Poslední úprava: Mgr. Ing. Marek Vranka (30.09.2018)
Předmět „Základy statistiky“ seznamuje studenty se základními statistickými pojmy a koncepty. Důraz je kladen především na porozumění rozdílu mezi deskriptivní a induktivní statistikou, pochopení principů testování signifikance a nulových hypotéz a aplikaci nejrozšířenějších základních statistických technik při analýze empirických dat v oblasti psychologie.
Poslední úprava: Mgr. Ing. Marek Vranka (30.09.2018)
The subject "Basic Statistics" introduces students to basic statistical terminology and concepts. Emphasis is placed on understanding the difference between descriptive and inductive statistics, understanding the principles of null-hypothesis significance testing, and applying the most widely used bsic statistical techniques to analyzing empirical data in the field of psychology.
Cíl předmětu -
Poslední úprava: Mgr. Ing. Marek Vranka (30.09.2018)
Cílem předmětu je, aby si studenti osvojili principy statistické analýzy empirických dat v rozličných oblastech psychologie a získali schopnosti výsledky statistické analýzy logicky správně interpretovat.
Poznámka: Tento kurz si neklade za cíl představit metody analýzy dat nezbytné pro vyhodnocení komplexnějších datových situací, ani optimalizovat aplikaci statistických metod v závislosti na konkrétní datové situaci. Tato podstatná část matematicko-statistické analýzy je hlavním cílem kurzu v navazujícím magisterském studiu.
Získané znalosti: Po absolvování kurzu student umí popsat základní metody deskriptivní statistiky; vysvětlit pojem náhodné veličiny – statistiky jako funkce výběrových dat; zná význam a základní principy induktivní statistiky – intervalový odhad a testování hypotéz; zná základní parametrické testy (t-testy a chí-kvadrát testy, testy významnosti korelačních koeficientů), jejich předpoklady a situace vhodné pro jejich aplikaci.
Získané dovednosti: Po absolvování kurzu student umí vyčíslit (pomocí kalkulačky, tabulkového editoru nebo příslušného statistického SW) adekvátní deskriptivní statistické charakteristiky datového souboru; aplikovat vhodnou statistickou techniku pro ověření jednoduchých výzkumných hypotéz v závislosti na datové situaci (design a typ proměnných); interpretovat výsledky základních statistických analýz v odborné literatuře.
Poslední úprava: Mgr. Ing. Marek Vranka (30.09.2018)
The aim of the course is that students acquire the knowledge of principles of statistical analysis of empirical data in various areas of psychology and gain the ability to correctly interpret the results of statistical analyses. Note: This course does not aim to introduce data analysis methods necessary to examine more complex datasets, nor to optimize the application of statistical methods depending on the specific data. This essential part of the statistical analysis is the main aim of the course in the follow-up Master's study. Learning outcomes and competences: After completing the course, a student can describe basic methods of descriptive statistics; explain the concept of random variables – i.e., statistics as a function of sample data; knows the purpose and basic principles of inductive statistics – i.e., confidence interval calculation and null-hypothesis testing; knows basic parametric tests (such as t-tests and chi-square tests, correlation coefficient significance tests), their assumptions and situations suitable for their application. Learning outcomes: After completing the course, the student is able to quantify (using a calculator, Excel or an appropriate statistical software) descriptive statistical characteristics of a given data set; apply a suitable statistical technique to verify simple research hypotheses depending on the data situation (i.e., its design and type of variables); correctly interpret results of basic statistical analyzes in the academic literature.
Literatura -
Poslední úprava: Mgr. Ing. Marek Vranka (30.09.2018)
Základní:
(stačí si zvolit jednu)
Barr, C., Diez, D., Çetinkaya-Rundel, M.: OpenIntro Statistics, 2011.
Field, A.: Discovering statistics using SPSS. Sage publications, 2009.
Hendl, J.: Přehled statistických metod zpracování dat. Praha: Portál, 2004.
Mareš P., Rabušic, L., Soukup, P.: Analýza sociálněvědních dat (nejen) v SPSS. Brno: Masarykova univerzita, 2015.
Speciální: (kurz statistiky formou dobrodružného příběhu a dialogů) Field, A.: An Adventure in Statistics: Reality Enigma. Sage publications, 2016.
Ostatní: Reiterová, E. Základy statistiky pro studenty psychologie. Olomouc: UP, 2006. Zvára, K.: Biostatistika. Praha: Karolinum, 2000. Zvára, K.: Prezentace k výuce MD360P03Z Statistika - PřF UK (verze pro přednášku a verze pro tisk) http://www.karlin.mff.cuni.cz/~zvara/geograf/1213/geo4.pdf
Poslední úprava: Mgr. Ing. Marek Vranka (09.10.2019)
Forma zkoušky: praktická část + ústní část
Požadavky: Znalost principů základních statistických metod a principů (vymezených dle sylabu) a schopnost jejich aplikace. Podmínkou pro atestaci je samostatné vypracování zadaných cvičení v určených termínech v průběhu semestru!
Termíny zkoušky jsou vypisovány pouze ve zkouškovém období následujícím po semestru, v němž je kurz vyučován.
Poslední úprava: Mgr. Ing. Marek Vranka (09.10.2019)
Form of the exam: written part + oral part
Requirements: Knowledge of the principles of basic statistical methods (defined by the syllabus) and ability to apply them in practice. The condition for taking the exam is that the student solves and in timely fashion submits assigned homeworkl exercises during the semester!
Exam dates are listed only in the exam period following the semester in which the course is taught.
Sylabus -
Poslední úprava: Mgr. Ing. Marek Vranka (09.10.2019)
Obsah předmětu = požadavky pro zkoušku
* Úvod do problematiky
Úloha matematické statistiky v psychologii - základní pojmy statistiky - problematika kvantifikace v psychologii - typy škál
* Metody popisné (deskriptivní) statistiky
a) grafická prezentace - kvantily - základní statistické charakteristiky - standardní skóry (z-transformace, standardní stupnice používané v psychologii).
b) pojem statistické závislosti - Pearsonův korelační koeficient - Spearmanův korelační koeficient - další korel. koeficienty - testy významnosti korel. koeficientů.
* Induktivní statistické metody
a) Principy statistické indukce: základní soubor (populace) a výběr.
b) Bodový a intervalový odhad průměru základního souboru - interval spolehlivosti.
c) Testování statistických hypotéz: nulová a alternativní hypotéza - testová charakteristika - hladina významnosti - jednostranný a dvoustranný test - p-hodnota - z-test - statistická síla.
d) Některé základní statistické testy: jednovýběrový t-test - dvouvýběrový t-test - párový t-test (pro závislé výběry) + jejich neparametrické ekvivalenty - lineární regrese - chí-kvadrát test dobré shody - chí-kvadrát test nezávislosti - Mc-Nemarův test symetrie - Fischerův přesný test, ANOVA
Poslední úprava: Mgr. Ing. Marek Vranka (09.10.2019)
Course contents = requirements for the exam
(For a detailed syllabus see https://dl1.cuni.cz/course/view.php?id=3253)
* Introduction to statistics
The role of mathematical statistics in psychology - basic concepts of statistics - problems of quantification in psychology - types of scales
* Descriptive statistics
a) Distribution and basic statistical characteristics: empirical distribution - graphical representation - quantils - basic statistical characteristics - standard scores (z-transformation, standard scales used in psychology).
b) Characteristics of statistical dependence: data matrix - two-dimensional distribution - concept of statistical dependence - Pearson correlation coefficient - Spearman correlation coefficient - other correlation coefficients - significance tests of correlation coefficients.
* Inductive statistical methods
a) Principles of statistical induction: base set (population) and samples.
b) Point and interval estimation - confidence interval.
c) Testing of statistical hypotheses: null and alternative hypothesis - test characteristics - level of significance - one-sided and double-sided test - p-value - z-test - statistical power.
d) Some basic statistical tests: one-sampling t-test - two-samples t-test - paired t-test (for dependent samples) - linear regression - chi-square test of good fit - chi-square test of independence - Mc-Nemar test of symmetry - Fischer exact test - basics of non-parametric tests and ANOVA
