Předmět "Základy statistiky" seznamuje studenty se základními statistickými pojmy a koncepty s důrazem na porozumění rozdílu mezi deskriptivní a induktivní statistikou. Studenti se naučí principy testování signifikance a nulových hypotéz, a také aplikovat nejrozšířenější základní statistické techniky při analýze empirických dat v oblasti psychologie.
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
The course "Fundamentals of Statistics" introduces students to basic statistical concepts and terms with an emphasis on understanding the difference between descriptive and inductive statistics. Students will learn the principles of significance testing and null hypotheses, as well as apply the most common basic statistical techniques in the analysis of empirical data in the field of psychology. The course is supported by the e-learning platform for data analysis.
Cíl předmětu -
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
Cílem předmětu "Základy statistiky" je, aby si studenti osvojili základní principy a metody statistické analýzy empirických dat v různých oblastech psychologie. Studenti by měli získat dovednosti potřebné pro správnou interpretaci výsledků statistických analýz a dokázat tyto výsledky prezentovat v souladu s APA formátem.
Poznámka: Tento kurz si neklade za cíl zahrnout metody analýzy dat nezbytné pro vyhodnocení komplexnějších datových situací nebo optimalizovat aplikaci statistických metod v závislosti na specifické datové situaci. Tyto pokročilé aspekty statistické analýzy jsou hlavním cílem kurzu v navazujícím magisterském studiu.
Získané znalosti:
Po absolvování kurzu studenti budou schopni:
Popisovat základní metody deskriptivní statistiky.
Vysvětlit pojem náhodné veličiny a statistiky jako funkce výběrových dat.
Porozumět významu a základním principům induktivní statistiky, včetně intervalového odhadu a testování hypotéz.
Znát 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 studenti budou schopni:
Vypočítat adekvátní deskriptivní statistické charakteristiky datového souboru pomocí kalkulačky, tabulkového editoru nebo příslušného statistického SW.
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. Jana Dlouhá (12.07.2023)
The aim of the course "Basics of Statistics" is for students to acquire the fundamental principles and methods of statistical analysis of empirical data in various areas of psychology. Students should gain the skills necessary for correct interpretation of the results of statistical analyses and be able to present these results in accordance with APA format.
Note: This course does not aim to cover data analysis methods necessary for evaluating more complex data situations or to optimize the application of statistical methods depending on the specific data situation. These advanced aspects of statistical analysis are the main focus of the course in the subsequent master's study.
Acquired knowledge:
Upon completion of the course, students will be able to:
Describe the basic methods of descriptive statistics.
Explain the concept of random variables and statistics as a functionofsampledata.
Knowthebasicparametrictests(t-tests and chi-square tests, significance tests of correlation coefficients), their assumptions, and situations suitable for their application.
Acquired skills:
Upon completion of the course, students will be able to:
Calculate adequate descriptive statistical characteristics of a data set using a calculator, spreadsheet editor, or appropriate statistical software.
Apply an appropriate statistical technique to verify simple research hypotheses depending on the data situation (design and type of variables).
Interpret the results of basic statistical analyses in professional literature.
Literatura -
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
Základní:
(stačí si zvolit jednu)
Field, A. (2009). Discovering statistics using SPSS. Sage Publications.
Hendl, J. (2004). Přehled statistických metod zpracování dat. Portál.
Mareš, P., Rabušic, L., & Soukup, P. (2015). Analýza sociálněvědních dat (nejen) v SPSS. Masarykova Univerzita.
Recommended (to be continually updated): Field, A., Miles, J., & Field, Z. (2012). Discovering statistics using R. SAGE Publications.
Metody výuky -
Poslední úprava: Mgr. Jana Dlouhá (02.10.2023)
přednáška
cvičení (praktická práce v jamovi)
samostudium
individuální statistické úlohy
Studenti budou během výuky používat vlastní notebooky. Je třeba si předem nainstalovat software jamovi Desktop (pozor, ne jamovi cloud!), který je k dispozici zdarma pro všechny běžné OS na webu https://www.jamovi.org/download.html. Zvolte prosím poslední solid verzi (vhodná pro většinu uživatelů). Aktuálně tedy verze 2.3.28 (Naposledy aktualizováno 2.10.2023).
Pokud jste dosud s podobným software nepracovali, doporučuji se alespoň běžně seznámit s dokumentací, která je k dispozici v angličtině zde https://docs.jamovi.org/.
Vzhledem k počtu studentů a časovým možnostem předmětu nebude možné řešit instalaci software a technické problémy v rámci přednášek. Pokud se Vám nedaří software nainstalovat ani po využití všech ostatních dostupných zdrojů informací, prosím obraťte se na vyučujícího s dostatečným předstihem před přednáškou.
Poslední úprava: Mgr. Jana Dlouhá (02.10.2023)
lectures
seminars (using jamovi software)
home-study
statistical excersises
Students will be using their own laptops during the instruction. Please install the jamovi Desktop software in advance (note, not jamovi cloud!), which is freely available for all common OS on the website https://www.jamovi.org/download.html. Please choose the latest solid version (suitable for most users). Currently, it is version 2.3.28 (Last updated on 2.10.2023).
If you have not previously worked with similar software, I recommend at least casually familiarizing yourself with the documentation available in English here https://docs.jamovi.org/.
Due to the number of students and the time constraints of the course, it will not be possible to address software installation and technical problems during lectures. If you are unable to install the software even after utilizing all other available information resources, please contact the instructor well in advance of the lecture.
Požadavky ke zkoušce -
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
Formát zkoušky:
Zkouška se skládá ze dvou částí:
Praktická část: V této části mají studenti samostatně vypracovat zadaná cvičení ve stanovených termínech v průběhu celého semestru. Úspěšné absolvování těchto cvičení je předpokladem pro získání osvědčení.
Ústní část: V této části zkoušky se hodnotí studentovy znalosti a porozumění principům základních statistických metod, jak jsou definovány v sylabu kurzu.
Požadavky na absolvování předmětu:
Pro úspěšné absolvování tohoto kurzu musí studenti prokázat:
Znalost a porozumění principům základních statistických metod, jak je uvedeno v sylabu. Schopnost aplikovat tyto statistické metody v praxi.
Harmonogram zkoušek:
Termíny zkoušek jsou vypsány ve zkouškovém období, které následuje po semestru, v němž se předmět vyučuje. Pokud studenti projeví zájem o další termíny zkoušek, budou další termíny naplánovány během letního semestru.
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
Exam Format:
The examination consists of two parts:
Practical Part: In this section, students are expected to complete assigned exercises independently within specified deadlines throughout the semester. Successful completion of these exercises is a prerequisite for the certification.
Oral Part: This part of the exam assesses the student's knowledge and understanding of the principles of basic statistical methods, as defined in the course syllabus.
Requirements for Passing the Course:
In order to successfully pass this course, students need to demonstrate:
A clear understanding and knowledge of the principles of basic statistical methods as outlined in the syllabus.
The ability to apply these statistical methods in practice.
Exam Schedule:
Exam dates are scheduled during the exam period that follows the semester in which the course is taught. If students express interest in additional exam dates, further sessions will be scheduled during the summer semester.
Sylabus -
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
Obsah předmětu slouží jako požadavky pro zkoušku:
Úvod do problematiky:
Role matematické statistiky v psychologii
Základní statistické pojmy
Problémy s kvantifikací v psychologii
Typy škál
Metody popisné (deskriptivní) statistiky:
Grafická prezentace
Kvantily
Základní statistické charakteristiky
Standardní skóry (z-transformace, standardní stupnice používané v psychologii)
Pojem statistické závislosti
Pearsonův korelační koeficient
Spearmanův korelační koeficient
Další korelační koeficienty
Testy významnosti korelačních koeficientů
Induktivní statistické metody:
Principy statistické indukce: základní soubor (populace) a výběr
Bodový a intervalový odhad průměru základního souboru - interval spolehlivosti
Testování statistických hypotéz: nulová a alternativní hypotéza - testová charakteristika - hladina významnosti - jednostranný a dvoustranný test - p-hodnota - z-test - statistická síla
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
Analýza variance (ANOVA)
Poslední úprava: Mgr. Jana Dlouhá (12.07.2023)
The course content serves as the requirements for the exam:
Introduction to the Subject Matter:
Role of mathematical statistics in psychology
Basic statistical concepts
Issues with quantification in psychology
Types of scales
Descriptive (Descriptive) Statistics Methods:
Graphical presentation
Quantiles
Basic statistical characteristics
Standard scores (z-transformation, standard scales used in psychology)
Concept of statistical dependence
Pearson's correlation coefficient
Spearman's correlation coefficient
Other correlation coefficients
Significance tests of correlation coefficients
Inductive Statistical Methods:
Principles of statistical induction: population (basic set) and sample
Point and interval estimation of the population mean - confidence interval
Testing statistical hypotheses: null and alternative hypotheses - test characteristic - significance level - one-sided and two-sided test - p-value - z-test - statistical power
Some basic statistical tests:
One-sample t-test
Two-sample t-test
Paired t-test (for dependent samples)
Their nonparametric equivalents
Linear regression
Chi-square goodness of fit test
Chi-square test of independence
McNemar's symmetry test
Fisher's exact test
Analysis of Variance (ANOVA)
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
