Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, Praha 7, tel.:

Rozměr: px
Začít zobrazení ze stránky:

Download "Centrum pro zjišťování výsledků vzdělávání CERMAT Jankovcova 933/63, 170 00 Praha 7, tel.: +420 224 507 507 www.cermat.cz, www.novamaturita."

Transkript

1 Analýza výsledků testu - slovníček aktuálních pojmů. Úlohy zařazované do testů jsou různého typu. V uzavřených úlohách a uzavřených podúlohách svazku žák vybírá odpověď z několika nabízených alternativ. Právě jedna z nich (v našich podmínkách) je správná, ostatní jsou nesprávné a nazývají se distraktory. V otevřených úlohách odpověď vytváří žák (číslo, text, nákres apod.). Hodnotitel (komise apod.) za uvedené řešení přidělí body v souladu s pokyny k hodnocení, a to případně i za částečné řešení. Svazek sestavený z několika úloh (v takovém postavení je nazýváme podúlohy) se hodnotí jako celek. Jsou stanovena pravidla pro přidělování počtu bodů za určitý počet správně vyřešených podúloh svazku. Svazkem lze přesněji ohodnotit určitou vědomost či dovednost, navíc jím lze snížit chybu měření způsobenou hádáním. Uspořádací úlohy jsou atraktivní součástí testu a mívají dobré psychometrické vlastnosti. Z formálního hlediska (z hlediska zpracování výsledků) nepředstavují v našich podmínkách zvláštní typ. Můžeme se na ně dívat jako na svazky, kde body jsou přiděleny výhradně za všechny správné odpovědi, tedy za zcela správné řešení. Výsledek řešení úlohy je vždy vyjádřen určitým počtem bodů, které jsou žákovi za vyřešenou úlohu přiděleny. Pravidla pro bodování úlohy jsou obsažena v klíči správných řešení a v otevřených úlohách podrobně popsána v pokynech k hodnocení. Výsledek řešení testu Obvykle, zejména při plošném testování, se přirozeně zajímáme také o celkový výsledek testu. Počítá se a interpretuje: bodový skór, který získáme, sečteme-li u daného žáka získané body za celý test; procentní skór, který získáme, pokud bodový skór vydělíme maximálně dosažitelným počtem bodů a vyjádříme v procentech. Pokud nemůže dojít k nedorozumění, připouštíme, že místo přesnějšího pojmu procentní skór se běžně používá pojem úspěšnost. Cut-off score (hranice úspěšnosti) je limit stanovený pro daný test. Pokud jej žák nedosáhne nebo nepřekročí, v testu neuspěl. Podíl žáků, kteří v testu neuspěli, k celkovému počtu žáků vyjadřujeme v procentech a jde o neúspěšnost (podrobněji viz níže). Rozdělení četností poskytuje kompletní informaci o výsledcích všech žáků v testu. Říká, kterých výsledků bylo dosaženo a kolikrát. Rozdělení četností zobrazí graficky histogram (viz graf vpravo), kde na vodorovné ose jsou možné hodnoty (nebo vhodně zvolené intervaly), svislá osa je vyhrazena právě četnostem či relativním četnostem udávajícím procento celkového počtu žáků, kteří dosáhli konkrétního výsledku. Výsledkem testu může být bodový skór nebo procentní skór.

2 Graf kumulativní četnosti obsahuje ve sloupci procento všech žáků, kteří nedosáhli lepšího výsledku. Průměrná úspěšnost (průměrný procentní skór) je základní charakteristikou při analýze výsledků testu. Vyjadřuje průměrnou úroveň vědomostí, dovedností atd. pro danou množinu žáků (s určitou chybou i pro populaci, z níž by byla tato množina žáků reprezentativním výběrem). V některých analytických výstupech (položková analýza viz níže) se výše definovaná úspěšnost označuje jako čistá (na rozdíl od tzv. hrubé úspěšnosti). Hrubá úspěšnost je pojem, který má specifický význam tehdy, jestliže test obsahuje otevřené úlohy a u nich se hodnotí i částečné řešení. O hrubé úspěšnosti úloh mluvíme tehdy, jestliže ohodnotíme jen úplné a bezchybné řešení. Uvádí tedy procento žáků, kteří úlohu vyřešili bezchybně. Hrubá úspěšnost testu je definována odlišným způsobem, ale pro nás nemá praktický význam. Korigovaná úspěšnost se počítá běžným výše popsaným způsobem, ale pouze z úloh, o kterých se domníváme, že je žák přečetl a začal řešit. Pokud žák může úlohy řešit v libovolném pořadí, má sotva smysl tento ukazatel interpretovat. Medián úspěšnosti (také střední úspěšnost) je výsledek (úspěšnost) prostředního žáka; platí tedy, že počet žáků, kteří mají horší nebo lepší výsledek než medián, je stejný. Variabilita výsledků je jev, o který se vedle úrovně výsledků zajímáme, hledáme-li odpověď na otázku, jak se žáci ve svých výsledcích liší. Zkoumáme-li úroveň znalostí a dovedností v nějaké množině žáků, nemělo by nám být lhostejné, zda daný průměrný skór byl dosažen tím, že jsou všichni průměrní, nebo zda jde o zprůměrovaný skór žáků velmi dobrých a velmi slabých. Pro získání odpovídající informace potřebujeme vhodné míry variability. Směrodatná odchylka je míra variability, která se užívá nejčastěji. Vzorec a způsob výpočtu zde neuvádíme, ale v podstatě si můžeme představit, že vyjadřuje, jak se průměrně liší výsledek jednotlivého žáka od průměru celé množiny žáků (větší směrodatná odchylka ukazuje na větší variabilitu výsledků hodnocené skupiny). Kvantil

3 je hodnota zkoumané veličiny (v našem případě například počtu bodů získaných žákem v testu), která odpovídá určitému umístění v souboru uspořádaném podle výsledků (od nejhoršího k nejlepšímu). Mezi nejdůležitější kvantily pak patří především hodnota uprostřed souboru, tedy medián (viz výše), který můžeme označit za 50. percentil (ten lze interpretovat tak, že 50 % žáků nemá lepší výsledek). Při zkoumání výsledků testu nás mohou zajímat také kvartily, tedy výsledky žáků, kteří se umístí na rozhraní první a druhé čtvrtiny nebo na hranici druhé a třetí třetiny či na hranici třetí a čtvrté čtvrtiny, Decily dělí soubor na deset stejně početných částí atd. Běžně se zjišťují a interpretují percentily, které dělí soubor na sto stejně početných částí. Kvantilové rozpětí se používá jako jednoduchá míra variability. Bylo by přirozené usuzovat o variabilitě jednoduše podle rozpětí mezi minimální a maximální hodnotou, ale to je příliš ovlivněno extrémy. Extrémy je vhodné nějakým způsobem z úvah vyloučit, což právě řeší použití kvantilových charakteristik variability. Decilové rozpětí tak vylučuje 10 % nejnižších a 10 % nejvyšších výsledků, a jde tedy o rozdíl mezi 90. A 10. percentilem. Podobně je definováno kvartilové rozpětí jako rozdíl mezi 75. a 25. percentilem. Percentilové umístění (také percentilové pořadí) je kumulativní relativní četnost (viz výše); při analýze výsledků testů udává pro každého žáka, kolik procent žáků dosáhlo horšího nebo stejného výsledku. Práce s percentilovým umístěním umožňuje za určitých předpokladů srovnávat žáky, kteří řešili různé varianty testu. Vlastnosti úlohy posuzujeme především a priori při sestavování testu, ověřujeme try-outy a pilotážemi, ale také hodnotíme ex post, na základě výsledků testování. Jde zejména o obtížnost úlohy a schopnost diskriminace (citlivost). Diskriminační schopnost (citlivost) úlohy vypovídá o schopnosti úlohy rozlišovat mezi žáky s většími znalostmi a dovednostmi a žáky s menšími znalostmi a dovednostmi. K rozlišení žáků na lepší a slabší se většinou používá jejich celkový výsledek v testu. Vysokou citlivost má taková úloha, kterou řeší lepší žáci podstatně úspěšněji než žáci slabší. V případě, že jsou v řešení úlohy úspěšnější slabší žáci, obsahuje úloha pravděpodobně nějakou konstrukční chybu. Míra diskriminace ULI (upper-lower index) je často využívána pro svou jednoduchost. Jde o rozdíl v průměrném procentním skóru mezi nejlepšími a nejslabšími žáky, v našich podmínkách jde konkrétně o čtvrtinu nejlepších a nejslabších. Diskriminační schopnost souvisí s ostatními charakteristikami testové úlohy, například s obtížností. Při interpretaci je proto nutné vzít v úvahu i další psychometrické charakteristiky úlohy. Jednoduše platí, že zařazování úloh s velmi nízkou, nebo dokonce zápornou diskriminací je nevhodné. Korelace RIR (korelační koeficient item-rest) je další psychometrickou charakteristikou, kterou využíváme při analýze výsledků testu. Vypočítá se jako korelační koeficient mezi skórem dosaženým v dané testové úloze a celkovým skórem testu při vyloučení dané úlohy. Nabývá hodnot od -1 do 1. Čím blíže je hodnota krajním pólům intervalu <-1;1>, tím silnější je vzájemný vztah mezi úspěšností v dané úloze a úspěšností ve zbytku testu. Záporné hodnoty znamenají, že žáci, kteří správně řešili danou testovou úlohu, dosáhli spíše nízkého celkového skóre ve zbytku testu, a naopak. Kladné hodnoty svědčí o tom, že žáci úspěšní v řešení dané úlohy byli rovněž úspěšní při řešení ostatních úloh, tj. celého testu. Zjistíme tak, zda úloha tematicky, svým zaměřením a obsahem patří do testu. Často však víme předem, že test se zaměřuje na odlišná témata, odlišné kompetence atd., a je tedy namístě určitá zdrženlivost při interpretaci.

4 Graf průběhu úspěšnosti (diskriminační křivka) znázorňuje úspěšnost žáků v testové úloze v závislosti na jejich celkovém výsledku. Při vytváření grafu se postupuje následujícím způsobem: žáci se uspořádají podle skóru v testu do pořadí od nejlepších po nejslabší, rozdělí se na několik (například deset) stejně početných skupin, pro každou skupinu se vypočítá průměrná úspěšnost žáků v řešení dané testové úlohy a průměrné úspěšnosti se nanesou do grafu. Propojením bodů vyjadřujících průměrné úspěšnosti žáků jednotlivých skupin v řešení úlohy vznikne diskriminační křivka. Položková analýza je komplexní metoda vyhodnocení realizovaného testu, obsahuje detailní výsledky pro každou úlohu (také svazek a jeho podúlohy) a souhrnné výsledky za celý test. Jde o hodnoty vhodných statistických a testologických charakteristik, zmíněných výše, doplněné přehlednými grafy. V našich podmínkách vytváří položkovou analýzu program Restan a výsledky shrnuje navazující program Gepard. Souhrnné výsledky plošného testování mají poskytnout komplexní pohled na vědomosti a dovednosti testovaných žáků. Pro plošné testování (mj. maturitní zkouška) je charakteristický předem stanovený cut-off score. Testování předchází proces přihlašování. Existuje množina žáků, kteří byli ke zkoušce přihlášeni, ale test nekonali, což je také pro hodnocení významné. Proto se v souhrnných výsledcích, kromě výše popsaných statistických charakteristik, uvádějí ukazatele neúspěšnosti. Počítáme: podíl žáků s výsledkem nedosahujícím cut-off score k počtu žáků konajících test, což je čistá neúspěšnost; podíl neúspěšných žáků (kteří zkoušku nekonali nebo ji konali neúspěšně) k počtu všech přihlášených žáků, což je hrubá neúspěšnost. Komplexní zkouška je složena z několika dílčích zkoušek (v našich podmínkách zkouška z českého jazyka a literatury a zkouška z cizího jazyka je složena z didaktického testu, písemné zkoušky a ústní zkoušky). Požadujeme-li celkové hodnocení za komplexní zkoušku, musíme stanovit: pravidlo pro rozhodnutí o neúspěšnosti v komplexní zkoušce (pro maturitu aktuálně platí, že neúspěšný je ten žák, který nevykonal úspěšně všechny dílčí zkoušky, nemusí však opakovat celou zkoušku, ale jen tu dílčí zkoušku, ve které neuspěl; počítání opravných pokusů se však vždy vztahuje k celé zkoušce, nikoli samostatně k dílčím zkouškám); pravidlo pro zapracování procentních skórů dosažených v dílčích zkouškách do celkového procentního skóru zkoušky; je nutné rozhodnout o vahách dílčích zkoušek (např. u MZ z cizích jazyků pro DT:PP:UZ jsou stanoveny váhy 2:1:1 (DT zahrnuje dva subtesty), u MZ z českého jazyka a literatury jsou váhy 1:1:1). Podezřelé úlohy Abychom poskytli objektivní základ pro rozhodování ex-post o kvalitě a přípustnosti úloh v testu, označujeme zcela formálně s využitím položkové analýzy jako podezřelé ty úlohy, které se nějakým způsobem vymykají obvyklým nebo požadovaným vlastnostem úloh. Považujeme za podezřelé, nikoliv však nutně za vadné: příliš snadné úlohy (vyřešilo více než 95 % žáků); příliš obtížné úlohy (vyřešilo méně než 20 % žáků); špatně rozlišující úlohy (míra diskriminace ULI menší než 20 %);

5 úlohy vymykající se zaměření testu (korelační koeficient RIR menší než 0,2); uzavřené úlohy, v nichž žáci dali přednost některému distraktoru před správným řešením; uzavřené úlohy, v nichž nejlepší žáci (čtvrtina s nejlepším výsledkem daného testu jako celku) dali přednost některému distraktoru před správným řešením. Formální charakteristiky úloh ovlivňuje jak kvalita úloh, tak i kvalita testovaného souboru. Např. při podzimních maturitách převažují velmi slabí žáci, kteří jsou v jarních maturitách naopak zastoupeni v menší míře. Proto se na podzim značně snižuje očekávaná úspěšnost úloh, výrazně se snižuje i jejich diskriminační schopnost, některé běžně opomíjené distraktory se stávají velmi přitažlivými, RIR může významně klesat apod.

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/00 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 76/004 Sb. kterou se mění vyhláška č. 343/00 Sb., o postupu a podmínkách

Více

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D.

veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího

Více

SOUHRNNÁ ZPRÁVA PRO ŠKOLU Maturita nanečisto 2007 Výsledky zkoušek společné a profilové části maturitní zkoušky

SOUHRNNÁ ZPRÁVA PRO ŠKOLU Maturita nanečisto 2007 Výsledky zkoušek společné a profilové části maturitní zkoušky SOUHRNNÁ ZPRÁVA PRO ŠKOLU Maturita nanečisto 2007 Výsledky zkoušek společné a profilové části maturitní zkoušky Kód školy: Název školy: U 066 RED IZO: 600011216 Gymnázium, příspěvková organizace Souhrnné

Více

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D. Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní

Více

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy

Výrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream

Více

Statistika - charakteristiky variability

Statistika - charakteristiky variability Škola: Gymnázium, Brno, Slovanské náměstí 7 Šablona: III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Název projektu: Inovace výuky na GSN prostřednictvím ICT Číslo projektu: CZ.1.07/1.5.00/34.0940

Více

Souhrnné výsledky za školu

Souhrnné výsledky za školu XYZ třída počet žáků percentil skupinový percentil (G4) čistá úspěšnost skóre směrodatná odchylka skóre x geometrie funkce algebra třída počet žáků percentil skupinový percentil (G4) čistá úspěšnost skóre

Více

Číselné charakteristiky

Číselné charakteristiky . Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch

Více

Matematika příklady

Matematika příklady Rozložte na součin: 9 3+3 1 2 = Matematika+ 2015 - příklady Tematický celek Algebraické výrazy úspěšnost diskriminace korelace Gymnázia 63,5 % 54,7 % 0,393 Lycea a ST1 43,0 % 54,3 % 0,357 64 Matematika+

Více

Rozdělení náhodné veličiny

Rozdělení náhodné veličiny Rozdělení náhodné veličiny Náhodná proměnná může mít - diskrétní rozdělení (nabývá jen určitých číselných hodnot) - spojité rozdělení (nabývá libovolných hodnot z určitého intervalu) Fyzikální veličiny

Více

Statistika I (KMI/PSTAT)

Statistika I (KMI/PSTAT) Statistika I (KMI/PSTAT) Cvičení druhé aneb Kvantily, distribuční funkce Statistika I (KMI/PSTAT) 1 / 1 Co se dnes naučíme Po absolvování této hodiny byste měli být schopni: rozumět pojmu modus (modální

Více

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2014/2015 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2014/2015 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2014/2015 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA Ve zprávě komentujeme výsledky testování 8. a 9. ročníků základních škol a odpovídajících ročníků víceletých gymnázií. Toto testování

Více

Popisná statistika kvantitativní veličiny

Popisná statistika kvantitativní veličiny StatSoft Popisná statistika kvantitativní veličiny Protože nám surová data obvykle žádnou smysluplnou informaci neposkytnou, je žádoucí vyjádřit tyto ve zhuštěnější formě. V předchozím dílu jsme začali

Více

Souběžná validita testů SAT a OSP

Souběžná validita testů SAT a OSP Souběžná validita testů SAT a OSP www.scio.cz 15. ledna 2013 Souběžná validita testů SAT a OSP Abstrakt Pro testování obecných studijních dovedností existuje mnoho testů. Některé jsou všeobecně známé a

Více

TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT

TEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka

Více

UKAZATELÉ VARIABILITY

UKAZATELÉ VARIABILITY UKAZATELÉ VARIABILITY VÝZNAM Porovnejte známky dvou studentek ze stejného předmětu: Studentka A: Studentka B: Oba soubory mají stejný rozsah hodnoty, ale liší se známky studentky A jsou vyrovnanější, jsou

Více

Statistika pro gymnázia

Statistika pro gymnázia Statistika pro gymnázia Pracovní verze učebního textu ZÁKLADNÍ POJMY Statistika zkoumá jevy (společenské, přírodní, technické) ve velkých statistických souborech. Prvky statistických souborů se nazývají

Více

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA

TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA TESTOVÁNÍ 8. A 9. ROČNÍKŮ 2012/2013 PRŮŘEZOVÁ TÉMATA SOUHRNNÁ ZPRÁVA Ve zprávě komentujeme výsledky testování 8. a 9. ročníků základních škol a odpovídajících ročníků víceletých gymnázií. Toto testování

Více

Maturita 2013_podzim Výsledky a závěrečné dokumenty

Maturita 2013_podzim Výsledky a závěrečné dokumenty Maturita 2013_podzim Výsledky a závěrečné dokumenty Písemné zkoušky společné části v podzimním zkušebním období maturitní zkoušky 2013 skončily. Je proto účelné připomenout důležitá pravidla předávání

Více

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?

Otázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? Otázky k měření centrální tendence 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? 2. Určete průměr, medián a modus u prvních čtyř rozložení (sad dat): a.

Více

Popisná statistika. Komentované řešení pomocí MS Excel

Popisná statistika. Komentované řešení pomocí MS Excel Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,

Více

23. Matematická statistika

23. Matematická statistika Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti

Více

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY

ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické

Více

Číselné charakteristiky a jejich výpočet

Číselné charakteristiky a jejich výpočet Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz charakteristiky polohy charakteristiky variability charakteristiky koncetrace charakteristiky polohy charakteristiky

Více

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni

Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Statistické vyhodnocování ankety pilotního projektu Kvalita výuky na Západočeské univerzitě v Plzni Kvantifikace dat Pro potřeby statistického zpracování byly odpovědi převedeny na kardinální intervalovou

Více

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Studentská 2 461 17 Liberec 1 SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÝCH ŠETŘENÍ Gabriela Dlasková, Veronika Bukovinská Sára Kroupová, Dagmar

Více

Korelace. Komentované řešení pomocí MS Excel

Korelace. Komentované řešení pomocí MS Excel Korelace Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A2:B84 (viz. obrázek) Prvotní představu o tvaru a síle závislosti docházky a počtu bodů nám poskytne

Více

Zápočtová práce STATISTIKA I

Zápočtová práce STATISTIKA I Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru

Více

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická

Více

Praktická statistika. Petr Ponížil Eva Kutálková

Praktická statistika. Petr Ponížil Eva Kutálková Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo

Více

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 276/2004 Sb. kterou se mění vyhláška č. 343/2002 Sb., o postupu

Více

Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY Ministerstvo školství, mládeţe a tělovýchovy Sdělení MŠMT čj.: MSMT-10054/2012-23 Příloha č. 1 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ 1.1 ZPŮSOB VÝPOČTU A VYJÁDŘENÍ VÝSLEDKU

Více

KEA 2007/2008-6. A. Analýza dovedností a tematických částí - ČJ

KEA 2007/2008-6. A. Analýza dovedností a tematických částí - ČJ Analýza dovedností a tematických částí - ČJ třída 6. A ZŠ 1 9 8 7 69 71 64 66 67 průměrný percentil 6 5 4 58 3 2 1 46 45 46 42 46 44 Celek Mluvnice Sloh a literatura Znalost Porozumění Aplikace Poznámka:

Více

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.

1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou

Více

ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY ŠKOLNÍ ZPRÁVA O VÝSLEDCÍCH SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY LISTOPAD 2014 1 ÚVODEM Školní zpráva o výsledcích maturitní zkoušky je dokumentem, prostřednictvím kterého chceme vedení škol, vedoucím předmětových

Více

STATISTICKÉ CHARAKTERISTIKY

STATISTICKÉ CHARAKTERISTIKY STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)

Více

S D Ě L E N Í 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

S D Ě L E N Í 1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY V Praze dne 19. března 2013 Č. j.: MSMT-10139/2013-211 S D Ě L E N Í V souladu s 22, odst. 1 vyhlášky č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou,

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola a mateřská škola Kostelní Hlavno, okres

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Pohoří, okres Rychnov nad Kněžnou Termín

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Gymnázium Jana Nerudy, škola hlavního města Prahy, Praha

Více

Analýza pilotáže přijímacích zkoušek z matematiky

Analýza pilotáže přijímacích zkoušek z matematiky Analýza pilotáže přijímacích zkoušek z matematiky 24. 10. 2015 JČMF VOŠP a SPgŠ Litomyšl Zpracoval: Centrum pro zjišťování výsledků vzdělávání ZÁŘÍ 2015 Centrum pro zjišťování výsledků vzdělávání CERMAT,

Více

Výsledky základní statistické charakteristiky

Výsledky základní statistické charakteristiky Výsledky základní statistické charakteristiky (viz - Vyhláška č. 343/2002 Sb. o průběhu přijímacího řízení na vysokých školách a Vyhláška 276/2004 Sb. kterou se mění vyhláška č. 343/2002 Sb., o postupu

Více

STATISTIKA S EXCELEM. Martina Litschmannová MODAM,

STATISTIKA S EXCELEM. Martina Litschmannová MODAM, STATISTIKA S EXCELEM Martina Litschmannová MODAM, 8. 4. 216 Obsah Motivace aneb Máme data a co dál? Základní terminologie Analýza kvalitativního znaku rozdělení četnosti, vizualizace Analýza kvantitativního

Více

Základní statistické charakteristiky

Základní statistické charakteristiky Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické

Více

Popisná statistika. úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy

Popisná statistika. úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy Popisná statistika úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy Úvod užívá se k popisu základních vlastností dat poskytuje jednoduché shrnutí hodnot proměnných

Více

V 1. pololetí 2011 rostly mzdy jen ve mzdové sféře

V 1. pololetí 2011 rostly mzdy jen ve mzdové sféře V 1. pololetí 2011 rostly mzdy jen ve mzdové sféře Výdělky ve mzdové a platové sféře Z údajů obsažených v Informačním systému o průměrném výdělku (ISPV) vyplývá, že v 1. pololetí 2011 vzrostla hrubá měsíční

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci

Více

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě

31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě 31. 3. 2014, Brno Hanuš Vavrčík Základy statistiky ve vědě Motto Statistika nuda je, má však cenné údaje. strana 3 Statistické charakteristiky Charakteristiky polohy jsou kolem ní seskupeny ostatní hodnoty

Více

VÝSLEDKY MATURITNÍGENERÁLKY. www.novamaturita.cz

VÝSLEDKY MATURITNÍGENERÁLKY. www.novamaturita.cz VÝSLEDKY MATURITNÍGENERÁLKY PROČBYLA MATURITNÍGENERÁLKA? V ROCE 2011 POPRVÉMATURITNÍZKOUŠKA SE SPOLEČNOU (STÁTNÍ) ČÁSTÍ CÍLE MATURITNÍ GENERÁLKY: 1.Prověřit připravenost logistického systému a technické

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Jana Palacha v Kutné Hoře Termín zkoušky:

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola a Mateřská škola Brno, Blažkova 9 Termín

Více

Zpráva pro školu z testování na konci roku 2016 v projektu CLoSE

Zpráva pro školu z testování na konci roku 2016 v projektu CLoSE škola 1 počet tříd 2 Univerzita Karlova v Praze Pedagogická fakulta Ústav výzkumu a rozvoje vzdělávání Myslíkova 7, Praha 1, 110 00 CLoSE@pedf.cuni.cz www.pedf.cuni.cz/uvrv Zpráva pro školu z testování

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola a mateřská škola bratří Fričů Ondřejov Termín

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Hlinsko, Ležáků 1449, okres Chrudim Termín

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Jindřicha Matiegky Mělník, Pražská Termín

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Volary, okres Prachatice Termín zkoušky:

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola národního umělce Petra Bezruče, Frýdek-Místek,

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Fakultní základní škola při Pedagogické fakultě UK, Praha

Více

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013

Výsledky testování školy. Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy. Školní rok 2012/2013 Výsledky testování školy Druhá celoplošná generální zkouška ověřování výsledků žáků na úrovni 5. a 9. ročníků základní školy Školní rok 2012/2013 Základní škola Bedřicha Hrozného Lysá nad Labem, nám. B.

Více

HTS Report. d2-r. d2-r. Jan Novák ID Datum administrace Standard 1. Vydání. Hogrefe Testcentrum, Praha

HTS Report. d2-r. d2-r. Jan Novák ID Datum administrace Standard 1. Vydání. Hogrefe Testcentrum, Praha HTS Report d2-r d2-r ID 8389-30 Datum administrace 13.06.2016 Standard 1. Vydání d2-r Přehled výsledků 2 / 16 PŘEHLED VÝSLEDKŮ Obsah Zpráva Obecné informace Jak rozumět výsledkům Výsledky Testový profil

Více

Optimalizace 2007/2008-9. B

Optimalizace 2007/2008-9. B Analýza částí - NJ třída 9. B ZŠ 1 9 94 89 93 82 83 8 7 71 průměrný percentil 6 5 4 3 2 1 48 45 42 45 46 46 Celek Poslech Konverzace Čtení a porozumění Komplexní cvičení Slovní zásoba a gramatika Poznámka:

Více

Průměrné percentily - OSP

Průměrné percentily - OSP ZŠ Průměrné percentily - OSP GYM ZŠ 1 9 8 7 průměrný percentil 6 5 4 3 2 1 31 33 46 9. A 9. B 9. C Poznámka: Graf znázorňuje průměrné celkové percentily všech tříd vaší školy. Zároveň je zde pro porovnání

Více

Pojem a úkoly statistiky

Pojem a úkoly statistiky Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby

Více

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech.

přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých tendencích a souvislostech. 3 Grafické zpracování dat Grafické znázorňování je velmi účinný způsob, jak prezentovat statistické údaje. Grafy nejsou tak přesné jako tabulky, ale rychle a lépe mohou poskytnou názornou představu o důležitých

Více

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2

Semestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2 Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality

Více

Metodologie pro Informační studia a knihovnictví 2

Metodologie pro Informační studia a knihovnictví 2 Metodologie pro Informační studia a knihovnictví 2 Modul V: Nekategorizovaná data Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis

Více

STONOŽKA 2008/2009-7. a 8. TŘÍDY

STONOŽKA 2008/2009-7. a 8. TŘÍDY Škola: Název: Obec: BDHS BDHS Základní škola, Komenského Základní 5 škola, Komenského 5 Velké Popovice Velké Popovice STONOŽKA 28/29-7. a 8. TŘÍDY ANGLICKÝ JAZYK Svými výsledky v anglickém jazyce se Vaše

Více

1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY

1. KRITÉRIA HODNOCENÍ ZKOUŠEK A DÍLČÍCH ZKOUŠEK SPOLEČNÉ ČÁSTI MATURITNÍ ZKOUŠKY V Praze dne 11. března 2015 Č. j.: MSMT-6626/2015-1 SDĚLENÍ V souladu s 22, odst. 1 vyhlášky č. 177/2009 Sb., o bližších podmínkách ukončování vzdělávání ve středních školách maturitní zkouškou, ve znění

Více

Informace k maturitní zkoušce MZ 2017

Informace k maturitní zkoušce MZ 2017 Informace k maturitní zkoušce MZ 2017 MATURITNÍ ZKOUŠKA 2017 Třída Žáků celkem 4.A 29 4.B 30 4.C 29 z toho 10 STV + 19 EKO Celkem žáků 88 - z toho 69 STV + 19 EKO MATURITNÍ ZKOUŠKA 2017 JARNÍ TERMÍN Dílčí

Více

TESTOVÁNÍ STONOŽKA 3. TŘÍD - 2009/2010

TESTOVÁNÍ STONOŽKA 3. TŘÍD - 2009/2010 Škola: Název: Obec: DEJV ZŠ a MŠ, U školy 1 Opava - Komárov DEJV ZŠ a MŠ, U školy 1 Opava - Komárov TESTOVÁNÍ STONOŽKA 3. TŘÍD - 29/21 ČESKÝ JAZYK Výsledky Vaší školy v českém jazyce se řadí mezi ty průměrné.

Více

Jana Vránová, 3. lékařská fakulta UK

Jana Vránová, 3. lékařská fakulta UK Jana Vránová, 3. lékařská fakulta UK Vznikají při zkoumání vztahů kvalitativních resp. diskrétních znaků Jedná se o analogii s korelační analýzou spojitých znaků Přitom předpokládáme, že každý prvek populace

Více

MATURITNÍ ZKOUŠKA 2013 JARO

MATURITNÍ ZKOUŠKA 2013 JARO MATURITNÍ ZKOUŠKA 2013 JARO AKTUÁLNÍ VÝSLEDKY Zpracoval: Centrum pro zjišťování výsledků vzdělávání - CERMAT ČERVEN 2013 KOLIK MATURUJE ŽÁKŮ 2013 CELKEM 2013 2012 CELKEM 2011 CELKEM POČET PŘIHLÁŠENÝCH

Více

PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11

PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11 PŘEPOČET VÝSLEDKŮ ZÁKLADNÍ A VYŠŠÍ ÚROVNĚ OBTÍŽNOSTI DIDAKTICKÝCH TESTŮ DLE PRAVDĚPODOBNOSTNÍHO MODELU INDEX 11 PRO PŘEDMĚTY: ČESKÝ JAZYK A LITERATURA MATEMATIKA ANGLICKÝ JAZYK Jak bych dopadl, kdybych

Více

Tabulka extrémních výsledků

Tabulka extrémních výsledků Tabulka extrémních výsledků OSP český jazyk matematika klíčové kompetence jméno číslo žáka percentil skupinový percentil extrém percentil skupinový percentil extrém percentil skupinový percentil extrém

Více

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68

marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové

Více

Informace k maturitní zkoušce ve školním roce 2014/2015

Informace k maturitní zkoušce ve školním roce 2014/2015 Informace k maturitní zkoušce ve školním roce 2014/2015 MATURITNÍ ZKOUŠKA 2014 JARNÍ TERMÍN REKAPITULACE MINULOSTI Statistické údaje - ve 4. ročníku studovalo celkem 55 žáků; - z toho u druhé povinné výběrové

Více

Metody sociálních výzkumů. Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika.

Metody sociálních výzkumů. Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika. Metody sociálních výzkumů Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika. Statistika Význam slova-vychází ze slova stát, s jeho administrativou

Více

Tabulka extrémních výsledků

Tabulka extrémních výsledků Tabulka extrémních výsledků OSP český jazyk matematika klíčové kompetence jméno číslo žáka percentil skupinový percentil extrém percentil skupinový percentil extrém percentil skupinový percentil extrém

Více

TESTOVÁNÍ STONOŽKA 3. TŘÍD - 2009/2010

TESTOVÁNÍ STONOŽKA 3. TŘÍD - 2009/2010 Škola: Název: Obec: ABDHU ABDHU Základní škola a Mateřská Základní škola škola Lomnice a Mateřská nad Lužnicí, škola Lomnice Nám. 5. nad Lužnicí, Nám. 5. května 131 Lomnice nad Lužnicí Lomnice nad Lužnicí

Více

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr StatSoft Intervalový odhad Dnes se budeme zabývat neodmyslitelnou součástí statistiky a to intervaly v nejrůznějších podobách. Toto téma je také úzce spojeno s tématem testování hypotéz, a tedy plynule

Více

4. Zpracování číselných dat

4. Zpracování číselných dat 4. Zpracování číselných dat 4.1 Jednoduché hodnocení dat 4.2 Začlenění dat do písemné práce Zásady zpracování vědecké práce pro obory BOZO, PÚPN, LS 2011 4.1 Hodnocení číselných dat Popisná data: střední

Více

Cvičení ze statistiky. Filip Děchtěrenko ZS 2012/2013

Cvičení ze statistiky. Filip Děchtěrenko ZS 2012/2013 Cvičení ze statistiky Filip Děchtěrenko ZS 2012/2013 Cvičení ze statistiky Pondělí 16:40, C328 http://www.ms.mff.cuni.cz/~dechf7am Praktické zaměření Proč potřebuji statistiku, když chci dělat (doplň)?

Více

Porovnání dvou výběrů

Porovnání dvou výběrů Porovnání dvou výběrů Menu: QCExpert Porovnání dvou výběrů Tento modul je určen pro podrobnou analýzu dvou datových souborů (výběrů). Modul poskytuje dva postupy analýzy: porovnání dvou nezávislých výběrů

Více

STATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE

STATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí

Více

Obsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku

Obsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Obsah Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v

Více

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů

Inferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že

Více

Diskrétní náhodná veličina

Diskrétní náhodná veličina Lekce Diskrétní náhodná veličina Výsledek náhodného pokusu může být vyjádřen slovně to vede k zavedení pojmu náhodného jevu Výsledek náhodného pokusu můžeme někdy vyjádřit i číselně, což vede k pojmu náhodné

Více

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 V souladu s Plánem hlavních úkolů České školní inspekce na školní rok 2014/2015 a v rámci zákonem definovaných úkolů získávat a analyzovat informace

Více

Četnost volby odpovědí u didaktického testu MZ 2016 podzim

Četnost volby odpovědí u didaktického testu MZ 2016 podzim Tabulka obsahuje údaje o četnosti volby jednotlivých alternativ uzavřených úloh a četnosti bodových zisků v otevřených úlohách didaktického testu z anglického jazyka s výjimkou žáků s přiznaným uzpůsobením

Více

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost

Úvod do kurzu. Moodle kurz. (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Úvod do kurzu Moodle kurz (a) https://dl1.cuni.cz/course/view.php?id=2022 (b) heslo pro hosty: statistika (c) skripta na pravděpodobnost Výpočty online: www.statisticsonweb.tf.czu.cz Začátek výuky posunut

Více

Deskriptivní statistika (kategorizované proměnné)

Deskriptivní statistika (kategorizované proměnné) Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení ze 4ST201. Na případné faktické chyby v této prezentaci mě prosím upozorněte. Děkuji Tyto slidy berte pouze jako doplňkový materiál není v nich obsaženo

Více

Tabulka obsahuje údaje o četnosti volby jednotlivých alternativ uzavřených úloh a četnosti bodových zisků v otevřených úlohách.

Tabulka obsahuje údaje o četnosti volby jednotlivých alternativ uzavřených úloh a četnosti bodových zisků v otevřených úlohách. Tabulka obsahuje údaje o četnosti volby jednotlivých alternativ uzavřených úloh a četnosti bodových zisků v otevřených úlohách. Komentář k významu jednotlivých položek: : pod: : : - číslo v didaktickém

Více

Výsledky testování školy. Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ. Školní rok 2014/2015

Výsledky testování školy. Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ. Školní rok 2014/2015 Výsledky testování školy Výběrové zjišťování výsledků žáků 2014/2015 9. ročník ZŠ Školní rok 2014/2015 Gymnázium, Teplice, Čs. dobrovolců 11, příspěvková organizace Termín akce: 11.05.2015 22.05.2015 Termín

Více

Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4. www.skolahostivar.cz

Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4. www.skolahostivar.cz Střední odborná škola a Střední odborné učiliště Praha 10, Weilova 4 www.skolahostivar.cz Maturitní zkouška školní rok 2010/2011 Nová maturitní zkouška se skládá ze dvou částí: společné (státní) a profilové

Více

Změna hodnoty pozice v důsledku změn tržních cen.

Změna hodnoty pozice v důsledku změn tržních cen. Tržní riziko Změna hodnoty pozice v důsledku změn tržních cen. Akciové riziko Měnové riziko Komoditní riziko Úrokové riziko Odvozená rizika... riz. volatility, riz. korelace Pozice (saldo hodnoty očekávaných

Více

BOMAT- SHORT. Bochumský maticový test - krátká verze. HTS Report. Jan Novák ID Datum administrace Forma A 1.

BOMAT- SHORT. Bochumský maticový test - krátká verze. HTS Report. Jan Novák ID Datum administrace Forma A 1. HTS Report BOMAT- SHORT Bochumský maticový test - krátká verze ID 889-0 Datum administrace.0.0 Forma A. Vydání BOMAT-SHORT Přehled výsledků / PŘEHLED VÝSLEDKŮ Věk probanda a věkové rozmezí normy nekorespondují

Více

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2

Statistika jako obor. Statistika. Popisná statistika. Matematická statistika TEORIE K MV2 Statistika jako obor Statistika Statistika je vědní obor zabývající se zkoumáním jevů hromadného charakteru. Tím se myslí to, že zkoumaný jev musí příslušet určité části velkého množství objektů (lidí,

Více

Nová maturita od roku 2011

Nová maturita od roku 2011 Nová maturita od roku 2011 Základní charakteristika Nová maturitní zkouška se skládá ze dvou částí společné (státní) a profilové (školní). Aby žák uspěl u maturity, musí úspěšně složit povinné zkoušky

Více