PředmětyPředměty(verze: 908)
Předmět, akademický rok 2022/2023
   Přihlásit přes CAS
Úvod do statistiky - JSB535
Anglický název: Introduction to Statistics
Český název: Úvod do statistiky
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2020 do 2022
Semestr: letní
E-Kredity: 5
Způsob provedení zkoušky: letní s.:kombinovaná
Rozsah, examinace: letní s.:3/2, Zk [HT]
Počet míst: neomezen / 168 (170)
Minimální obsazenost: neomezen
Virtuální mobilita / počet míst: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: PhDr. Ing. Petr Soukup, Ph.D.
Mgr. Ivan Petrúšek
Vyučující: Mgr. Ivan Petrúšek
Bc. Adam Poloček
Mgr. Lucie Rozumková
Mgr. Jan Schubert
PhDr. Ing. Petr Soukup, Ph.D.
Mgr. Matěj Šarboch
Mgr. Josef Záhlava
Neslučitelnost : JSB017
Je neslučitelnost pro: JSB017
Je prerekvizitou pro: JSB573
Je záměnnost pro: JSB017
Anotace
Poslední úprava: Mgr. Ivan Petrúšek (25.01.2022)
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 (v druhé části kurzu) 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).
Literatura
Poslední úprava: Mgr. Ivan Petrúšek (25.01.2022)

Povinná literatura:

Hendl J., Siegl, J., Moldan, M. a kol.: Základy matematiky, logiky a statistiky pro sociologii a ostatní společenské vědy v příkladech. Praha: Karolinum 2019 (lze použít i aktualizované vydání této knihy z roku 2021).

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

Doporučená literatura:

Wheelan, Ch.: Naked Statistics: Stripping the Dread from the Data. W. W. Norton, 2013.

Metody výuky
Poslední úprava: Mgr. Ivan Petrúšek (22.02.2022)

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: Jan Schubert). 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 (lichý výukový týden) se konají dvě přednášky (první přednáška 11:00-12:20, druhá přednáška 12:30-13:50). V sudých výukových týdnech se koná jedna přednáška (11:00-12:20), Cvičení kurzu začínají ve druhém výukovém týdnu (od 22. 2.).

Poznámka: Z důvodu pandemie koronaviru probíhají přednášky kurzu online přes zoom. Čas konání online přednášek odpovídá rozvrhu kurzu v přednáškové místnosti JPEK105. Přednášky a vybrané semináře jsou nahrávány na video. Pořízené video nahrávky jsou pro zapsané studentky a studenty dostupné na Google Drive kurzu.

Na přednášky Ivana Petrúška (od 15.2. do 29.3.) se připojíte prostřednictvím zoom linku: https://cuni-cz.zoom.us/j/91369940873?pwd=aUZUb2tyTEdRYjVMWGkwcXRmMXpxUT09

Požadavky ke zkoušce
Poslední úprava: Mgr. Ivan Petrúšek (25.01.2022)

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 mimořádnou aktivitu při cvičeních, a to do celkového počtu 30 bodů. O připočtení bonusových bodů rozhoduje výhradně 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).

 

Věnujte prosím pozornost následujícímu odkazu, který Vás upozorní na zásady využívání cizích textů a prací ve svých vlastních písemných pracích a domácích úkolech tak, abyste se nedopustili plagiátorství.

Odkaz: https://iss.fsv.cuni.cz/studium/bc-mgr-prace/plagiatorstvi

Sylabus
Poslední úprava: Mgr. Ivan Petrúšek (25.01.2022)

Probíraná témata:

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

2. Popisná statistika (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. Analýza rozptylu při jednoduchém třídění

7. Usuzování o relativních četnostech, Opakování [2 přednášky]

8. Závislost mezi kategoriálními proměnnými (kontingenční tabulka, chí-kvadrát test nezávislosti)

9. Neparametrické testy [2 přednášky]

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

11. Základy lineární regresní analýzy [2 přednášky]

12. Opakování

 
Univerzita Karlova | Informační systém UK