MOŽNOSTI A LIMITY VYUŽITÍ MODERNÍCH TECHNOLOGIÍ PŘI VÝUCE MATEMATIKY NA EKF VŠB-TUO

Rozměr: px
Začít zobrazení ze stránky:

Download "MOŽNOSTI A LIMITY VYUŽITÍ MODERNÍCH TECHNOLOGIÍ PŘI VÝUCE MATEMATIKY NA EKF VŠB-TUO"

Transkript

1 MOŽNOSTI A LIMITY VYUŽITÍ MODERNÍCH TECHNOLOGIÍ PŘI VÝUCE MATEMATIKY NA EKF VŠB-TUO RNDr. Jana Hrubá Katedra matematických metod v ekonomice (K151) Institut inovace vzdělávání (K167) Ekonomická fakulta VŠB -Technická univerzita Ostrava Žilina, e-learn007 1

2 Úvod do problematiky Listopad 1993 vznik katedry MME (MME, FaPM, ); 1994/1995 výuka Matematiky; Postupné snižování počtu hodin matematiky, Akreditace kombinované formy studijních programů. Žilina, e-learn007

3 MOŽNOSTI VYUŽITÍ E-LEARNINGOVÉ FORMY VÝUKY V PREZENČNÍ FORMĚ s využitím blended learningu Převod pasivní formy na aktivní formu Konstruktivistické přístupy Evaluace studentů studenty Komunikace ve webovém rozhraní Deníky, blogy Zpětnovazební prvky Žilina, e-learn007 3

4 Evaluace studentů studenty Žilina, e-learn007 4

5 LIMITY A BARIÉRY VYUŽITÍ ICT PŘI VÝUCE Institucionální problémy struktura a design kurzu; podpora poskytovaná studentům; instituce poskytující kurz; Osobní faktory Ze strany pedagoga nedostatek technických zkušeností; obavy ze zvládnutí technických detailů v online kurzu; Ze strany studenta pocit izolace v důsledků fyzické separace pedagoga a spolužáků; obavy z komunikace prostřednictvím technologií; pocit, že je v kurzu příliš informací; obavy ze zvládnutí technických detailů v online kurzu; Situační faktory přístup k technologiím; rychlost připojení k internetu; spolehlivost technologií (na straně studenta). Žilina, e-learn007 5

6 VÝUKA MATEMATIKY NA VYSOKÝCH ŠKOLÁCH Z 4 státních VŠ na 18 (na 66 fakultách) Z toho 7 MatF nebo Inf, 9 PdF, 17 EkF, 5 PřF, 3 techn. Jeden nebo dva semestry Matematická analýza, Algebra, Geometrie apod. možnost spolupráce, vzájemná pomoc, výměna zkušeností apod. Žilina, e-learn007 6

7 Vývoj učebních plánů a obsahů výuky matematiky na EkF VŠB rozsah hodin školní rok ročník ukončení zkouškou přednášek a cvičení ZS LS PŘ CV PŘ CV ZS LS celkem 1994/ / / / / / / / / / /005 1 Počet 0hodin výuky 1 matematiky 1 v 1. ročníku 1 na EkF VŠB-TUO / y = - 0,6783x + 13,4 R = 0, / / / / / / / /00 Žilina, e-learn / / / /006

8 Jak pomoci studentům při studiu, aby snížení kvantity neprovázelo také snížení kvality? Jaké zvolit vyučovací metody a formy tak, abychom studentům umožnili získat stejnou hladinu dovedností a znalostí jako studentům s vyšší dotací hodin přímé výuky? Možnosti využití blended learningu. Jaké zvolit zásady při postupu? Jaké styly učení převládají? Žilina, e-learn007 8

9 Pracovní hypotézy H1: Největší bariéry při studiu s využitím e-learningu v prostředí Moodle jsou osobní faktory studentů a situační faktory. H: Studenti jako nejvýznamnější pomoc při studiu v prostředí Moodle oceňují spolehlivost technologií na straně studenta a osobní faktory. Žilina, e-learn007 9

10 Pracovní hypotézy H3: Muži-studenti dávají přednost studiu se zaměřením na abstraktní uvažování a promýšlení souvislostí. H4: Ženy-studentky preferují studium opírající se o konkrétní zkušenosti a hledání praktických souvislostí. Žilina, e-learn007 10

11 Dotazník styly učení LSI IIa (D.A.Kolb, Boston, překlad a úprava J.Mareš, Hradec Králové) Konkrétní zkušenost (KZ); Abstraktní konceptualizace (AK); Aktivní provádění (AP); Reflexivní pozorování (RP). Žilina, e-learn007 11

12 Reliabilita spolehlivost a přesnost Cohenův koeficient kappa κ p p n n n n s I p o II ( p p ) ( p ) o p n p = 1 1 p n n n s o I n Cohenův koeficient kappa, Žilina, e-learn007 1 p κ = 1 Pozorovaná proporce shody, Očekávaná proporce shody, Četnosti shodných odpovědí, Celková četnost v matici, Četnosti jednotlivých odpovědí v první skupině, o kde Četnosti jednotlivých odpovědí v druhé skupině, = II

13 Reliabilita spolehlivost a přesnost ( p p ) Cohenův koeficient kappa p κ = 1 ( p ) o o κ max = 0,973 κ min = 0,653 AK AP 0,797 0,8 κ / ο = 0,87 Žilina, e-learn007 13

14 Statistická významnost Cohenova koeficientu pomocí normované normální veličiny u u = n κ p o ( 1 p ) p = 4,883 Pro hladinu významnosti 0,01 je kritická hodnota,58. Vypočítaný koeficient vypovídá o statisticky významné shodě mezi odpověďmi u náhodně vybraných respondentů. Žilina, e-learn007 14

15 Vyhodnocení stylů učení třídění prvního stupně celkem KZ AK AP RP ,31% 7,03% 47,75% 10,81% ženy muži celkem Konkrétní zkušenost (KZ); Abstraktní konceptualizace (AK); Aktivní provádění (AP); Reflexivní pozorování (RP) % 5% smíšené 9 8,11% ženy muži KZ 6 7,3% KZ 1 3,57% AK 16 19,8% AK 14 50,00% AP 45 54,% AP 8 8,57% RP 9 10,84% RP 3 10,71% smíšené 7 8,43% smíšené 7,14% Žilina, e-learn007 15

16 Styl učení - celkem Styl učení - ženy KZ AK AP RP zbylé Styl učení - muži 0 16 KZ 14 AK 1 AP RP zbylé KZ AK AP RP zbylé Žilina, e-learn007 16

17 Aktivní provádění AP-ženy Stř. hodnota Stř. hodnota 36,301 Chyba stř. hodnoty Chyba stř. hodnoty 0,55141 Medián Medián 37 Modus Modus 34 Směr. odchylka Směr. odchylka 5,03688 Rozptyl výběru Rozptyl výběru 5,3744 Špičatost Špičatost 0,69196 Šikmost Šikmost -0,68178 Rozdíl max-min Rozdíl max-min 5 Minimum Minimum 1 Maximum Maximum 46 Součet Součet 3013 Počet Počet 83 Hladina spolehlivosti Hladina (95,0%) spolehlivosti 1, AP-muži 34,8571 0, ,7117 7,375-0,0461 0, ,06864 Žilina, e-learn007 17

18 1. Když se učím, rád(a) věci přímo provádím Učím se lépe, když musím na věci tvrdě zapracovat Během učení si připouštím odpovědnost za to, jak věci dopadnou Hlavně se učím tím, že dělám Když se učím, snažím se věci přímo vyzkoušet Během učení jsem člověk sázející spíš na aktivní provádění Učím se lépe, když mohu si všechno prakticky zkusit Když se učím, rád(a) za sebou vidím výsledky své práce Učím se lépe, když si mohu věci vyzkoušet na vlastní kůži Během učení jsem spíš člověk hlásící se k odpovědnosti Když se učím, rád(a) do věcí zasahuji Učím se lépe, když mohu prakticky jednat AP =,9x +,3x +,8x + 3,3x +,8x + 3,1 x + 3,3x + 3,7x + 3,3x +,7x +,4x + 3, x Žilina, e-learn007 18

19 Abstraktní konceptualizace AK-ženy Stř. hodnota Stř. hodnota 33,041 Chyba stř. hodnoty Chyba stř. 0, hodn Medián Medián 33 Modus Modus 35 Směr. odchylka Směr. odchylka 5, Rozptyl výběru Rozptyl výběru 5,536 Špičatost Špičatost0,5966 Šikmost Šikmost-0,3893 Rozdíl max-min Rozdíl max-min7 Minimum Minimum 17 Maximum Maximum 44 Součet Součet 741 Počet Počet 83 Hladina spolehlivosti (95,0%) Hladina 1,1034 spol AK-muži 35,7149 1, ,5 39 5, , ,348-0, ,16093 Žilina, e-learn007 19

20 1. Když se učím, rád(a) uvažuji o hlavních myšlenkách Učím se lépe, když vsadím na logické uvažování Během učení se snažím věci promýšlet Hlavně se učím tím, že přemýšlím Když se učím, Snažím se věci analyzovat, specifikovat jejich části Během učení jsem člověk sázející spíš na logické uvažování Učím se lépe, když mohu vycházet z promýšlené teorie Když se učím, rád(a) teoretizuji, zabývám se obecnějšími úvahami Učím se lépe, když spoléhám na vlastní úsudek, vlastní názory Během učení D. jsem spíš člověk teoretizující Když se učím, rád(a) věci hodnotím, posuzuji Učím se lépe, když mohu analyzovat ideje, obecnější názory AK = 3,0x + x 1 + 3,1 x + 3,3x3 + 3,3x4 +,7x5 + 3,x6 +,8x7 +,1x 8 + 3,0x9 +,1x 10 +,9x11, 3 Žilina, e-learn

21 Třídění druhého stupně Test nezávislosti chí-kvadrát pro kontingenční tabulku H o : Styl studentova učení nezávisí na pohlaví. H a : Styl studentova učení závisí na pohlaví. χ ( P O) = O ženy muži celkem % 5% Žilina, e-learn007 1

22 Test nezávislosti chí-kvadrát pro kontingenční tabulku Pozorované četnosti ženy muži celkem KZ AK AP RP smíšené 7 9 celkem AK+AP 5; AP+RP ; KZ+AK Žilina, e-learn007

23 Test nezávislosti chí-kvadrát pro kontingenční tabulku Očekávané četnosti ženy muži celkem KZ 5,3 1,77 7 AK,43 7,57 30 AP 39,63 13,37 53 RP 8,97 3,03 1 smíšené 6,73,7 9 celkem Žilina, e-learn007 3

24 ( ) P O O KZ AK AP RP smíšené ženy muži Hladina významnosti 0,05 Kritická hodnota testového kritéria 9,488 0,110 1,8445 0,775 0,0001 0,0109 0,331 5,4676,1564 0,000 0,03 Počet stupňů volnosti 4 Hodnota koeficientu 10,683 H o zamítáme, přijímáme H a Styl studentova učení závisí na pohlaví na hladině významnosti 0,05. Žilina, e-learn007 4

25 Znaménkové schéma kontinenční tabulky z = n n. n r n. n s p n. n ( n n )( n n ) r r s s z ženy muži celkem znaménka ženy muži KZ 0,6885-0, KZ 0 0 AK -3,1655 3, AK AP,3493 -, AP + - RP 0,0190-0, RP 0 0 smíšené 0,164-0,164 9 smíšené 0 0 celkem pozorovaná četnost je významně větší než četnost očekávaná na hladině významnosti 0,01 -- pozorovaná četnost je významně menší než četnost očekávaná na hladině významnosti 0,01 + pozorovaná četnost je významně větší než četnost očekávaná na hladině významnosti 0,05 - pozorovaná četnost je významně menší než četnost očekávaná na hladině významnosti 0,05 Žilina, e-learn007 5

26 Studentův test H o : Styl abstraktní konceptualizace studentova učení nezávisí na pohlaví. H a : Styl abstraktní konceptualizace studentova učení závisí na pohlaví. Hladina významnosti a) 0,05; b) 0,01 Průměrný počet bodů: žen 33 mužů 36 s 6,6575 s 5,1630 f 109 t,6800 t 0,05 (109) 1,984 t 0,01 (109),66 H o zamítáme, přijímáme H a Mezi průměrným počtem bodů v případě studijního stylu abstraktní konceptualizace je statisticky významný rozdíl podle pohlaví studentů na hladině významnosti 0,05 i 0,01. Žilina, e-learn007 6 s = N 1 t 1 + N Nestranný odhad rozptylu = x 1 x s N N N N [ ( xi x1 ) + ( x j x ) ]

27 Nestranný odhad rozptylu Studentův test s = N N t = x 1 s x N N N N [ ( xi x1 ) + ( x j x ) ] H o : Styl aktivní provádění studentova učení nezávisí na pohlaví. H a : Styl aktivní provádění studentova učení závisí na pohlaví. Hladina významnosti a) 0,05; b) 0,01 Průměrný počet bodů: žen 36 mužů 34 H o zamítáme, přijímáme H a s 18,9860 s 4,357 f 109 t 7,667 t 0,05 (109) 1,984 t 0,01 (109),66 Mezi průměrným počtem bodů v případě studijního stylu aktivní provádění je statisticky významný rozdíl podle pohlaví studentů na hladině významnosti 0,05 i 0,01. Žilina, e-learn007 7

28 ANOVA jeden faktor - celkem H o : µ1 = µ = µ3 = µ4 (druh stylu učení nemá významný vliv) H 1 : Ne všechny střední hodnoty jsou si rovny (druh stylu učení má významný vliv) Faktor Výběr Počet Součet Průměr Rozptyl KZ ,1081 7,8973 AK ,707 7,796 AP ,6486 7,0845 RP , ,3554 Žilina, e-learn007 8

29 ANOVA Zdroj variability SS Rozdíl MS F Hodnota P F krit Mezi výběry 69, , ,714 4,76E-18,65 Všechny výběry 1554, ,5347 Celkem 15183, Protože F exp > F 0,05 (3;440) H 0 zamítáme na hladině významnosti 5% a přijímáme H 1 Žilina, e-learn007 9

30 ANOVA jeden faktor - ženy ANOVA Zdroj variability SS Rozdíl MS F Hodnota P F krit Mezi výběry 086, ,53 8,95 1,5E-16,631 Všechny výběry 7880, ,03 Celkem 9966,9 331 Protože F exp > F 0,05 (3;38) H 0 zamítáme na hladině významnosti 5% a přijímáme H 1 Žilina, e-learn007 30

31 ANOVA jeden faktor - muži ANOVA Zdroj variability SS Rozdíl MS F Hodnota P F krit Mezi výběry 1168, ,56 10,08 6,53E-06,6887 Všechny výběry 4173, ,64 Celkem 5341, Protože F exp > F 0,05 (3;108) H 0 zamítáme na hladině významnosti 5% a přijímáme H 1 Žilina, e-learn007 31

32 Nejvíce preferované možnosti (4,3): 1. Když se učím spoléhám na vlastní pozorování (96%).. Hlavně se učím tím, že přemýšlím (90%). 3. Během učení se snažím věci promýšlet (87%). 4. Hlavně se učím tím, že dělám ( 86%). 5. Učím se lépe, když si mohu vše prakticky vyzkoušet (83%). 6. Učím se lépe, když spoléhám na vlastní úsudek, vlastní názor (8%). 7. Během učení jsem člověk sázející spíše na vlastní logické uvažování (8%). Žilina, e-learn007 3

33 Moodle bariéry (vzorek 100) Úvodní orientace na začátku kurzu (IF, 44%), Malá rychlost připojení k Internetu (SF, 34%), Obavy ze zvládnutí technických detailů v online kurzu (OF, 8%), Obavy z komunikace prostřednictvím technologií (OF, 7%). Institucionální, situační, osobní faktory Žilina, e-learn007 33

34 Moodle podpora (vzorek 100) Spolehlivost technologií na straně studenta (SF, 47%), Ušetření času studiem online (OF, 46%), Flexibilita, volnost při časovém načasování studia v rámci denního rozvrhu (OF, 45%), Možnost využití zdrojů, Internetu (OF, 45%), Dostupnost podrobného popisu kurzu, cílů, úloh a očekávání studentů (IF, 41%). Institucionální, situační, osobní faktory Žilina, e-learn007 34

35 Děkuji za pozornost RNDr. Jana Hrubá Katedra matematických metod v ekonomice (K151) Institut inovace vzdělávání (K167) Ekonomická fakulta VŠB -Technická univerzita Ostrava, Sokolská 33, Ostrava1, Telefon: , Žilina, e-learn007 35

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. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7

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

Více

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

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

Více

Tomáš Karel LS 2012/2013

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

Více

Výuka statistiky v Moodle zkušenosti a možnosti (11 let s Moodlem na ekonomické fakultě VŠB-TU Ostrava) Václav Friedrich Pavel Hradecký

Výuka statistiky v Moodle zkušenosti a možnosti (11 let s Moodlem na ekonomické fakultě VŠB-TU Ostrava) Václav Friedrich Pavel Hradecký Výuka statistiky v Moodle zkušenosti a možnosti (11 let s Moodlem na ekonomické fakultě VŠB-TU Ostrava) Václav Friedrich Pavel Hradecký Václav Friedrich Pavel Hradecký Část první TROCHA NOSTALGIE NEUŠKODÍ

Více

Tomáš Karel LS 2012/2013

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

Více

Tomáš Karel LS 2012/2013

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

Více

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ FAKULTA DOPRAVNÍ SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU STATISTIKY Facebook vs. studium Vypracovali: Martina Grivalská Nikola Karkošiaková Barbora Brůhová Obsah 1. Úvod 2. Dotazník 3.

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

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

Více

Biostatistika a e-learning na Lékařské fakultě UK v Hradci Králové

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,

Více

Současné možnosti ICT ve vzdělávání a strategie vedení školy

Současné možnosti ICT ve vzdělávání a strategie vedení školy Makovského 436, 592 31 Nové Město na Moravě mobil.: 774 696 160, e-mail: rama@inforama.cz WWW stránky: http://www.inforama.cz, https://www.evzdelavani.net/learning/ Současné možnosti ICT ve vzdělávání

Více

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 statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

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

Více

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

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,

Více

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D. Problematika analýzy rozptylu Ing. Michael Rost, Ph.D. Úvod do problému Již umíte testovat shodu dvou středních hodnot prostřednictvím t-testů. Otázka: Jaké předpoklady musí být splněny, abyste mohli použít

Více

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 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

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

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

Více

Testování statistických hypotéz

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,

Více

Statistické metody uţívané při ověřování platnosti hypotéz

Statistické metody uţívané při ověřování platnosti hypotéz Statistické metody uţívané při ověřování platnosti hypotéz Hypotéza Domněnka, předpoklad Nejčastěji o rozdělení, středních hodnotách, závislostech, Hypotézy ve vědeckém výzkumu pracovní, věcné hypotézy

Více

Test dobré shody v KONTINGENČNÍCH TABULKÁCH

Test dobré shody v KONTINGENČNÍCH TABULKÁCH Test dobré shody v KONTINGENČNÍCH TABULKÁCH Opakování: Mějme náhodné veličiny X a Y uspořádané do kontingenční tabulky. Řekli jsme, že nulovou hypotézu H 0 : veličiny X, Y jsou nezávislé zamítneme, když

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině

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

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

VÝSLEDKY VÝZKUMU ÚVOD ZPRÁVY Z VÝZKUMU. Hana Poštulková. 62 // AULA roč. 19, 03-04/2011

VÝSLEDKY VÝZKUMU ÚVOD ZPRÁVY Z VÝZKUMU. Hana Poštulková. 62 // AULA roč. 19, 03-04/2011 Hana Poštulková V období od 1. října 2010 do 31. listopadu 2010 probíhal na Ekonomické fakultě Vysoké školy báňské Technické univerzity Ostrava výzkum zaměřený na měření spokojenosti uživatelů s Learning

Více

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK

ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní

Více

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

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

Více

Matematika, informatika, projekty

Matematika, informatika, projekty Matematika, informatika, projekty Doc. RNDr. Tatiana Gavalcová, CSc Katedra informatiky a kvantitativních metod FIM UHK Hradec Králové tana.gavalcova@uhk.cz 1 Obsah příspěvku: Projekt REFIMAT, ESF, OP

Více

Graf 1: Počet let pedagogické praxe

Graf 1: Počet let pedagogické praxe Ústav pro informace ve vzdělávání Centrum pro zjišťování výsledků vzdělávání SP KVALITA I 4A2U1 Statistické zpracování výsledků dotazníkového šetření Martin Chvál Praha, prosinec 2005 Sběr dat Sběr dat

Více

SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní

SOFTWARE STAT1 A R. Literatura 4. kontrolní skupině (viz obr. 4). Proto budeme testovat shodu středních hodnot µ 1 = µ 2 proti alternativní ŘEŠENÍ PRAKTICKÝCH ÚLOH UŽITÍM SOFTWARE STAT1 A R Obsah 1 Užití software STAT1 1 2 Užití software R 3 Literatura 4 Příklady k procvičení 6 1 Užití software STAT1 Praktické užití aplikace STAT1 si ukažme

Více

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

Školení ICTK+ICTM. Studijní průvodce

Školení ICTK+ICTM. Studijní průvodce Školení ICTK+ICTM Studijní průvodce Radek Maca, Roman Úlovec Gymnázium Voděradská, Praha 10 Strašnice 008 Pracovní materiál Praha /8 Úvod Toto studium vychází ze standardu Standardy pro udělování akreditací

Více

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13

Příklad 1. Korelační pole. Řešení 1 ŘEŠENÉ PŘÍKLADY Z MV2 ČÁST 13 Příklad 1 Máme k dispozici výsledky prvního a druhého testu deseti sportovců. Na hladině významnosti 0,05 prověřte, zda jsou výsledky testů kladně korelované. 1.test : 7, 8, 10, 4, 14, 9, 6, 2, 13, 5 2.test

Více

LMS Moodle ve výuce biofyziky a lékařské informatiky na LF OU

LMS Moodle ve výuce biofyziky a lékařské informatiky na LF OU LMS Moodle ve výuce biofyziky a lékařské informatiky na LF OU Hana Sochorová, Hana Materová Katedra biomedicínských oborů, Lékařská fakulta Ostravské univerzity v Ostravě LMS proč? Pro úspěšné studium

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

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

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

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor Management jakosti Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. 1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový

Více

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

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

Více

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů)

Název testu Předpoklady testu Testová statistika Nulové rozdělení. ( ) (p počet odhadovaných parametrů) VYBRANÉ TESTY NEPARAMETRICKÝCH HYPOTÉZ TESTY DOBRÉ SHODY Název testu Předpoklady testu Testová statistika Nulové rozdělení test dobré shody Očekávané četnosti, alespoň 80% očekávaných četností >5 ( ) (p

Více

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára Odhady parametrů základního souboru Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára Motivační příklad Mám průměrné roční teploty vzduchu z 8 stanic

Více

České vysoké učení technické v Praze Fakulta dopravní

České vysoké učení technické v Praze Fakulta dopravní České vysoké učení technické v Praze Fakulta dopravní Statistika (11SIS) Semestrální práce Akademický rok 2012/2013 Vypracovali: Veronika Kratochvilová, Antonín Volný skupina 2 36 Obsah Téma... 2 Grafická

Více

Aktivita A 0803. Zmapování a analýza disparit mezi regiony NUTS 3 ve fyzické dostupnosti bydlení

Aktivita A 0803. Zmapování a analýza disparit mezi regiony NUTS 3 ve fyzické dostupnosti bydlení Aktivita A 0803 Zmapování a analýza disparit mezi regiony NUTS 3 ve fyzické dostupnosti bydlení 1/62 Aktivita A0803 Zmapování a analýza disparit mezi regiony NUTS 3 ve fyzické dostupnosti bydlení Datum

Více

Systém ECTS: hraje důležitou úlohu při rozšiřování Boloňského procesu v globální dimenzi, kredity jsou klíčovým elementem (také kvůli své

Systém ECTS: hraje důležitou úlohu při rozšiřování Boloňského procesu v globální dimenzi, kredity jsou klíčovým elementem (také kvůli své VÝSTUPY Z UČENÍ Vysoká škola technická a ekonomická v Českých Budějovicích INOVACE VÝSTUPŮ, OBSAHU A METOD BAKALÁŘSKÝCH PROGRAMŮ VYSOKÝCH ŠKOL NEUNIVERZITNÍHO TYPU, REGISTRAČNÍ ČÍSLO: CZ.1.07/2.2.00/28.0115

Více

Úvod do analýzy rozptylu

Úvod do analýzy rozptylu Úvod do analýzy rozptylu Párovým t-testem se podařilo prokázat, že úprava režimu stravování a fyzické aktivity ve vybrané škole měla vliv na zlepšené hodnoty HDLcholesterolu u školáků. Pro otestování jsme

Více

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D. 1 Testování statistických hypotéz Ing. Michal Dorda, Ph.D. 1 Úvodní poznámky Statistickou hypotézou rozumíme hypotézu o populaci (základním souboru) např.: Střední hodnota základního souboru je rovna 100.

Více

{ } ( 2) Příklad: Test nezávislosti kategoriálních znaků

{ } ( 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

Více

Experience of the Integration of ICT into University Education

Experience of the Integration of ICT into University Education Zkušenosti z procesu integrace ICT v oblasti univerzitního vzdělávání Experience of the Integration of ICT into University Education Rožnov p./radh. 12. 15. září 2011 20.9.2011 ICTE 2011 1 Úvod, cíl příspěvku

Více

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace Intervalové odhady Interval spolehlivosti pro střední hodnotu v Nµ, σ 2 ) Situace: X 1,..., X n náhodný výběr z Nµ, σ 2 ), kde σ 2 > 0 známe měli jsme: bodové odhady odhadem charakteristiky je číslo) nevyjadřuje

Více

Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY. učební text. Jan Famfulík. Jana Míková. Radek Krzyžanek

Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY. učební text. Jan Famfulík. Jana Míková. Radek Krzyžanek Vysoká škola báňská Technická univerzita Ostrava TEORIE ÚDRŽBY učební text Jan Famfulík Jana Míková Radek Krzyžanek Ostrava 2007 Recenze: Prof. Ing. Milan Lánský, DrSc. Název: Teorie údržby Autor: Ing.

Více

Didaktický proces vzdělávání

Didaktický proces vzdělávání Didaktický proces vzdělávání dospělých Základní prvky didaktického procesu ve vzdělávání dospělých: Didaktický proces = výuka CÍL= určen zvenčí např. politikou, společností, potřebami institucí OBSAH=

Více

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ Má-li analytický výsledek objektivně vypovídat o chemickém složení vzorku, musí splňovat určitá kriteria: Mezinárodní metrologický slovník (VIM 3),

Více

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica JEDNOVÝBĚROVÉ TESTY Komentované řešení pomocí programu Statistica Vstupní data Data umístěná v excelovském souboru překopírujeme do tabulky ve Statistice a pojmenujeme proměnné, viz prezentace k tématu

Více

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času

Testování hypotéz. 1 Jednovýběrové testy. 90/2 odhad času Testování hypotéz 1 Jednovýběrové testy 90/ odhad času V podmínkách naprostého odloučení má voák prokázat schopnost orientace v čase. Úkolem voáka e provést odhad časového intervalu 1 hodiny bez hodinek

Více

4ST201 STATISTIKA CVIČENÍ Č. 7

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

Více

Zkušenosti z několika e-learningových kuzů pro odlišné cílové skupiny

Zkušenosti z několika e-learningových kuzů pro odlišné cílové skupiny Zkušenosti z několika e-learningových kuzů pro odlišné cílové skupiny Projekt EQUAL Výuka SPZE Výuka TOJ Podpora výuky Mtg a mang. sportu Závěry a diskuse k výsledkům a zkušenostem L. Eger 1 Projekt EQUAL

Více

PSY117/454 Statistická analýza dat v psychologii Přednáška 10

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

Více

Jednofaktorová analýza rozptylu

Jednofaktorová analýza rozptylu Jednofaktorová analýza rozptylu David Hampel Ústav statistiky a operačního výzkumu, Mendelova univerzita v Brně Kurz pokročilých statistických metod Global Change Research Centre AS CR, 5 7 8 2015 Tato

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

Vysokoškolské studium v éře moderních technologií (pohledem studentů)

Vysokoškolské studium v éře moderních technologií (pohledem studentů) Ústav pedagogických věd Vysokoškolské studium v éře moderních technologií (pohledem studentů) tů) Jiří Zounek http://www.phil.muni.cz/wupv hil i / 0 http://www.zounek.cz/ Č A P V 2 0 1 0 Východiska výzkumu

Více

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy letní semestr 2012 Opakování t- vs. neparametrické Wilcoxonův jednovýběrový test Opakování

Více

Vzorová prezentace do předmětu Statistika

Vzorová prezentace do předmětu Statistika Vzorová prezentace do předmětu Statistika Popis situace: U 3 náhodně vybraných osob byly zjišťovány hodnoty těchto proměnných: SEX - muž, žena PUVOD Skandinávie, Středomoří, 3 západní Evropa IQ hodnota

Více

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal Základy navrhování průmyslových experimentů DOE II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal! Testování statistických hypotéz kvalitativní odezva kvantitativní chí-kvadrát test homogenity,

Více

Analýza uplatnění absolventů FIM UHK. Petra Poulová Univerzita Hradec Králové

Analýza uplatnění absolventů FIM UHK. Petra Poulová Univerzita Hradec Králové Analýza uplatnění absolventů FIM UHK Petra Poulová Univerzita Hradec Králové Dotazníkové šetření = za 2 let existence má fakulta 534 absolventů = dotazníky distribuovány e-mailem 8 absolventům, kteří se

Více

TESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B

TESTOVÁNÍ HYPOTÉZ STATISTICKÁ HYPOTÉZA Statistické testy Testovací kritérium = B B > B < B B - B - B < 0 - B > 0 oboustranný test = B > B TESTOVÁNÍ HYPOTÉZ Od statistického šetření neočekáváme pouze elementární informace o velikosti některých statistických ukazatelů. Používáme je i k ověřování našich očekávání o výsledcích nějakého procesu,

Více

Testování hypotéz Biolog Statistik: Matematik: Informatik:

Testování hypotéz Biolog Statistik: Matematik: Informatik: Testování hypotéz Biolog, Statistik, Matematik a Informatik na safari. Zastaví džíp a pozorují dalekohledem. Biolog "Podívejte se! Stádo zeber! A mezi nimi bílá zebra! To je fantastické! " "Existují bílé

Více

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář

Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi. Geografický seminář 30. března 2011 Pavel Bednář Aplikovaná statistika pro učitele a žáky v hodinách zeměpisu aneb jak využít MS Excel v praxi Geografický seminář 30. března 2011 Pavel Bednář Výchozí stav Sebehodnocení práce s MS Excel studujícími oboru

Více

Statistické testování hypotéz II

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

Více

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 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

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

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2 Na úloze ukážeme postup analýzy velkého výběru s odlehlými prvky pro určení typu rozdělení koncentrace kyseliny močové u 50 dárců krve. Jaká je míra polohy a rozptýlení uvedeného výběru? Z grafických diagnostik

Více

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.)

Lékařská biofyzika, výpočetní technika I. Biostatistika Josef Tvrdík (doc. Ing. CSc.) Lékařská biofyzika, výpočetní technika I Biostatistika Josef Tvrdík (doc. Ing. CSc.) Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace úterý 14.10 až 15.40 hod. http://www1.osu.cz/~tvrdik

Více

TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA

TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA TECHNICKÁ UNIVERZITA V LIBERCI EKONOMICKÁ FAKULTA Semestrální práce Semestrální práce z předmětu Statistický rozbor dat z dotazníkového šetření Vypracoval: Bonaconzová, Bryknarová, Milkovičová, Škrdlová

Více

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Seminární práce 1 Brno, 2002 Ing. Pavel

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Četnost brýlové korekce v populaci

Četnost brýlové korekce v populaci Prezentace k přednášce, přednesené na kongresu Optometrie 2013 V Olomouci 21. 22.9 2013 Četnost brýlové korekce v populaci RNDr. Jaroslav Wagner, Ph.D. Katedra optiky PřF UP Olomouc Kontakt: wagnerj@prfnw.upol.cz

Více

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

Regresní analýza 1. Regresní analýza

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

Více

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel:

NÁHODNÁ ČÍSLA. F(x) = 1 pro x 1. Náhodná čísla lze generovat některým z následujících generátorů náhodných čísel: NÁHODNÁ ČÍSLA TYPY GENERÁTORŮ, LINEÁRNÍ KONGRUENČNÍ GENERÁTORY, TESTY NÁHODNOSTI, VYUŽITÍ HODNOT NÁHODNÝCH VELIČIN V SIMULACI CO JE TO NÁHODNÉ ČÍSLO? Náhodné číslo definujeme jako nezávislé hodnoty z rovnoměrného

Více

Cvičení 12: Binární logistická regrese

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,

Více

Statistika. Klíčové kompetence V rámci výuky statistiky jsou naplňovány tyto klíčové kompetence: řešení problémů, komunikativní,

Statistika. Klíčové kompetence V rámci výuky statistiky jsou naplňovány tyto klíčové kompetence: řešení problémů, komunikativní, Dodatek č. 5. Školního vzdělávacího programu Obchodní akademie Lysá nad Labem, obor 63-41-M/02 Obchodní akademie, platného od 1. 9. 2012 - platnost od 1. 9. 2015 Statistika je povinný předmět pro 2. ročník,

Více

Analýza dat z dotazníkových šetření

Analýza dat z dotazníkových šetření Analýza dat z dotazníkových šetření Cvičení 6. Rozsah výběru Př. Určete minimální rozsah výběru pro proměnnou věk v souboru dovolena, jestliže 95% interval spolehlivost průměru proměnné nemá být širší

Více

UNIVERZITA PALACKÉHO V OLOMOUCI

UNIVERZITA PALACKÉHO V OLOMOUCI UNIVERZITA PALACKÉHO V OLOMOUCI PROČ A JAK HODLÁ UP OLOMOUC PODPOROVAT VÝUKU CAD NA VÍCELETÝCH GYMNÁZIÍCH? doc. PhDr. Milan Klement, Ph.D. Katedra technické a informační výchovy Pedagogická fakulta Univerzity

Více

ICT KOORDINÁTOŘI INFORMACE O STUDIU A JEHO ORGANIZACI

ICT KOORDINÁTOŘI INFORMACE O STUDIU A JEHO ORGANIZACI ICT KOORDINÁTOŘI INFORMACE O STUDIU A JEHO ORGANIZACI ICT Koordinátoři STUDIUM PODLE VYHLÁŠKY Studium k výkonu specializovaných činností koordinace v oblasti informačních a komunikačních technologií Požadavky

Více

INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA V AR 2016/2017

INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA V AR 2016/2017 INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA V AR 2016/2017 PERSONÁLNÍ SLOŽENÍ STUDIJNÍHO ODDĚLENÍ Proděkanka pro studium doc. Ing. Lenka Kauerová, CSc. Vedoucí studijní oddělení

Více

ADDS cvičení 7. Pavlína Kuráňová

ADDS cvičení 7. Pavlína Kuráňová ADDS cvičení 7 Pavlína Kuráňová Analyzujte závislost věku obyvatel na místě kde nejčastěji tráví dovolenou. (dotazník dovolená, sloupce Jaký je Váš věk a Kde nejčastěji trávíte dovolenou) Analyzujte závislost

Více

Motivační intervence tutora e-learningového kurzu

Motivační intervence tutora e-learningového kurzu Motivační intervence tutora e-learningového kurzu Petr Hubáček Obchodní akademie a VOŠ Valašské Meziříčí Ekonomická fakulta VŠB TU Ostrava 7. 8. 10. 2010 1 E-learning Vzdělávací proces a pozice e-learningu

Více

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

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

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

Měření závislosti statistických dat

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

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

Cvičení ze statistiky - 9. Filip Děchtěrenko

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

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

INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA KOMBINOVANÁ FORMA

INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA KOMBINOVANÁ FORMA INFORMACE PRO STUDENTY 1. ROČNÍKU NAVAZUJÍCÍHO MAGISTERSKÉHO STUDIA KOMBINOVANÁ FORMA PERSONÁLNÍ SLOŽENÍ STUDIJNÍHO ODDĚLENÍ Proděkanka pro studium doc. Ing. Lenka Kauerová, CSc. Vedoucí studijního oddělení

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

TEORIE ZPRACOVÁNÍ DAT

TEORIE ZPRACOVÁNÍ DAT Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky TEORIE ZPRACOVÁNÍ DAT pro kombinované a distanční studium Jana Šarmanová Ostrava 2003 Jana Šarmanová, 2003 Fakulta

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

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat

Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Stručný úvod do vybraných zredukovaných základů statistické analýzy dat Statistika nuda je, má však cenné údaje. Neklesejme na mysli, ona nám to vyčíslí. Z pohádky Princové jsou na draka Populace (základní

Více