 10b.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/med/jaro2026/MYST0221c