SubjectsSubjects(version: 945)
Course, academic year 2023/2024
   Login via CAS
Introduction to Statistics - JSB535
Title: Úvod do statistiky
Czech title: Úvod do statistiky
Guaranteed by: Department of Sociology (23-KS)
Faculty: Faculty of Social Sciences
Actual: from 2023
Semester: summer
E-Credits: 5
Examination process: summer s.:combined
Hours per week, examination: summer s.:3/2, Ex [HT]
Capacity: unlimited / 186 (186)
Min. number of students: unlimited
4EU+: no
Virtual mobility / capacity: no
State of the course: taught
Language: Czech
Teaching methods: full-time
Teaching methods: full-time
Note: course can be enrolled in outside the study plan
enabled for web enrollment
priority enrollment if the course is part of the study plan
Guarantor: PhDr. Ing. Petr Soukup, Ph.D.
Mgr. Ivan Petrúšek, Ph.D.
Teacher(s): Bc. Štěpán Čejka
Bc. Kamila Nečasová
Lukáš Pelc
Mgr. Ivan Petrúšek, Ph.D.
Paola Bianca Sissak
PhDr. Ing. Petr Soukup, Ph.D.
Mgr. Matěj Šarboch
Class: Courses for LLEP
Incompatibility : JSB017
Is incompatible with: JSB017
Is pre-requisite for: JSB573
Is interchangeable with: JSB017
In complex pre-requisite: JPB049, JPB284
Annotation - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)
Kurz představuje uvedení do statistiky jako vědní disciplíny pro studentky a studenty bakalářských oborů akreditovaných na Institutu sociologických studií. První část kurzu je věnována základům popisné statistiky. Studentky a studenti se tak seznámí se základními nástroji pro sumarizování dat (prostřednictvím četnostních tabulek a grafů) a mírami centrální tendence, rozptýlenosti a polohy. U inferenční statistiky budou představeny základní nástroje statistického usuzování: intervaly spolehlivosti a testy statistických hypotéz. V kurzu budou také diskutovány základní metody pro zkoumání vztahů mezi proměnnými (t-testy, analýza rozptylu, korelační a lineární regresní analýza).
Aim of the course - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)

Cílem předmětu je detailně představit klíčové teoretické koncepty statistiky a demonstrovat jejich aplikaci při řešení sociologicky relevantních výzkumných otázek a analytických úloh. Absolvování tohoto předmětu připraví studentky/studenty na navazující kurzy analýzy kvantitativních dat (nejen na bakalářském, ale i na magisterském stupni), ve kterých se budou s těmito klíčovými koncepty opakovaně potkávat. U základních statistických metod pro zkoumání vztahů mezi proměnnými (t-testy, analýza rozptylu, korelační a regresní analýza) je cílem vysvětlit výpočty a operace, které v navazujících kurzech kvantitativní analýzy dat počítá statistický software. 

Literature - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)

Hendl J., Siegl, J., Moldan, M. a kol.: Základy matematiky, logiky a statistiky pro sociologii a ostatní společenské vědy v příkladech. Praha: Karolinum 2019.

Po každé přednášce bude doporučena kapitola z této učebnice odpovídající probírané látce. Ke studiu lze využít také druhé (rozšířené) vydání této učebnice z roku 2021, nebo třetí doplněné vydání z roku 2022.

Hendl, J.: Přehled statistických metod: Analýza a metaanalýza dat (čtvrté vydání). Praha: Portál, 2015. (Poznámka: lze použít i předcházející vydání této knihy z let 2012 nebo 2009).

Teaching methods - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)

Výuka se skládá z přednášek a seminářů/cvičení. Na přednáškách jsou studentky a studenti seznamováni s klíčovými teoretickými koncepty a pravidly pro aplikování těchto konceptů. Na cvičeních jsou koncepty demonstrovány a aplikovány na praktických příkladech, které studentky a studenti řeší pod vedením cvičícího. Cvičení jsou vedeny v menších skupinách (maximálně 20 míst na jednu skupinu). Jedno výběrové cvičení je vyučováno v prostředí R pro statistickou analýzu dat (cvičící: Štěpán Čejka). Studentky a studenti této seminární skupiny tedy využívají k počítání statistický software R. Na ostatních cvičeních se počítají praktické příklady manuálně, přičemž pro vybrané výpočty bývá využíván také tabulkový procesor Microsoft Excel. Přednášky i cvičení probíhají na týdenní bázi. Každý druhý týden se konají dvě přednášky. Cvičení kurzu začínají ve druhém výukovém týdnu (od úterý 27.2.).

Requirements to the exam - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)

Výsledné hodnocení je založeno na plnění průběžných domácích úkolů (celkem 30 bodů) a absolvování závěrečného testu (celkem 70 bodů).

Domácí úkoly jsou bodovány následovně: za každý domácí úkol (celkem 6 domácích úkolů) je možné získat maximálně 5 bodů, celkově tedy maximálně 30 bodů. K počtu bodů za domácí úkoly lze potenciálně připočíst maximálně 5 bodů za aktivitu při cvičeních, a to do celkového počtu 30 bodů. O připočtení bonusových bodů rozhoduje vedoucí konkrétního cvičení, které studentka/student navštěvuje.

Pro úspěšné absolvování závěrečného testu je nutné získat minimálně 35 bodů (tedy 50% z celkového počtu 70 bodů). Jinými slovy, pokud studentka/student získá méně než 35 bodů, musí závěrečný test opakovat. Závěrečný test je možné psát celkem dvakrát. Po dvou neúspěšných pokusech u písemného testu probíhá třetí termín formou ústní zkoušky. U ústní zkoušky je možné získat výslední známku D, E nebo F (tzn. neabsolvoval/a). Ústní zkoušku musí absolvovat také studentky/studenti, kteří sice získali ze závěrečného testu minimálně 35 bodů, ale společně s domácími úkoly mají dohromady méně než 51 bodů.

Pro studentky/studenty, kteří úspěšně absolvovali závěrečný test (a společně s domácími úkoly mají dohromady více než 51 bodů), platí následující stupnice hodnocení:

  • 91 – 100 bodů = A
  • 81 – 90 bodů = B
  • 71 – 80 bodů = C
  • 61 – 70 bodů = D
  • 51 – 60 bodů = E

Poznámka: Celkový počet získaných bodů se zaokrouhluje na celé číslo. Například celkový výsledek 50,5 bodů odpovídá známce E (po zaokrouhlení nahoru).

Syllabus - Czech
Last update: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)

Probíraná témata:

1. Úvod do kurzu a statistiky jako vědní disciplíny. Popisná statistika I [2 přednášky]

2. Popisná statistika II (míry centrální tendence, rozptýlenosti a polohy)

3. Náhodné proměnné (diskrétní a spojité proměnné, pravděpodobnostní rozdělení) [2 přednášky]

4. Statistické usuzování I (výběrové rozdělení, centrální limitní věta, interval spolehlivosti)

5. Statistické usuzování II (testování statistických hypotéz). Usuzování o průměrech. [2 přednášky]

6. Velikost účinku, síla testu a rozsah výběru

7. Analýza rozptylu při jednoduchém třídění. Opakování [2 přednášky]

8. Usuzování o relativních četnostech

9. Závislost mezi kategoriálními proměnnými [2 přednášky]

10. Korelační analýza (kovariance, korelace, Pearsonův a Spearmanův korelační koeficient)

11. Základy lineární regresní analýzy [2 přednášky]

12. Opakování

 
Charles University | Information system of Charles University | http://www.cuni.cz/UKEN-329.html