2. Tzv. samplování. 1 Pozor na cirkularitu: některé genealogické skupiny (např. tzv. uralo-altajská)
|
|
- Tomáš Dvořák
- před 2 lety
- Počet zobrazení:
Transkript
1 2. Tzv. samplování 2.1. Samplování Racionále paradox: chceme zjišťovat univerzálie lidského jazykového potenciálu, ale nemůžeme zkoumat univerzum jazyků a) ne všechny jazyky aktuálně existují (minulé a budoucí) b) ne všechny existující jazyky jsou (dostatečně) doloženy c) praktická omezení: doložených jazyků je mnoho, ale času a financí málo potřebujeme proceduru, která nám umožní provádět INFERENCE o lidském jazykovém potenciálu (= jazyce) bez nutnosti přihlížet ke všem jeho individuálním případům (= jazykům) Typologický vzorek samplování = konstrukce vzorku/samplu samplování v lingvistické typologii = konstrukce typologického vzorku jazyků typologický vzorek je podmnožinou univerza jazyků a) NÁHODNÝ vzorek b) PŘÍLEŽITOSTNÍ vzorek convenience/opportunity sample c) STRATIFIKOVANÝ vzorek Vhodný typologický vzorek A. má umožnit formulaci generalizací různého druhu (variabilita, frekvence, distribuce, preference) B. má minimalizovat inferenční chyby musí být reprezentativní vzhledem k univerzu jazyků nesmí být tendenční biased; je třeba se vyhnout nedostatečnému zastoupení underrepresentation nadměrnému zastoupení overrepresentation C. nemá odrážet irelevantní faktory D. má minimalizovat statistickou/faktickou ZÁVISLOST PŘÍPADŮ ( 2.2.) B. Druhy reprezentativnosti/tendenčnosti vzorku (Bell 1978) genealogická 1 areální (srov. areály a makroareály; Dryer 1989, Nichols 1992, Dahl 2001) sociolingvistická (např. znakové jazyky, kontaktní jazyky, Ausbausprachen) typologická (zvl. silné typologické parametry) bibliografická (zde pouze tendenčnost, nikoli reprezentativnost!) Příklady tendenčnosti běžné nadměrné zastoupení IE a/nebo evropských jazyků z technických a sociálních důvodů: dostupnost mluvčích, deskriptivní tradice aj. slovosled AN preferován v sev. Euroasii (IE, uralské, altajské, čínština); nadměrné zastoupení euroasijských jazyků ve starších vzorcích vedlo k formulaci neplatné generalizace: pokud OV, pak AN (srov. Dryer 1989) Příklad konfliktu mezi různými druhy reprezentativnosti genealogické izoláty a malé rodiny často součástí jaz. areálu např. Papua-Nová Guinea: mnoho genealogických skupin v malé oblasti C. Příklady faktorů, které nesouvisejí se strukturou jazyka počet zemí, v nichž se jazykem mluví počet jazyků v genealogické skupině jazyků počet jazyků v makroareálu počet mluvčích jazyka (ale: protipříklady!) 1 Pozor na cirkularitu: některé genealogické skupiny (např. tzv. uralo-altajská) jsou ustanoveny na základě typologických shod. Typologie (Elšík, LS04/05) 2. Tzv. samplování 1 z 5
2 Typologie bez samplování? i studie bez samplovací procedury mohou být plodné: připravují půdu, mohou odkrývat základní trendy ale: výsledky musejí být ověřeny pomocí samplování! 2.2. Teoretické problémy Předpoklad reprezentativnosti = existující, příp. zdokumentované jazyky reprezentují lidský jazykový potenciál předpoklad je problematický: pokud platí aspoň jedna z následujících hypotéz, empirický výzkum univerzálií necharakterizuje lidský jazykový potenciál a) všechny jazyky světa můžou být genealogicky příbuzné, tzv. Proto-World (Comrie 1981) b) všechny jazyky světa můžou tvořit jediný globální jazykový areál (Dryer 1989) c) existující, příp. zdokumentované jazyky se zachovaly díky historické náhodě Chomského anekdota: kdyby všechny jazyky kromě jednoho vymřely, budeme považovat všechny rysy tohoto jazyka za univerzální? existující jazyky můžou být lucky rather than natural, mohly se zachovat díky technologické a/nebo politické dominanci svých mluvčích (Maddieson 1999) Příklad základní slovosled OS je velmi řídký, doložený jen v několika (ohrožených) jazycích kdyby typologové začali zkoumat slovosledné univerzálie až po zániku těchto jazyků, formulovali by substanční univerzálii: každý jazyk má základní slovosled SO D. Statistická (ne)závislost případů (Perkins 1989) < tzv. Galtonova námitka v antropologii: kulturní typy můžou být závislé kvůli migraci nositelů nebo difuzi prvků asociace = absence statistické nezávislosti požadavek: statistická nezávislost relevantních vlastností jazyků ve vzorku typologický parametr & genealogická afiliace typologický parametr & areální afiliace typologické parametry P & Q Příklad 1 typologický parametr rozlišuje tři typy: T1, T2, T3 svět se dělí na tři makroareály: A1, A2, A3 všechny jazyky A1 jsou T1, A2 jsou T2 a A3 jsou T3 (absolutní statistická korelace typů s makroareály) ke správné generalizaci stačí vzorek o 3 jazycích (po jednom z A1, A2 a A3) Příklad 2 Dryer 1989: chtěl zabránit typologické tendenčnosti, a proto chtěl mít ve vzorku jazyky různých typů podle parametru OV/VO Perkins 1989: Dryer ale neprokázal, že chtít mít ve vzorku různé typy podle P (= OV/VO) statisticky neovlivňuje výsledky zkoumaného jevu Q univerzální vzorek je nežádoucí, nadhodnocuje rysy velkých jaz. rodin, areálů s mnoha jazyky apod. požadavek statistické nezávislosti je v KONFLIKTU s požadavkem reprezentativnosti (kde: univerzální vzorek naopak žádoucí) Typologie (Elšík, LS04/05) 2. Tzv. samplování 2 z 5
3 konflikt je neřešitelný: vzhledem k existenci makroareálů můžeme získat jen 10 statisticky nezávislých případů, ty pak nejsou reprezentativní (Dryer 1989) ale: statistická závislost neimplikuje FAKTICKOU závislost případů (Croft 2003, Dryer 1989, Comrie 1993) i jevy v genealogicky nebo areálně zpřízněných jazycích můžou být historicky nezávislé např. všechny odlišnosti blízce příbuzných jazyků (tj. jejich inovace), jsou fakticky nezávislé (Comrie 1993) cíl: identifikovat typologické kovariace (frekvence a preference) důraz na nezávislost případů Několikeré samplování a) pilotní vzorek pro zjištění možných typů vybraného parametru b) větší (stratifikovaný) vzorek variantnosti pro zjištění distribuce typů c) menší (statisticky testovaný) vzorek pravděpodobnosti pro formulaci signifikantních generalizací 2.3. Druhy typologických vzorků Velikost vzorku a) konstrukce top-down nejdříve určíme počet jazyků ve vzorku, pak vzorek stratifikujeme a vybíráme konkrétní jazyky problém: velikost minimálního vzorku závisí na zvoleném typologickém parametru, není dán apriori (Perkins 1989) b) konstrukce bottom-up nejdříve vybíráme konkrétní jazyky, tak dospějeme ke vzorku urč. velikosti Druhy vzorků podle cíle a) vzorek VARIANTNOSTI variety sample cíl: najít všechny různé realizace urč. jevu (hledáme, dokud nenajdeme nový nezávislý případ, příp. do vyčerpání logických možností) důraz na reprezentativnost b) vzorek PRAVDĚPODOBNOSTI probability sample Druhy vzorků podle struktury a) vzorek PROPORCIONÁLNÍ každá skupina jazyků (zvl. genealogická) má rovnou reprezentaci problém: postihuje frekvenci v jazycích, nikoli preferenci lidského jazykového potenciálu b) vzorek HIERARCHICKÝ pracuje s několika hierarchizovanými úrovněmi klasifikace jazyků (příklady 2.4.) Příklad 1 proporcionální vzorek: Bell 1978 definoval genealogickou skupinu arbitrární časovou hloubkou 3500 let dospěl k 478 skupinám (např. IE má 12 skupin) vzorek o méně než 478 jazycích je nutně nereprezentabilní Příklad 2 předpokládejme, že na světě existuje 1000 jazyků 11 genealogických skupin ( ) Typologie (Elšík, LS04/05) 2. Tzv. samplování 3 z 5
4 jazyky největší skupiny mají slovosled SVO, jazyky všech ostatních skupin mají slovosled SOV poměr jazyků: 900 SVO :: 100 SOV, tj. frekventovanější je SVO (90%) poměr gen. skupin: 1 SVO :: 10 SOV, tj. preferovanější je SOV (91%) 2.4. Dva úspěšné vzorky Dryer 1989 procedura kontroluje tendenčnost na dvou úrovních (hierarchický vzorek) a) na úrovni makroareálů b) na úrovni tzv. gener: GENUS = genealogická jednotka s časovou hloubkou cca let (~ větev IE jazyků) pokud je genus typologicky jednotný > jeden bod pokud je v rámci genera více typů > více bodů umožňuje využít všech dostupných dat problémy jak vybírat jazyky v rámci genera? konkrétní vymezení makroareálů (Nichols 1992) i v čas. hloubce, která definuje dnešní genera, je přítomna tendenčnost díky tehdejší existenci větších a menších gener (Croft 1995) Rijkhoff et al procedura kontroluje pouze GENEALOGICKOU tendenčnost na dvou úrovních (hierarchický vzorek) a) mezi tzv. FYLY: každé, včetně izolátů, zastoupeno (27 podle Ruhlena 1987) b) v rámci tzv. fyl: bere v úvahu jejich interní diverzitu (= vnitřní různorodost) tzv. HODNOTA DIVERZITY diversity value reprezentuje ne časovou hloubku, nýbrž vnitřní strukturu genealogického stromu vychází z počtu štěpení mezi fylem a jednotlivým jazykem významnější jsou časově hlubší štěpení, je k dispozici delší doba na vytvoření odlišností PROBLÉMY modely interní diverzity různých genealogických skupin založeny na různých kritériích (různí autoři, různé metody) interní diverzita někt. genealogických skupin není dostatečně popsána; zvl. u méně popsaných skupin může být větší, než se předpokládá sám pojem genealogického stromu ( Úkol II.2) Úkol II.1 Vytvořte typologický vzorek 1. o 20 jazycích; 2. hierarchický: vezměte v úvahu a) kontinentální areály a b) genealogickou klasifikaci včetně interní diverzity jednotlivých genealogických skupin; 3. předpokládejte situaci, kdy na světě existují pouze tři genealogické skupiny jazyků: alžké jazyky Algic, indoevropské jazyky a izolát buruština Burushaski (vycházejte z genealogické klasifikace na serveru Ethnologue); teoreticky svůj vzorek a jeho konstrukci popište. 2 Typologie (Elšík, LS04/05) 2. Tzv. samplování 4 z 5
5 Úkol II.2 Je jazyk jakožto jednotka typologického vzorku jasně DEFINOVA- TELNÝM OBJEKTEM? Proč je pojem GENEALOGICKÉHO STROMU problematický pro modelování interní diverzity jazykových skupin? Literatura: základní práce o samplování Bell, Alan Language samples. In: Greenberg, Joseph H., Charles A. Ferguson & Edith A. Moravcsik (eds.) Universals of human language, Vol Stanford: Stanford University Press. Comrie, Bernard Language universals and linguistic typology: data-bases and explanations. Sprachtypologie und Universalienforschung 46: Dryer, Matthew S Large linguistic areas and language sampling. Studies in Language 13, Perkins, Revere D Statistical techniques for determining language sample size. Studies in Language 13, Rijkhoff, Jan & Dik Bakker Language sampling. Linguistic Typology 2, Rijkhoff, Jan, Dik Bakker, Kees Hengeveld, & Peter Kahrel A method of language sampling. Studies in Language 17, Dahl, Östen Principles of areal typology. In: Haspelmath, Martin, Ekkehard König, Wulf Oesterreicher & Wolfgang Raible (eds.) Language typology and language universals: an international handbook, Vol Berlin: Mouton de Gruyter. Nichols, Johanna Linguistic diversity in space and time. Chicago: University of Chicago Press. Další citovaná literatura Comrie, Bernard. 1981, Language universals and linguistic typology: Syntax and morphology. Oxford: Blackwell. Croft, William. 1990, Typology and universals. Cambridge: Cambridge University Press. Typologie (Elšík, LS04/05) 2. Tzv. samplování 5 z 5
3. Typologické generalizace
3. Typologické generalizace 3.1. Než lze začít generalizovat identifikace a výběr parametrů a jejich typologizace předcházejí typologickým generalizacím a) PARAMETRY GLOBÁLNÍ jejich relevance není logicky
vydáno 1. června 2015 Součásti SZZK podle výběru studenta se koná na jednom, nebo na druhém oboru
OBECNÁ LINGVISTIKA (NAVAZUJÍCÍ MAGISTERSKÉ STUDIUM) STÁTNÍ ZÁVĚREČNÉ ZKOUŠKY vydáno 1. června 2015 Součásti SZZK (I) Obhajoba diplomové práce podle výběru studenta se koná na jednom, nebo na druhém oboru
VÝBĚR VZORKU V KVANTITATIVNÍM
VÝBĚR VZORKU V KVANTITATIVNÍM Metodologie ISK, 31/10/2014 TERMINOLOGIE Populace / základní soubor Soubor jednotek, které chceme zkoumat předpokládáme, že naše výroky jsou pro tento soubor platné Soubor
Metody výběru ve výzkumech veřejného mínění
Metody výběru ve výzkumech veřejného mínění Populace (základní soubor) Soubor jednotek, o nichž předpokládáme, že jsou pro ně závěry výzkumu platné Někdy se rozlišuje: Cílová populace - všechny jednotky
Logický důsledek. Petr Kuchyňka (7765@mail.muni.cz)
Logický důsledek Petr Kuchyňka (7765@mail.muni.cz) Úvod P 1 Logický důsledek je hlavním předmětem zájmu logiky. Je to relace mezi premisami a závěry logicky platných úsudků: v logicky platném úsudku závěr
Projekt výzkumu v graduační práci
Projekt výzkumu v graduační práci Základní manuál Prof. PhDr. Beáta Krahulcová, CSc. Fáze výzkumu Přípravná, teoretická fáze (výsledek kumulovaného poznání,precizace výzkumného úkolu, formulace vědecké
Metodologie pedagogického výzkumu Téma číslo 2 Koncipování vlastního výzkumu
Metodologie pedagogického výzkumu Téma číslo 2 Koncipování vlastního výzkumu pedagogického výzkumu 1 Příprava výzkumu Teoretický rozbor literární rešerše (úprava, vyvarování se chyb, inspirace ) Zdroje:
III/2 Inovace a zkvalitnění výuky prostřednictvím ICT
Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor016 Vypracoval(a),
LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR
LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné
Pravděpodobnost, náhoda, kostky
Pravděpodobnost, náhoda, kostky Radek Pelánek IV122, jaro 2015 Výhled pravděpodobnost náhodná čísla lineární regrese detekce shluků Dnes lehce nesourodá směs úloh souvisejících s pravděpodobností krátké
Cvičení ze statistiky - 9. Filip Děchtěrenko
Cvičení ze statistiky - 9 Filip Děchtěrenko Minule bylo.. Dobrali jsme normální rozdělení Tyhle termíny by měly být známé: Inferenční statistika Konfidenční intervaly Z-test Postup při testování hypotéz
Tabulka 1 Rizikové online zážitky v závislosti na místě přístupu k internetu N M SD Min Max. Přístup ve vlastním pokoji 10804 1,61 1,61 0,00 5,00
Seminární úkol č. 4 Autoři: Klára Čapková (406803), Markéta Peschková (414906) Zdroj dat: EU Kids Online Survey Popis dat Analyzovaná data pocházejí z výzkumu online chování dětí z 25 evropských zemí.
Statistika. Základní pojmy a cíle statistiky. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Základní pojmy a cíle statistiky Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Statistika Pojmy a cíle
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Diplomový seminář 1. Akademický rok 2008/2009. 17.9.2009 Ing. Václav Křivohlávek, CSc.
Diplomový seminář 1 Akademický rok 2008/2009 Vybrané metodologické otázky 1. Hierarchie pojmů 2. Věcná a formální struktura práce 3. Základní metody zkoumání a výkladu 4. Etika Hierarchie pojmů Pojmy (resp.
Stanovení předmětu plnění dle zákona č. 137/2006 ve vazbě na cíl výdajové intervence a s ohledem na 3E
č. 137/2006 ve vazbě na cíl výdajové Příloha č. B1 Dokumentu Jak zohledňovat principy 3E (hospodárnost, efektivnost a účelnost) v postupech zadávání veřejných zakázek Vydal: Ministerstvo pro místní rozvoj
Základy politologie 2
Základy politologie 2 1. Cílem předmětu je seznámit studenty s podstatou a fungováním jednotlivých prvků politického systému a politického procesu. Osvojení si pojmového aparátu a znalost zákonitostí politického
Expertní systémy. Typy úloh: Klasifikační Diagnostické Plánovací Hybridní Prázdné. Feingenbaum a kol., 1988
Expertní systémy Počítačové programy, simulující rozhodovací činnost experta při řešení složitých úloh a využívající vhodně kvality rozhodování na úrovni experta. Typy úloh: Klasifikační Diagnostické Plánovací
Téma číslo 4 Základy zkoumání v pedagogice I. Pavel Doulík, Úvod do pedagogiky
Téma číslo 4 Základy zkoumání v pedagogice I Pavel Doulík, Úvod do pedagogiky 1 Systémový přístup v pedagogice. Základní pedagogické kategorie: cíle, podmínky, prostředky a výsledky výchovy. Vzájemná interakce
ZÁKLADNÍ METODOLOGICKÁ PRAVIDLA PŘI ZPRACOVÁNÍ ODBORNÉHO TEXTU. Martina Cirbusová (z prezentace doc. Škopa)
ZÁKLADNÍ METODOLOGICKÁ PRAVIDLA PŘI ZPRACOVÁNÍ ODBORNÉHO TEXTU Martina Cirbusová (z prezentace doc. Škopa) OSNOVA Metodologie vs. Metoda vs. Metodika Základní postup práce Základní vědecké metody METODOLOGIE
Závislost na počítačových hrách u žáků druhého stupně vybraných základních škol
POSUDEK BAKALÁŘSKÉ / MAGISTERSKÉ PRÁCE OPONENT Název Závislost na počítačových hrách u žáků druhého stupně vybraných základních škol Autor Bc. Jiří Zatřepálek Vedoucí práce Mgr. Jaroslav Vacek Oponent
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
1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
Obsah Úvod Kapitola 1 Než začneme Kapitola 2 Práce s hromadnými daty před analýzou
Úvod.................................................................. 11 Kapitola 1 Než začneme.................................................................. 17 1.1 Logika kvantitativního výzkumu...........................................
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
III/2 Inovace a zkvalitnění výuky prostřednictvím ICT
Název školy Gymnázium, Šternberk, Horní nám. 5 Číslo projektu CZ.1.07/1.5.00/34.0218 Šablona III/2 Inovace a zkvalitnění výuky prostřednictvím ICT Označení materiálu VY_32_INOVACE_Hor017 Vypracoval(a),
Statistické testování hypotéz II
PSY117/454 Statistická analýza dat v psychologii Přednáška 9 Statistické testování hypotéz II Přehled testů, rozdíly průměrů, velikost účinku, síla testu Základní výzkumné otázky/hypotézy 1. Stanovení
Statistické metody v medicíně II. - p-hodnota
Statistické metody v medicíně II. - p-hodnota Martin Hynek Gennet, Centre for Fetal Medicine, Prague EuroMISE Centre, First Faculty of Medicine of Charles University in Prague p-hodnota p-value (p-level)
Úvod do kvantitativní lingvistiky. Radek Čech
Úvod do kvantitativní lingvistiky Radek Čech Historie KL G. K. Zipf (1902-1950) PLK B. Trnka (problematika těsnopisu) M. Těšitelová a kol. G. Altmann, R. Köhler, L. Hřebíček Místo KL v lingvistice cíle
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Testování statistických hypotéz Testování statistických hypotéz Princip: Ověřování určitého předpokladu zjišťujeme, zda zkoumaný výběr pochází ze základního souboru, který má určité rozdělení zjišťujeme,
Pravděpodobnost a její vlastnosti
Pravděpodobnost a její vlastnosti 1 Pravděpodobnost a její vlastnosti Náhodné jevy Náhodný jev je výsledek pokusu (tj. realizace určitého systému podmínek) a jeho charakteristickým rysem je, že může, ale
Marketingový výzkum. Ing. Martina Ortová, Ph.D. Technická univerzita v Liberci. Projekt TU v Liberci
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Marketingový výzkum Ing., Ph.D. Technická univerzita v Liberci Projekt 1 Technická
Jednofaktorová analýza rozptylu
I I.I Jednofaktorová analýza rozptylu Úvod Jednofaktorová analýza rozptylu (ANOVA) se využívá při porovnání několika středních hodnot. Často se využívá ve vědeckých a lékařských experimentech, při kterých
Cíle korelační studie
Korelační studie Cíle korelační studie cíle výzkumu v psychologii deskripce predikce explanace kontrola korelační studie popisuje vztah (ko-relaci) mezi proměnnými cíle - deskripce, příp. predikce První
676 + 4 + 100 + 196 + 0 + 484 + 196 + 324 + 64 + 324 = = 2368
Příklad 1 Je třeba prověřit, zda lze na 5% hladině významnosti pokládat za prokázanou hypotézu, že střední doba výroby výlisku je 30 sekund. Přitom 10 náhodně vybraných výlisků bylo vyráběno celkem 540
Metodologie sociologického výzkumu Jiří HODNÝ, Ph.D.
Metodologie sociologického výzkumu Jiří HODNÝ, Ph.D. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační
4ST201 STATISTIKA CVIČENÍ Č. 7
4ST201 STATISTIKA CVIČENÍ Č. 7 testování hypotéz parametrické testy test hypotézy o střední hodnotě test hypotézy o relativní četnosti test o shodě středních hodnot testování hypotéz v MS Excel neparametrické
1. Případová studie - obecně
Zdravím, tato opora má dvě kapitoly: 1. Případová studie obecně je skutečně neskutečně obecná 2. Případová studie z pohledu DIVMAN a JEVTECH je praktičtější a srozumitelnější 1. Případová studie - obecně
Spolehlivost soustav
1 Spolehlivost soustav Spolehlivost soustav 1.1 Koherentní systémy a strukturní funkce Budeme se zabývat modelováním spolehlivosti zřízení s ohledem na spolehlivost jeho komponent. Jedním z hlavních cílů
Metodologie sociologického výzkumu Úvod do problematiky
Metodologie sociologického výzkumu Úvod do problematiky Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky vojenského a leadershipu
Náklady a přínosy firemní diverzity
Náklady a přínosy firemní diverzity Filip Pertold filip.pertold@cerge-ei.cz Nezávislý think tank při Národohospodářském ústavu AV ČR, v.v.i. zaměřující se na analýzu, vyhodnocování a vlastní návrhy veřejných
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
Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum
Určeno studentům středního vzdělávání s maturitní zkouškou, předmět: Marketing a management, téma: Marketingový výzkum Pracovní list vytvořila: Mgr. Radka Drobná Období vytvoření VM: duben 2012 Klíčová
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Testování statistických hypotéz
Testování statistických hypotéz Na základě náhodného výběru, který je reprezentativním vzorkem základního souboru (který přesně neznáme, k němuž se ale daná statistická hypotéza váže), potřebujeme ověřit,
OCHRANA INOVACÍ PROSTŘEDNICTVÍM OBCHODNÍCH TAJEMSTVÍ A PATENTŮ: URČUJÍCÍ FAKTORY PRO FIRMY V EVROPSKÉ UNII SHRNUTÍ
OCHRANA INOVACÍ PROSTŘEDNICTVÍM OBCHODNÍCH TAJEMSTVÍ A PATENTŮ: URČUJÍCÍ FAKTORY PRO FIRMY V EVROPSKÉ UNII SHRNUTÍ červenec 2017 OCHRANA INOVACÍ PROSTŘEDNICTVÍM OBCHODNÍCH TAJEMSTVÍ A PATENTŮ: URČUJÍCÍ
1. Přednáška. Ing. Miroslav Šulai, MBA
N_OFI_2 1. Přednáška Počet pravděpodobnosti Statistický aparát používaný ve financích Ing. Miroslav Šulai, MBA 1 Počet pravděpodobnosti -náhodné veličiny 2 Počet pravděpodobnosti -náhodné veličiny 3 Jevy
Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka
Metody tvorby ontologií a sémantický web Martin Malčík, Rostislav Miarka Obsah Reprezentace znalostí Ontologie a sémantický web Tvorba ontologií Hierarchie znalostí (D.R.Tobin) Data jakékoliv znakové řetězce
aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR
aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické dostupnosti bydlení v ČR 1 aktivita A0705 Metodická a faktografická příprava řešení regionálních disparit ve fyzické
Okruhy ke SZZK nmgr. studium knihovnické zaměření
Okruhy ke SZZK nmgr. studium knihovnické zaměření Aktualizace k 11. 6. 2016 Otázky platí pro SZZK v září 2016 a dále Předpoklady ke zkoušce - student/ka si vybírá 3 okruhy 2 povinné předměty (Informační
Metodická podpora regionálního rozvoje aktuálně zpracovávané metodiky. Management znalostí v lokálním a regionálním rozvoji
17. zasedání Pracovní skupiny pro udržitelný rozvoj regionů, obcí a území Rady vlády pro udržitelný rozvoj (RVUR) Metodická podpora regionálního rozvoje aktuálně zpracovávané metodiky Management znalostí
Vícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod
PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal
Statistické metody v ekonomii. Ing. Michael Rost, Ph.D.
Statistické metody v ekonomii Ing. Michael Rost, Ph.D. Jihočeská univerzita v Českých Budějovicích Test χ 2 v kontingenční tabulce typu 2 2 Jde vlastně o speciální případ χ 2 testu pro čtyřpolní tabulku.
Testování hypotéz a měření asociace mezi proměnnými
Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,
Big Data a oficiální statistika. Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc.
Big Data a oficiální statistika Unicorn College Open 24. dubna 2015 Doc. Ing. Marie Bohatá, CSc. Obsah příspěvku Charakteristiky Big Data Výzvy a úskalí z perspektivy statistiky Výzvy z perspektivy computing
MODERNÍ MARKETINGOVÝ VÝZKUM
KOZEL Roman MODERNÍ MARKETINGOVÝ VÝZKUM Obsah O hlavním autorovi... 9 Slovo úvodem...11 1. Marketingové prostředí...13 1.1 Charakteristika prostředí...14 1.2 Makroprostředí...16 1.2.1 Demografické prostředí...18
Přednáška 9. Testy dobré shody. Grafická analýza pro ověření shody empirického a teoretického rozdělení
Přednáška 9 Testy dobré shody Grafická analýza pro ověření shody empirického a teoretického rozdělení χ 2 test dobré shody ověření, zda jsou relativní četnosti jednotlivých variant rovny číslům π 01 ;
PRINCIPY PRO PŘÍPRAVU NÁRODNÍCH PRIORIT VÝZKUMU, EXPERIMENTÁLNÍHO VÝVOJE A INOVACÍ
RADA PRO VÝZKUM, VÝVOJ A INOVACE PRINCIPY PRO PŘÍPRAVU NÁRODNÍCH PRIORIT VÝZKUMU, EXPERIMENTÁLNÍHO VÝVOJE A INOVACÍ 1. Úvod Národní politika výzkumu, vývoje a inovací České republiky na léta 2009 až 2015
Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II
Základy biostatistiky II Veřejné zdravotnictví 3.LF UK - II Teoretické rozložení-matematické modely rozložení Naměřená data Výběrové rozložení Teoretické rozložení 1 e 2 x 2 Teoretické rozložení-matematické
Statistická šetření - PROČ? Žádná věda není skutečnou vědou, není-li podložena matematickými principy. (L.da Vinci)
Statistická šetření - PROČ? Žádná věda není skutečnou vědou, není-li podložena matematickými principy. (L.da Vinci) Statistická šetření - na kom / čem? statistické jednotky (S.J.) 1 respondent (pacient,
Náhodná veličina X má Poissonovo rozdělení se střední hodnotou lambda. Poissonovo rozdělení je definováno jako. P(X=k) = 0,036
Příklad : Statistika A, doc. Kropáč, str. 6, příklad 2 K benzínovému čerpadlu přijíždí průměrně 4 aut za hodinu. Určete pravděpodobnost, že během pěti minut přijede nejvýše jedno auto. Pokus: Zjištění,
Tomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
Genetická diverzita masného skotu v ČR
Genetická diverzita masného skotu v ČR Mgr. Jan Říha Výzkumný ústav pro chov skotu, s.r.o. Ing. Irena Vrtková 26. listopadu 2009 Genetická diverzita skotu pojem diverzity Genom skotu 30 chromozomu, genetická
Průzkumová analýza dat
Průzkumová analýza dat Proč zkoumat data? Základ průzkumové analýzy dat položil John Tukey ve svém díle Exploratory Data Analysis (odtud zkratka EDA). Často se stává, že data, se kterými pracujeme, se
LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení
LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení Způsoby statistického šetření Vyčerpávající šetření prošetření všech jednotek statistického souboru (populace) Výběrové šetření ze základního souboru
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza
5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza 5.1 Vícerozměrná data a vícerozměrná rozdělení Při zpracování vícerozměrných dat se hledají souvislosti mezi dvěma, případně
Matematické modelování Náhled do ekonometrie. Lukáš Frýd
Matematické modelování Náhled do ekonometrie Lukáš Frýd Výnos akcie vs. Výnos celého trhu - CAPM model r it = r ft + β 1. (r mt r ft ) r it r ft = α 0 + β 1. (r mt r ft ) + ε it Ekonomický (finanční model)
Asociační pravidla (metoda GUHA)
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Asociační pravidla (metoda GUHA) Ing. Michal Burda () Získávání znalostí z dat Brno, 27. ledna
STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI. Pavel Praks, Zdeněk Boháč
STUDIJNÍ OPORY S PŘEVAŽUJÍCÍMI DISTANČNÍMI PRVKY PRO VÝUKU STATISTIKY PRVNÍ ZKUŠENOSTI Pavel Praks, Zdeněk Boháč Katedra matematiky a deskriptivní geometrie, VŠB - Technická univerzita Ostrava 17. listopadu
Kolik centimetrů se líbí homosexuálním
Kolik centimetrů se líbí homosexuálním mužům? Jaroslava Valentová 1,2, Vít Třebický 1, Jan Havlíček 1 1 Kat. antropologie, Fakulta humanitních studií UK 2 Centrum pro teoretická e studia, UK & AVČRČ Výška
ŽÁKOVSKÝ KORPUS MERLIN: JAZYKOVÉ ÚROVNĚ A TROJJAZYČNÁ CHYBOVÁ ANOTACE
ŽÁKOVSKÝ KORPUS MERLIN: JAZYKOVÉ ÚROVNĚ A TROJJAZYČNÁ CHYBOVÁ ANOTACE Mgr. Barbora Štindlová, Ph. D., Mgr. Veronika Čurdová, Mgr. Petra Klimešová, Mgr. Eva Levorová ÚJOP UK, Praha Práce s chybou, Poděbrady
( ) ( ) 9.2.7 Nezávislé jevy I. Předpoklady: 9204
9.2.7 Nezávislé jevy I Předpoklady: 9204 Př. : Předpokládej, že pravděpodobnost narození chlapce je stejná jako pravděpodobnost narození dívky (a tedy v obou případech rovna 0,5) a není ovlivněna genetickými
Statistika, Biostatistika pro kombinované studium. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2014/2015 Tutoriál č. 6: ANOVA Jan Kracík jan.kracik@vsb.cz Obsah: Testování hypotéz opakování ANOVA Testování hypotéz (opakování) Testování
Metodologie pedagogického výzkumu Téma číslo 4 Validita a reliabilita
Metodologie pedagogického výzkumu Téma číslo 4 Validita a reliabilita pedagogického výzkumu 1 Validita = platnost Měříme skutečně to, co se domníváme, že měříme??? Z výsledku vědomostního testu usuzujeme
K možnostem užití státních maturit jako přijímacích zkoušek jaký styl ověřování předpokladů ke studiu chceme podporovat?
K možnostem užití státních maturit jako přijímacích zkoušek jaký styl ověřování předpokladů ke studiu chceme podporovat? Jiří Zlatuška Poznámky pro AF 11. února 2010 Aktuální model státní maturity http://www.m2010.cz/images/maturitni_model.pdf
Metodologie pedagogického výzkumu II
Metodologie pedagogického výzkumu II kurz pro první ročník magisterského studia oboru pedagogiky, PedF UK rozsah kurzu: 1/1 výuka probíhá blokově: sobota 2.4. v 10:00-17:30 v R208 sobota 9.4. v 10:00-17:30
Úvod do mobilní robotiky AIL028
Pravděpodobnostní plánování zbynek.winkler at mff.cuni.cz, md at robotika.cz http://robotika.cz/guide/umor05/cs 12. prosince 2005 1 Co už umíme a co ne? Jak řešit složitější případy? Definice konfiguračního
Epidemiologické ukazatele. lních dat. analýza kategoriáln. Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat. a I E
Testování statistických hypotéz z a analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Epidemiologické ukazatele Rizikový faktor Populace Přítomen Nepřítomen Celkem Nemocní a b a+b Kontroly
analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. Záznam epidemiologických dat Epidemiologické ukazatele
Testování statistických hypotéz z a analýza kategoriáln lních dat Prof. RNDr. Jana Zvárová, DrSc. 1 Záznam epidemiologických dat Rizikový faktor Populace Přítomen Nepřítomen Celkem Nemocní a b a+b Kontroly
Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy.
Pozn. přeskakuji zde popisnou statistiku, jinak by měla být součástí každé analýzy. Z pastí na daném území byla odhadnuta abundance několika druhů: myšice lesní 250, myšice křovinná 200, hraboš polní 150,
Úvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
Vymezení důležitých pojmů. nulová hypotéza, alternativní hypotéza testování hypotézy hladina významnosti (alfa) chyba I. druhu, chyba II.
Testování hypotéz 1. vymezení důležitých pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test 4. t-test pro nezávislé výběry 5. t-test pro závislé výběry Vymezení důležitých pojmů nulová
Genetické programování
Genetické programování Vyvinuto v USA v 90. letech J. Kozou Typické problémy: Predikce, klasifikace, aproximace, tvorba programů Vlastnosti Soupeří s neuronovými sítěmi apod. Potřebuje značně velké populace
Jana Vránová, 3.lékařská fakulta UK, Praha. Hypotézy o populacích
Jana Vránová, 3.lékařská fakulta UK, Praha Hypotézy o populacích Příklad IQ test: Předpokládejme, že z nějakého důvodu ministerstvo školství věří, že studenti absolventi středních škol v Hradci Králové
Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky
Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného
Rozhodovací procesy 11
Rozhodovací procesy 11 Management rizik Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 XI rozhodování 1 Management rizik Cíl přednášky 11: a přístup k řízení rizik : Ohrožení,
Národní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Využití metody bootstrapping při analýze dat II.část Doc. Ing. Olga TŮMOVÁ, CSc. Obsah Klasické procedury a statistické SW - metody výpočtů konfidenčních
Vladimír Kočí 12.12.2012. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
International Conference on Sustainable Energy Engineering and Application Biomass and Solar Energy for Sustainabe Development Školení účastníků projektu Inovace a rozvoj výuky ekoinovací v bakalářských
Sedm Barcelonských principů
Sedm Barcelonských principů 1. Význam stanovení cílů a měření 2. Vhodnější než měřit výstupy, je měřit vliv na výsledky 3. Vliv na obchodní výsledky lze měřit a měl by být měřen, kdykoli je to možné 4.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
Sociologický výzkum (stručný úvod) Michal Peliš
Sociologický výzkum (stručný úvod) Michal Peliš vědy exaktní X sociální tvrzení deterministického charakteru univerzální platnost experiment prokazování kauzality tvrzení pravděpodobnostního charakteru
Tvar dat a nástroj přeskupování
StatSoft Tvar dat a nástroj přeskupování Chtěli jste někdy použít data v jistém tvaru a STATISTICA Vám to nedovolila? Jistě se najde někdo, kdo se v této situaci již ocitl. Není ale potřeba propadat panice,
GENETIKA POPULACÍ ŘEŠENÉ PŘÍKLADY
GENETIKA POPULACÍ ŘEŠENÉ PŘÍKLADY 5. Speciální případy náhodného oplození PŘÍKLAD 5.1 Testováním krevních skupin systému AB0 v určité populaci 6 188 bělochů bylo zjištěno, že 2 500 osob s krevní skupinou
Markovské metody pro modelování pravděpodobnosti
Markovské metody pro modelování pravděpodobnosti rizikových stavů 1 Markovský řetězec Budeme uvažovat náhodný proces s diskrétním časem (náhodnou posloupnost) X(t), t T {0, 1, 2,... } s konečnou množinou
Měření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
Sněmovní volební model MEDIAN (listopad-prosinec 2012)
VÝZKUM TRHU, MÉDIÍ a VEŘEJNÉHO MÍNĚNÍ, VÝVOJ SOFTWARE MEDIAN, Národních hrdinů 73, 190 12 Praha 9, tel.: 225 301 111, fax: 225 301 101, http: //www.median.cz, e-mail: median@median.cz oficiální partner
Větná polarita v češtině. Kateřina Veselovská Žďárek Hořovice,
Větná polarita v češtině Kateřina Veselovská Žďárek Hořovice, 27. 11. 2009 1 Polarita - úvod do problematiky Větná polarita: a) Cíl a motivace b) Charakteristika c) Možnosti výzkumu Větná polarita a vyhledávání
STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
Metody a techniky využitelné pro sociální zjišťování na venkově
Metody a techniky využitelné pro sociální zjišťování na venkově Sociologický empirický výzkum (SEV) nástroj pro zjišťování odpovědí na otázky o existenci, rozsahu a vývoji společenských jevů a procesů