|
|
|
||
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (23.01.2024)
|
|
||
Poslední úprava: 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. |
|
||
Poslední úprava: 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). |
|
||
Poslední úprava: 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.). |
|
||
Poslední úprava: 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:
Poznámka: Celkový počet získaných bodů se zaokrouhluje na celé číslo. Například celkový výsledek 50,5 bodů odpovídá známce E (po zaokrouhlení nahoru). |
|
||
Poslední úprava: 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 |