Metodologie pedagogického výzkumu II
|
|
- Štěpán Toman
- před 8 lety
- Počet zobrazení:
Transkript
1 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 v R208 zakončení kurzu: zápočet a zkouška požadavky ke zkoušce: ústní zkouška tři základní okruhy z teoretické části kurzu - práce s odbornou literaturou při provádění výzkumu, experimenty v pedagogickém výzkumu a metody výběru vzorku z populace okomentovat (na zkoušce předloženou) tabulku shrnující statistické výsledky nějakého výzkumu publikovaného v odborné literatuře; k provedení komentáře je nutné znát - základní popisné statistiky, grafy, korelace, t-testy, chi-kvadrát test, regresi s více proměnnými požadavky k zápočtu: výpisky ze třech článků z odborné pedagogické literatury, přičemž preferovaný výběr článků je následující článek 1 - výběr ze zahraničních časopisů, které lze najít v některé z dostupných knihoven - např. NPKK v Mikulandské, Národní knihovna a knihovna na PedF UK; zpracujte ve dvojici či trojici (alternativou je i jiný zahraniční pedagogický časopis, který nebyl přinesen na výuku) článek 2 - výběr ze zahraničních časopisů, které lze najít v některé z dostupných knihoven - např. NPKK v Mikulandské, Národní knihovna a knihovna na PedF UK; zpracujte samostatně 1
2 článek 3 - výběr z jednoho z českých pedagogických časopisů, doporučuji tři časopisy, které u nás patří k nejprestižnějším Pedagogika, Pedagogická orientace a Orbis scholae, zpracujte samostatně články vybírejte s ohledem na vaše další využití např. pro magisterskou práci a seminární práce z dalších pedagogických předmětů pokud je četba v angličině nepřekonatelným problémem, můžete si jako náhradu za článek 2 vybrat dva články z českých časopisů - tato varianta však není preferována výpisky z každého článku se mají opírat o tabulku 3.3, jež bude prezentována během přednášky, dále je nutné stručně uvést hlavní závěry; přibližná délka jedné rešerže je 1 stránka odevzdání rešerží článků k zápočtu: do půlnoci termíny ke zkoušce: v 10:30 v R v 10:30 v R v 11:00 v R225 dotazy vždy zasílejte elektronicky na: h.vonkova@gmail.com konzultace: 19.4., 3.5. a 17.5., vždy v 15:45-16:30 v R225 výklad je založen především na knize: Gay, L.R., Mills, G.E., Airasian, P. Educational Research. Competencies for Analysis and Application. Upper Saddle River, NJ : Pearson Higher Education, Další studijní materiály 2
3 naskenované tabulky a obrázky z knihy Gay (2008) lze najít v souboru metodologie2.zip (15 jpg souborů) ukázky statistických výsledků z odborné pedagogické literatury lze najít v souboru metodologie2 literatura statvysledky.zip datove soubory k regresní analýze lze najít v souboru metodologie2 data.zip 1 Práce s odbornou pedagogickou literaturou kroky pro vypracování přehledu literatury table3 1 literature review jak kriticky posuzovat literární zdroje table3 3 literature critical evaluation ukázka matice s literaturou figure3 5 literature matrix průvodce psaním odborného textu table3 4 technical writing 2 Výběr vzorku pro pedagogický výzkum ukázka náhodných čísel table5 1 random numbers typy náhodných výběrů table5 2 random sampling ukázka stratifikovaného výběru figure5 1 stratified sample 3
4 typy nenáhodných výběrů table5 3 nonrandom sampling příklady výběrů v kvalitativním výzkumu table5 4 example qualitative sampling 3 Experimenty v pedagogickém výzkumu porušení interní validity table10 1 threats internal validity porušení externí validity table10 2 threats external validity preexperimental design a porušení validity figure10 1 preexperimental design true experimental design a quasi-experimental designy a porušení validity figure10 2 true experimental quasiexperimental designs příklad designu s časovou řadou figure10 3 time series design patterns příklad faktoriálového designu figure10 5 factorial design 4 Vícerozměrná regresní analýza zopakovat úvod do jednorozměrné regresní analýzy ze slajdů ke kurzu Metodologie pedagogického výzkumu I doplňující příklad ( soubor metodologie2 data.csv) V datovém souboru jsou údaje o 50 studentech - jejich výsledek v testu z matematiky (v procentech), třída (třída A je kódována jako 1, třída B jako 0), pohlaví (1=chlapec, 0=dívka) a postoj k matematice 4
5 (pětibodová škála, 1=matematiku považuje za velmi oblíbený předmět, 5 = za velmi neoblíbený předmět). Vysvětlete výsledek v testu pomocí všech dostupných charakteristik studentů, tj. odhadněte model lineární regrese, kde závislou proměnnou je výsledek v testu a nezávislými (vysvětlujícími) proměnnými jsou pohlaví, třída a postoj. Získané regresní koeficienty interpretujte - jaká je jejich velikost, jsou signifikantně odlišné od nuly na hladině významnosti 5 procent? Jaká část variability závisle proměnné byla modelem vysvětlena? Je model užitečný? Výsledek v testu vysvětlete pomocí dvou charakteristik studentů - třída a postoj. Porovnejte tento model s předchozím modelem. Pokud narazíte na podstatný rozdíl mezi těmito modely, vysvětlete, proč k nim došlo. 5 Ukázky statistických výsledků publikované v odborných časopisech rozbor vybraných statistických výsledků z následujících dvou odborných článků: Vojtová, V. Škola pro všechny - vyhledávání žáků v riziku poruch chování ve školním prostředí. Orbis scholae, 2009, roč. 3, č. 1, s Lewis, R., Shlomo, R., Xing, Q., Yaacov, J. K. Teachers classroom discipline and student misbehavior in Australia, China and Israel. Teaching and Teacher Education, 2005, č. 21, s vybrané statistické výsledky prezentované v tabulkách a grafech lze najít v souboru metodologie2 literatura statvysledky.zip 5
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
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...........................................
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
Statistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
Korelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
Statistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
INDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
Tvorba a analýza didaktických testů
Tvorba a analýza didaktických testů povinně volitelný kurz z bloku didaktické aspekty vzdělávání pro studenty navazujícího magisterského studia rozsah kurzu: 1/1 výuka: čtvrtek 16:15-17:45, výuka odpadá
Cvičení 12: Binární logistická regrese
Cvičení 12: Binární logistická regrese Příklad: V roce 2014 konalo státní závěrečné zkoušky bakalářského studia na jisté fakultě 167 studentů. U každého studenta bylo zaznamenáno jeho pohlaví (0 žena,
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
6. Lineární regresní modely
6. Lineární regresní modely 6.1 Jednoduchá regrese a validace 6.2 Testy hypotéz v lineární regresi 6.3 Kritika dat v regresním tripletu 6.4 Multikolinearita a polynomy 6.5 Kritika modelu v regresním tripletu
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 3: Lineární regresní model LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Seznámení s EViews Upřesnění
RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
KGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 9. Korelační analýza Mgr. David Fiedor 20. dubna 2015 Analýza závislostí v řadě geografických disciplín studujeme jevy, u kterých vyšetřujeme nikoliv pouze jednu vlastnost
Biostatistika a e-learning na Lékařské fakultě UK v Hradci Králové
Univerzita Karlova v Praze Lékařská fakulta v Hradci Králové Ústav lékařské biofyziky Biostatistika a e-learning na Lékařské fakultě UK v Hradci Králové Josef Hanuš, Josef Bukač, Iva Selke-Krulichová,
E-LEARNIGOVÉ KURZY LÉKAŘSKÉ INFORMATIKY MEDICAL INFORMATICS E-LEARNIG COURSES
E-LEARNIGOVÉ KURZY LÉKAŘSKÉ INFORMATIKY MEDICAL INFORMATICS E-LEARNIG COURSES Jitka Feberová, Jan Polášek, Pavel Kasal jitka.feberova@lfmotol.cuni.cz, jan.polasek@cuni.cz, pavel.kasal@lfmotol.cuni.cz ANOTACE
Regresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
Kontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
Obecná didaktika úvodem Petr Knecht. SZ7MP_ODI1 St 19:25-20:10 (prezenční st.) SZ7MK_ODI1 Po 18:30-20:10 (kombinované st.)
Obecná didaktika úvodem Petr Knecht SZ7MP_ODI1 St 19:25-20:10 (prezenční st.) SZ7MK_ODI1 Po 18:30-20:10 (kombinované st.) Obsah prezentace 1. Inovované koncepce výuky obecné didaktiky 2. Harmonogram přednášek
POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.
POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
PSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady
PSY117/454 Statistická analýza dat v psychologii přednáška 8 Statistické usuzování, odhady Výběr od deskripce k indukci Deskripce dat, odhad parametrů Usuzování = inference = indukce Počítá se s náhodným
Klára Šeďová, Jiří Zounek. Ústav pedagogických věd FF MU A. Nováka 1 602 00 Brno http://www.phil.muni.cz/wupv http://www.zounek.cz
ICT nejen jako bonbónek : pohled do práce českých h učitelů Klára Šeďová, Jiří Zounek Ústav pedagogických věd FF MU A. Nováka 1 602 00 Brno http://www.phil.muni.cz/wupv http://www.zounek.cz XVI. konference
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ
MĚŘENÍ STATISTICKÝCH ZÁVISLOSTÍ v praxi u jednoho prvku souboru se často zkoumá více veličin, které mohou na sobě různě záviset jednorozměrný výběrový soubor VSS X vícerozměrným výběrovým souborem VSS
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Kontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Mějme kategoriální proměnné X a Y. Vytvoříme tzv. kontingenční tabulku. Budeme tedy testovat hypotézu
PILÍŘE UNIVERZITNÍHO STUDIA
Psychologie práce a organizace v systému univerzitního studia Milan Rymeš Katedra psychologie Filozofické fakulty UK v Praze PILÍŘE UNIVERZITNÍHO STUDIA PSYCHOLOGIE Pregraduální dělené studium Doktorské
SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík
SEMESTRÁLNÍ PRÁCE Leptání plasmou Ing. Pavel Bouchalík 1. ÚVOD Tato semestrální práce obsahuje písemné vypracování řešení příkladu Leptání plasmou. Jde o praktickou zkoušku znalostí získaných při přednáškách
Hana Voňková, katedra školní a sociální pedagogiky, PedF UK. povinný kurz pro magisterské studenty oboru pedagogika
Hodnocení výsledků ve vzdělávání vyučující Hana Voňková, katedra školní a sociální pedagogiky, PedF UK email h.vonkova@gmail.com konzultace během zimního semestru úterý 18:00-18:45 v R225 kód v SISu ON23142001
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků
Příklad: Test nezávislosti kategoriálních znaků Určete na hladině významnosti 5 % na základě dat zjištěných v rámci dotazníkového šetření ve Šluknově, zda existuje závislost mezi pohlavím respondenta a
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
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
KORELACE. Komentované řešení pomocí programu Statistica
KORELACE Komentované řešení pomocí programu Statistica Vstupní data I Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu Popisná
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
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
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
Zásady zpracování vědecké práce
Zásady zpracování vědecké práce Kontakt: Doc. Hana Čížková Katedra biologických disciplín ZF JU Na Zlaté stoce 10, 1. patro č. 203 hcizkova@zf.jcu.cz Pro 2. ročník BOZO, PÚPN, LS 2011 1. Úvod 1.1 Co je
(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
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:
vzorek1 0.0033390 0.0047277 0.0062653 0.0077811 0.0090141... vzorek 30 0.0056775 0.0058778 0.0066916 0.0076192 0.0087291
Vzorová úloha 4.16 Postup vícerozměrné kalibrace Postup vícerozměrné kalibrace ukážeme na úloze C4.10 Vícerozměrný kalibrační model kvality bezolovnatého benzinu. Dle následujících kroků na základě naměřených
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
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
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 7: Autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Autokorelace - teorie Zopakujte si G-M
STATISTICKÉ PROGRAMY
Slezská univerzita v Opavě Obchodně podnikatelská fakulta v Karviné STATISTICKÉ PROGRAMY VYUŽITÍ EXCELU A SPSS PRO VĚDECKO-VÝZKUMNOU ČINNOST Elena Mielcová, Radmila Stoklasová a Jaroslav Ramík Karviná
Regresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
Sylabus předmětu: Metodologie kvantitativního výzkumu
Sylabus předmětu: Metodologie kvantitativního výzkumu Centrum adiktologie PK VFN 1. lékařská fakulta Univerzita Karlova v Praze Ke Karlovu 11, 120 00 Praha 2 www.adiktologie.cz Název oboru: Číslo předmětu:
Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
Průvodce studiem modulu pro kombinovanou formu studia. Modul č. 13 UPLATNĚNÍ NA TRHU PRÁCE - dílčí část II Bakalářský seminář + příprava na praxi
Průvodce studiem modulu pro kombinovanou formu studia Modul č. 13 UPLATNĚNÍ NA TRHU PRÁCE - dílčí část II Bakalářský seminář + příprava na praxi Autor: František Prášek Ostrava 2010 Úvodní slovo garanta
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá
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
Grafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
Téma 9: Vícenásobná regrese
Téma 9: Vícenásobná regrese 1) Vytvoření modelu V menu Statistika zvolíme nabídku Vícerozměrná regrese. Aktivujeme kartu Detailní nastavení viz obr.1. Nastavíme Proměnné tak, že v příslušném okně viz.
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,
MATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
Statistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
Metody tvorby politik (MTP) Zimní semestr 2018/2019 Katedra veřejné a sociální politiky FSV UK
Metody tvorby politik (MTP) Zimní semestr 2018/2019 Katedra veřejné a sociální politiky FSV UK Dnes Představení Povinnosti v MTP Úvod do policy analysis Představení Vyučující Garant: Prof. PhDr. Arnošt
Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead
PSY117/454 Statistická analýza dat v psychologii Přednáška 8 Statistické usuzování, odhady Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead Barevná srdíčka kolegyně
TECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce Statistický rozbor dat z dotazníkového šetření Počet stran: 10 Datum odevzdání: 13. 5. 2016 Pavel Kubát Obsah Úvod... 3 1 Charakterizujte
Cvičná bakalářská zkouška, 1. varianta
jméno: studijní obor: PřF BIMAT počet listů(včetně tohoto): 1 2 3 4 5 celkem Cvičná bakalářská zkouška, 1. varianta 1. Matematická analýza Najdětelokálníextrémyfunkce f(x,y)=e 4(x y) x2 y 2. 2. Lineární
Informační technologie a statistika 1
Informační technologie a statistika 1 přednášející: konzul. hodiny: e-mail: Martin Schindler KAP, tel. 48 535 2836, budova G po dohodě martin.schindler@tul.cz naposledy upraveno: 21. září 2015, 1/33 Požadavek
Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
LINEÁRNÍ REGRESE. Lineární regresní model
LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)
Technická univerzita v Liberci
Technická univerzita v Liberci Ekonomická fakulta Analýza výsledků z dotazníkového šetření Jména studentů: Adam Pavlíček Michal Karlas Tomáš Vávra Anna Votavová Ročník: 2015/2016 Datum odevzdání: 13/05/2016
Pokročilé neparametrické metody. Klára Kubošová
Pokročilé neparametrické metody Klára Kubošová Pokročilé neparametrické metody Výuka 13 přednášek doplněných o praktické cvičení v SW Úvod do neparametrických metod + princip rozhodovacích stromů Klasifikační
MÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
Proč a jak se stát studentem
Proč a jak se stát studentem DOKTORSKÉHO STUDIJNÍHO OBORU PEDAGOGIKA na FHS UTB ve Zlíně CO budu studovat? Tematicky se zaměřuje na dvě oblasti: a) procesy vyučování a učení a jejich aktéři, b) sociální
Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky Navazující magisterské studium studijní obor "Management jakosti" školní rok 2013/2014 Integrované systémy managementu A 1. Koncepce a principy integrovaných
Testování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
Testování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
PSY117/454 Statistická analýza dat v psychologii Přednáška 10
PSY117/454 Statistická analýza dat v psychologii Přednáška 10 TESTY PRO NOMINÁLNÍ A ORDINÁLNÍ PROMĚNNÉ NEPARAMETRICKÉ METODY... a to mělo, jak sám vidíte, nedozírné následky. Smrť Analýza četností hodnot
Statistické zkoumání faktorů výšky obyvatel ČR
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta dopravní 1. blok studia Statistické zkoumání faktorů výšky obyvatel ČR Statistika 2012/2013 Semestrální práce Studijní skupina: 2_37 Vedoucí práce: Ing. Tomáš
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
PLÁN KOMBINOVANÉHO STUDIA
Studijní běh: 14 4. semestr Bc. PLÁN KOMBINOVANÉHO STUDIA oboru Sociální pedagogika pro období únor červen 2015 Akademický rok 2014/2015 (letní semestr) Brno 2015 PLÁN STUDIJNÍCH SOUSTŘEDĚNÍ KOMBINOVANÉHO
Analýza vzdělávacích potřeb a kompetencí učitelů 1. stupně ZŠ v Olomouckém kraji k implementaci a využívání ICT ve výuce matematiky
Analýza vzdělávacích potřeb a kompetencí učitelů 1. stupně ZŠ v Olomouckém kraji k implementaci a využívání ICT ve výuce matematiky Analysis of Educational Needs and Competencies of Primary School Teachers
Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR
Cíl Vyhodnotit současný stav migračně prostorové diferenciace území ČR a migrační tendence na základě údajů za obce ČR Data Obce ČR 2011 (Veřejná databáze ČSÚ) SPSS IBM, ArcGIS Proměnné: intenzita migračního
Inovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
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
Statistická a věcná významnost. Statistická významnost. Historie hypotézy a testů. Hypotézy a statistické testy.
Statistická a věcná významnost Statistická významnost Petr Soukup 5.11.2009 Fisher (1925) Historie hypotézy a testů Null and alternative hypothesis (NHST) (Neyman&Pearson, 1937) Dnes běžná praxe a součást
Aplikovaná statistika v R - cvičení 2
Aplikovaná statistika v R - cvičení 2 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.6.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.6.2014 1 / 18 Přehled Rkových
Informace pro studenty doktorského studijního programu obecná jazykověda a teorie komunikace (OJTK)
Informace pro studenty doktorského studijního programu obecná jazykověda a teorie komunikace (OJTK) Tento dokument je určen pro studenty, kteří zahájili své studium v akademickém roce 212/213 (tedy od
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
TECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ VYUŢITÍ PROJEKTOVÉHO ŘÍZENÍ V ESN Příjmení a jméno: Hrdá Sabina, Kovalčíková
4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 5: Vícenásobná regrese LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá regrese opakování
Cvičící Kuba Kubina Kubinčák Body u závěrečného testu
1. Příklad U 12 studentů jsme sledovali počet dosažených bodů na závěrečném testu (od 0 do 60). Vždy 4 z těchto studentů chodili k jednomu ze 3 cvičících panu Kubovi, panu Kubinovi, nebo panu Kubinčákovi.
Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)
Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník
Úkol 1.: Testování nezávislosti nominálních veličin V roce 1950 zkoumali Yule a Kendall barvu očí a vlasů u 6800 mužů.
Téma 10: Analýza závislosti dvou nominálních veličin Úkol 1.: Testování nezávislosti nominálních veličin V roce 1950 zkoumali Yule a Kendall barvu očí a vlasů u 6800 mužů. barva očí barva vlasů světlá
ZX510 Pokročilé statistické metody geografického výzkumu. Téma: Měření síly asociace mezi proměnnými (korelační analýza)
ZX510 Pokročilé statistické metody geografického výzkumu Téma: Měření síly asociace mezi proměnnými (korelační analýza) Měření síly asociace (korelace) mezi proměnnými Vztah mezi dvěma proměnnými existuje,
VYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová
VYBRANÉ DVOUVÝBĚROVÉ TESTY Martina Litschmannová Obsah přednášky Vybrané dvouvýběrové testy par. hypotéz test o shodě rozptylů (F-test), testy o shodě středních hodnot (t-test, Aspinové-Welchův test),
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 2010 1.týden (20.09.-24.09. ) Data, typy dat, variabilita, frekvenční analýza
Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Vztahy mezi proměnnými.
Proces marketingového výzkumu - jednotlivé fáze, význam, stručná charakteristika. Výběr a formulace výzkumného problému. Projekt. Jednotky analýzy. Proměnné. Vztahy mezi proměnnými. Téma č. 2 Cíle marketingového
PRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ
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
Doktorské studium na FPH VŠE. Martin Lukeš proděkan pro vědu, výzkum a doktorské studium
Doktorské studium na FPH VŠE Martin Lukeš proděkan pro vědu, výzkum a doktorské studium 3.10.2016 1 1. Proč studovat doktorské studium Chtít přicházet věcem (korektním a metodicky správným způsobem) na
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
Aplikovaná statistika v R - cvičení 3
Aplikovaná statistika v R - cvičení 3 Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 5.8.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 5.8.2014 1 / 10 Lineární
Pravděpodobnost a matematická statistika
Pravděpodobnost a matematická statistika Příklady k přijímacím zkouškám na doktorské studium 1 Popisná statistika Určete aritmetický průměr dat, zadaných tabulkou hodnot x i a četností n i x i 1 2 3 n