Poslední úprava: Mgr. Martin Betinec, Ph.D. (19.09.2022)
Kurz bude navazovat na přednášku Statistika I a seznámí studenty se základními
metodami testování statistických hypotéz.
Důraz bude kladen na schopnost výběru vhodné metody, její správné použití
(znalost předpokladů metody a ověření jejich platnosti) a interpretaci zjištěných vý-
sledků.
Kurz je možno zapsat opakovaně.
Poslední úprava: Mgr. Martin Betinec, Ph.D. (19.09.2022)
Based on the prequel course Statistics I, this course will introduce basic methods of testing the statistical hypotheses.
The key take-away is ability to select the right method for given problem as well as the skill in interpretation of the results.
Repetitive enrollment is allowed.
Literatura
Poslední úprava: Mgr. Martin Betinec, Ph.D. (02.02.2018)
Zvára K.: Biostatistika. Praha: Karolinum 2001. Hendl J., Přehled statistických metod zpracování dat. Praha: Portál 2004. Disman, M., Jak se vyrábí sociologická znalost, Praha: Karolinum 3 2002. Anděl, J., Statistické metody, Praha: Matfyzpress 2 1998. Meloun, M., Militký, J.: Statistická analýza experimentálních dat. Praha: Academia 2004. Hebák, P., Hustopecký, J. et al.: Vícerozměrné statistické metody. Praha: Informatorium 2004.
Metody výuky -
Poslední úprava: Mgr. Martin Betinec, Ph.D. (26.10.2022)
Poslední úprava: Mgr. Martin Betinec, Ph.D. (15.09.2022)
Atestace bude udělena po úspěšném absolvování testu (zisku aplespoň 50% bodů), v němž student prokáže schopnost aplikace probraných metod. Během ledna a února budou vypsány celkem tři zkouškové termíny, jejich konkrétní data budou upřesněna po dohodě se studenty.
Zkoušku je možno skládat i v následujícím roce.
Poslední úprava: Mgr. Martin Betinec, Ph.D. (22.09.2020)
Reaching at least 50% score in the final exam of written form is a necessary condition for passing the course. .
The exam may be passed in the next year too.
In case of distant teching or other covid related measures, the exam could be performed in on-line form.
Sylabus -
Poslední úprava: Mgr. Martin Betinec, Ph.D. (07.02.2021)
Předmětem zájmu budou následující témata: • Statistické rozhodování: Formulace nulové a alternativní hypotézy. Chy- ba prvního a druhého druhu, hladina významnosti, dosažená hladina testu. • Jednovýběrové testy: Parametrické testy hypotéz o střední hodnotě, o shodě rozptylů. Spec. v normalním a binomickém rozdělení. Neparame- trické testy. • Dvouvýběrové testy: Dvouvýběrový t-test, dvouvýběrové neparametrické testy. Předpoklady použití parametrických testů a ověřování platnosti jejich předpokladů. • Párové testy: Párový t-test, neparametrické párové testy. • Více výběrů: Analýza rozptylu v jednoduchém a dvojném třídění. Inter- akce. Kruskalův-Wallisův test. • Testování shody rozdělení: Kolmogorovův-Smirnovův test. Testování normality – Shapirovův-Wilkův test, d’Agostinův a Anscombeho test. • Testování shody rozptylu: Fisherův a Leveneův test. • Testování závislosti spojitých znaků: – Korelace a její testování. Souvislost více znaků – koeficient parciální korelace. – regresní modely: Regresní lineární model. Odhady parametrů. Koefici- ent determinace. Souvislost s ANOVA. Zobecnění lineárního modelu: kvadratická a vícerozměrná regrese. Analýza reziduí. • Testování závislosti nominálních veličin: – kontingenční tabulky, (ne- závislost, homogenita výběrů, symetrie, rezidua, grafická reprezentace). Míry asociace. Využití statistiky χ 2 pro ověřování shody rozdělení. • Testování závislosti ordinálních veličin: Spearmanův test, Kendallovo τ a odvozené míry.
Poslední úprava: Mgr. Martin Betinec, Ph.D. (07.02.2021)
The course will cover following topics: • Statistical decision making: Formulation of null and alternative hypotheses.
1st /2nd -type errors, the significance level, p-level of the test. • One-sample tests: Parametric tests of mean value, esp. in normal and binomial distribution. Nonparametric tests. • Two-sample tests: Two-sample t-test, two-sample nonparametric tests. Prerequisites for using parametric tests and verification of the assumptions. • Paired tests: Paired t-test, nonparametric paired tests. • Multiple samples: Analysis of variance (on-way, multiple-way). Inter- actions. Kruskal-Wallis test. • Distribution difference testing: Kolmogorov-Smirnov test. Testing normality - Shapiro-Wilk test, d’Agostino and Anscombe test. • Testing of homogeneity of variances : Fisher's and Levene's test. • Continuous variables dependency testing: - Correlation and its testing. Coherence of several characters - partial coefficient correlation. - regression models: Regression linear model. Parameter estimates. Coefficient of determination. Connection with ANOVA. Generalization of the linear model: quadratic and multidimensional regression. analysis of residuals. • Testing the dependence of nominal variables: - contingency tables (independence, homogeneity of samples, symmetry, residues, graphical representation). Measures of association. Use of χ 2 statistics to verify the fit of the distribution. • Testing the dependence of ordinal quantities: Spearman's test, Kendall's τ and derived measures.
