ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

Rozměr: px
Začít zobrazení ze stránky:

Download "ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY"

Transkript

1 ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech women in the field of information security - the results of statistical analysis Ing. Bc. Marek Čandík, PhD. Abstrakt Článek prezentuje některé výsledky statistického zpracování výzkumu znalostí a dovedností českých žen v oblasti informační bezpečnosti. Internetový výzkum byl proveden v roce 2016 a účastnilo se ho 800 respondentů, skupinu českých žen (starších 18 let) tvořilo 222 respondentek. Statistická analýza byla provedena z hlediska věku a délky praxe respondentek. Ke statistickému zpracování dat byl použitý software Statistica v.10. Klíčová slova Informační bezpečnost, statistická analýza, internetový výzkum Abstract The article presents some results of statistical processing of research knowledge and skills of Czech women in the field of information security. Internet research was realized in 2016 and involved 800 respondents, a group of Czech women (over 18 years) consisted of 222 respondents. Statistical analysis was performed in terms of age and length of service of the respondents. The statistical evaluation was used Statistica software v.10. Key words: Information security, statistical analysis, internet research 1

2 ÚVOD V roce 2016 byl realizovaný průzkum informační bezpečnosti v českém prostředí, kterého se účastnilo 800 respondentů. Obsahově byl zaměřen na oblast obecných znalostí respondentů vztahujících se k problematice informační bezpečnosti, jejich právních znalostí ve vztahu na informační bezpečnost a oblast praktických dovedností, které respondenti uplatňují v souvislosti s ochranou a zabezpečení dat. Obsahem tohoto příspěvku je popsat zjištěné obecné znalosti, právní znalosti a praktické dovednosti respondentek žen starších 18ti let, kterých bylo v tomto výzkumu 222. REALIZOVANÝ VÝZKUM Výzkum byl realizovaný nestandardizovaným (originálním) dotazníkem, který byl vytvořen v elektronické formě. Ten se skládal ze 13 otázek, které měly uzavřený charakter. Dotazníkový formulář byl komponovaný do tří částí. První část obsahovala identifikační znaky respondentů (pohlaví, pracovní zařazení, počet let praxe, zařazení ve vedoucí funkci). Druhá část dotazníkového formuláře byla tvořena tabulkou znázorňující způsob vyplňování dotazníku (4-bodová Likertova škála; od respondenta se požaduje, aby vyjádřil stupeň souhlasu či nesouhlasu s různými výroky, které se týkají určitého postoje- viz Tab.1). Tab. 1. Použitá škála dotazníkového šetření Souhlasím Částečně souhlasím Částečně nesouhlasím Nesouhlasím Třetí část dotazníkového formuláře představovala zjišťovací část dotazníkového šetření. Výroky byly posléze hodnoceny na čtyřbodové škále (souhlasím- částečně souhlasím-částečně nesouhlasím-nesouhlasím). Z hlediska metodiky byla v roce 2015 realizovaná malá pilotní sonda, jejímž účelem bylo ověřit srozumitelnost dotazníku a ověřit výroky pro část měřící postoje respondentů. Sběr dat probíhal v období od do Během tohoto 2

3 období bylo obdrženo 842 dotazníků. Následným počítačovým zpracováním bylo vyřazených 42 dotazníků (4,99 % z celkového počtu obdržených dotazníků) z důvodu neúplného vyplnění. Pro statistické zpracování jsme proto použili celkem 800 dotazníků. Statistickou analýzou obdržených dat byla získána skupina dospělých žen, kterou tvořilo 222 respondentek. Základní statistické veličiny respondentek z hlediska věku znázorňuje tab.2. Tab.2 Základní statistické údaje o věku respondentů Věk (v letech): minimum 18 maximum 54 průměr 32,71 směrodatná odchylka 9,36 medián 30 modus 22 počet 222 U dotazované skupiny respondentek se jejich věk pohyboval v intervalu od 18let (minimum) po 54let (maximum). Průměrný věk byl cca 33let, mediánová hodnota věku byla 30 let. Nejčetnější skupinou z hlediska věku, která se průzkumu účastnila, byly 22leté respondentky (modus). Základní statistické veličiny respondentů z hlediska praxe znázorňuje tab.3. Tab.3 Základní statistické údaje o celkové praxi respondentů Celková praxe (v letech): minimum 1 maximum 32 průměr 10,70 směrodatná odchylka 8,84 medián 7 modus 2 počet 222 3

4 Z hlediska celkové praxe respondentek se délka jejich celkové praxe pohybovala v intervalu od jednoho roku (minimum) po 32let (maximum). Průměrná délka praxe respondentů byla cca 11let, mediánová hodnota délky praxe byla 7 let. Nejčetnější skupinou respondentek z hlediska celkové praxe, které se účastnily výzkumu, byly respondentky s celkovou délkou praxe 2 roky (modus). Pro další statistické zpracování obdržených dat byly respondentky klasifikované do skupin dle různých kritérií. Z hlediska věku byly respondentky děleny na skupiny: a) skupina respondentek do 30let a skupina respondentek žen, které dovršily 30let a starší (Tab.4), Tab.4 Základní statistické údaje sledovaných skupin respondentek dle věku Respondenti (ženy) do 30let Respondenti (ženy) nad 30let (včetně) počet 1112 minimum (věk) maximum (věk) průměr (věk) 24,93 40,36 směrodatná odchylka (věk) 2,62 6,98 medián (věk) modus(věk) minimum (praxe) 1 4 maximum (praxe) průměr (praxe) 3,73 17,55 směrodatná odchylka (praxe) 2,42 7,37 medián (praxe) 3 16,5 Modus (praxe)

5 b) skupina respondentek do 35let a skupina respondentek žen, které dovršily 35let a starší (Tab.5), Tab.5 Základní statistické údaje sledovaných skupin respondentek dle věku Respondenti (ženy) do 35let Respondenti (ženy) nad 35let (včetně) počet minimum (věk) maximum (věk) průměr (věk) 26,40 43,49 směrodatná odchylka (věk) 3,69 5,41 medián (věk) modus(věk) minimum (praxe) 1 11 maximum (praxe) průměr (praxe) 4,89 20,63 směrodatná odchylka (praxe) 3,51 5,82 medián (praxe) 4 20 Modus (praxe) 2 20 Z hlediska věku byly respondentky rozděleny na skupiny: a) skupinu respondentek s celkovou délkou praxe do 5let a skupinu respondentek s celkovou délkou praxe 5let a vyšší (Tab.6), 5

6 Tab.6 Základní statistické údaje sledovaných skupin manažerů dle délky celkové praxe Respondenti (ženy) s délkou praxe do 5let Respondenti (ženy) s délkou praxe nad 5let (včetně) počet 842 Minimum (věk) maximum (věk) průměr (věk) 24,30 37,45 směrodatná odchylka (věk) 2,67 8,40 medián (věk) Modus (věk) minimum (praxe) 1 5 maximum (praxe) 4 32 průměr (praxe) 2,43 15,37 směrodatná odchylka (praxe) 0,98 7,82 medián (praxe) 2 15 Modus (praxe) 2 6 b) skupinu respondentek s celkovou délkou praxe do 10let a skupinu respondentek s celkovou délkou praxe 10let a vyšší (Tab.7), Tab.7 Základní statistické údaje sledovaných skupin manažerů dle délky celkové praxe Respondenti (ženy) s délkou praxe do 10let Respondenti (ženy) s délkou praxe nad 10let (včetně) počet Minimum (věk) maximum (věk) průměr (věk) 25,59 41,40 směrodatná odchylka (věk) 3,20 6,67 medián (věk) Modus (věk) minimum (praxe) 1 10 maximum (praxe) 9 32 průměr (praxe) 3,84 19,08 směrodatná odchylka (praxe) 2,21 5,55 medián (praxe) 3 18 Modus (praxe)

7 c) skupinu respondentek s celkovou délkou praxe do 15let a skupinu respondentek s celkovou délkou praxe 15let a vyšší (Tab.8), d) Tab.8 Základní statistické údaje sledovaných skupin manažerů dle délky celkové praxe Respondenti (ženy) s délkou praxe do 15let Respondenti (ženy) s délkou praxe nad 15let (včetně) počet Minimum (věk) maximum (věk) průměr (věk) 27,29 43,13 směrodatná odchylka (věk) 5,30 6,05 medián (věk) Modus (věk) minimum (praxe) 1 15 maximum (praxe) průměr (praxe) 5,14 21,39 směrodatná odchylka (praxe) 3,61 5,38 medián (praxe) 4 20 Modus (praxe) 2 20 K analýze dat byly stanovené výzkumné otázky: VO1: Je rozdíl ve sledovaných znalostech a dovednostech v oblasti informační bezpečnosti u českých žen v závislosti na věku? VO2: : Je rozdíl ve sledovaných znalostech a dovednostech v oblasti informační bezpečnosti u českých žen v závislosti na délce jejich praxe? VO3: Má vliv délka jejich celkové praxe na dosažené výsledky? DOSAŽENÉ VÝSLEDKY Ke statistickému vyhodnocení výzkumu jsme ověřili předpoklady testování normalitu (Shapiro-Wilkův W-test) vzniklých souborů, který je doporučován normou ČSN Dosažené výsledky interpretuje následující Tab.9. Jak je z Tab. 9 patrné, sledované soubory nesplňují podmínku normality, proto vzhledem k obdrženým výsledkům testování lze konstatovat, že nejsou splněny podmínky pro použití parametrických matematicko-statistických metod, proto bylo při analýze dat 7

8 využito neparametrických testů. Pro testování významnosti dvou nezávislých průměrů byl použit Mannův Whitneyův U test. Tab.9 Výsledky ověřování normality Obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3) Souhrn sledovaných znalostí a dovedností (SOUHRN) Obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3) Souhrn sledovaných znalostí a dovedností (SOUHRN) Věk do 30let Věk 30+ W=0,96132 W=0,90516 W=0,96804 W=0,98168 W=0,95624 W=0,93309 W=0,97656 W=0,97929 p=0,00283 p=0,00000 p=0,00960 p=0,13549 p=0,00104 p=0,00003 p=0,04589 p=0,07929 Věk do 35let Věk 35+ W=0,96425 W=0,93465 W=0,97094 W=0,98193 W=0,95716 W=0,91994 W=0,97690 W=0,97022 p=0,00101 p=0,00000 p=0,00442 p=0,06111 p=0,00795 p=0,00008 p=0,14561 p=0,05332 normalita Praxe do 5let Praxe 5+ W=0,96053 W=0,96742 W=0,97859 W=0,98162 W=0,95399 W=0,88798 W=0,97908 W=0,98396 p=0,01449 p=0,03890 p=0,19934 p=0,30513 p=0,00011 p=0,00000 p=0,02837 p=0,09596 Praxe do 10let Praxe 10+ W=0,96337 W=0,92617 W=0,97262 W=0,98330 W=0,94958 W=0,92029 W=0,97907 W=0,97602 p=0,00214 p=0,00000 p=0,01378 p=0,13660 p=0,00078 p=0,00001 p=0,11241 p=0,06490 Praxe do 15 let Praxe 15+ W=0,96846 W=0,91673 W=0,97038 W=0,98570 W=0,94873 W=0,93581 W=0,97466 W=0,97148 p=0,00192 p=0,00000 p=0,00299 p=0,13555 p=0,00394 p=0,00082 p=0,13187 p=0,08450 K názornému srovnání testovaných skupin jsme použili tzv. boxplot (Box-and- Whisker Plot, resp. krabicový diagram), který je často používán jako nástroj pro grafické zobrazení ukazatelů polohy. Rozdíly ve sledovaných znalostech a dovednostech respondentek do 30ti let ve srovnání s respondentkami, které již 30 let dovršily (a staršími) jsou vyobrazeny na obr. 1. 8

9 11,8 Box & Whisker Plot: SK-1 Box & Whisker Plot: SK-2 SK-1 SK-2 9,8 vek30+ ±SE ±1,96*SE 9,6 vek30+ ±SE ±1,96*SE a) b) 12,2 Box & Whisker Plot: SK-3 34,5 Box & Whisker Plot: Souhrn 12,0 34,0 11,8 33,5 SK-3 Souhrn 33,0 32,5 32,0 31,5 vek30+ ±SE ±1,96*SE 31,0 vek30+ ±SE ±1,96*SE c) d) Obr. 1 Grafická interpretace dosažených výsledků z hlediska věku(0-věk do 30let;1-věk 30+) a)obecné znalosti informační bezpečnosti (SK-1) b)právní znalosti informační bezpečnosti (SK-2), c) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), d) Souhrn sledovaných znalostí a dovedností (SOUHRN) Z obr. 1 vidět, že v oblasti obecných znalostí (obr. 1a) jsou rozptyly ve sledovaných skupinách přibližně stejné (F=1,085; p=0,671), starší respondentky jsou na tom lépe (dosahují vyšších obecných znalostí informační bezpečnosti). Problematika právních aspektů informační bezpečnosti (obr. 1b) dosáhla lepších výsledků u mladších respondentek (obě skupiny dosahují ve sledované položce přibližně stejných rozptylů F=1,2434; p=0,2552). U praktických dovedností v oblasti informační bezpečnosti (obr. 1c) jsou mezi sledovanými skupinami respondentek minimální rozdíly ve sledovaných charakteristikách polohy i variability (F=1,3691; p=0,1012). Analogickou situaci (obr. 1d) pozorujeme v souhrnu sledovaných znalostí a dovedností (F=1,4337; p=0,0603). 9

10 K posouzení, zda jsou naznačené rozdíly statisticky významné, jsme použili neparametrický Mannův Whitneyův U-test (tab. 10). Tab.10 Výsledky testování rozdílů v závislosti na věku (hranice 30let) Statistické rozdíly věk (30let) obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), Souhrn sledovaných znalostí a dovedností (SOUHRN) U Z p ,9938 0,3203 Předpoklad shody přijat ,7294 0,0837 Předpoklad shody přijat ,0700 0,9442 Předpoklad shody přijat ,3668 0,7138 Předpoklad shody přijat Výsledky, které jsme obdrželi pomocí neparametrického testování, ukázal\, že na 5%ní hladině významnosti jsou rozdíly mezi sledovanými skupinami (statisticky) nevýznamné. U položky souhrnu sledovaných znalostí a dovedností byly ale splněné podmínky parametrického testování (normalita obou sledovaných skupin splněna: W1=0,98168, p1=0,13549 W2=0,97929 p2=0,07929; test shody rozptylů F=1,4337; p=0,0603), proto jsme tato data testovali parametrickým t-testem (t=0,0894; p=0,9288), závěry testování ale byly identické s testováním pomocí neparametrického U-testu (předpoklad shody středních hodnot obou testovaných souborů přijat). Analogicky jsme postupovali při srovnávání skupin respondentek do 35ti let ve srovnání s respondentkami, které již 35 let dovršily (a staršími). Obdržené grafické výsledky jsou vyobrazeny na obr

11 12,2 Box & Whisker Plot: SK-1 Box & Whisker Plot: SK-2 12,0 11,8 SK-1 SK-2 vek35+ ±SE ±1,96*SE 9,8 vek35+ ±SE ±1,96*SE a) b) Box & Whisker Plot: SK-2 36,0 Box & Whisker Plot: Souhrn 35,5 35,0 34,5 34,0 SK-2 Souhrn 33,5 33,0 32,5 32,0 31,5 9,8 vek35+ ±SE ±1,96*SE 31,0 vek35+ ±SE ±1,96*SE c) d) Obr. 2 Grafická interpretace dosažených výsledků z hlediska věku(0-věk do 35let;1-věk 35+) a)obecné znalosti informační bezpečnosti (SK-1) b)právní znalosti informační bezpečnosti (SK-2), c) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), d) Souhrn sledovaných znalostí a dovedností (SOUHRN) Z obr. 2 vidět, že v oblasti obecných znalostí (obr. 2a) starší respondentky dosahují vyšších obecných znalostí ve srovnání se skupinou mladších respondentek, avšak výsledky mají vyšší rozptyl. Rozdíly v rozptylech ve sledovaných skupinách jsou ale nevýznamné (F=1,3081; p=0,1655). Jak u právních znalostí informační bezpečnosti, tak i u praktických znalostí a dovedností dosahují mírně lepší výsledky mladší respondentky. U starších respondentek lze pozorovat vyšší rozptyl výsledků, rozdíly v rozptylech jsou ale nevýznamné (F=1,0268; p=0,9077 u právních znalostí informační bezpečnosti, F=1,1953; p=0,3554 u praktických dovedností). V celkovém souhrnu sledovaných znalostí a dovedností dosáhly lepších výsledků starší respondentky, rozdíl v rozptylech skupin je nevýznamný (F=1,3002; p=0,1751). 11

12 K objektivnímu posouzení, zda jsou naznačené rozdíly statisticky významné, jsme použili neparametrický Mannův Whitneyův U-test (tab. 11). Tab.11 Výsledky testování rozdílů v závislosti na věku (hranice 35let) Statistické rozdíly věk (35let) obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), Souhrn sledovaných znalostí a dovedností (SOUHRN) U Z p ,4279 0,1533 Předpoklad shody přijat ,4882 0,6254 Předpoklad shody přijat ,8435 0,0653 Předpoklad shody přijat ,1940 0,2325 Předpoklad shody přijat Výsledky obdržené na 5%ní hladině významnosti pomocí neparametrického testování ukázaly, že rozdíly mezi sledovanými skupinami jsou (statisticky) nevýznamné. U položky souhrnu sledovaných znalostí a dovedností byly splněné podmínky parametrického testování (normalita obou sledovaných skupin splněna: W1=0,98193, p1=0,06111 W2=0,97022 p2=0,05332; test shody rozptylů F=1,3002; p=0,1751), proto jsme tato data testovali parametrickým t-testem (t=-1,2497; p=0,2127), závěry testování ale byly identické s testováním pomocí neparametrického U-testu (předpoklad shody středních hodnot obou testovaných souborů přijat). Srovnávání skupin respondentek s celkovou praxí do 5ti let a skupiny respondentek s praxí 5let a více je vyobrazeno na obr

13 12,0 Box & Whisker Plot: SK-1 Box & Whisker Plot: SK-2 11,8 SK-1 SK-2 Praxe5+ ±SE ±1,96*SE 9,8 Praxe5+ ±SE ±1,96*SE a) b) 12,6 Box & Whisker Plot: SK-3 36,0 Box & Whisker Plot: Souhrn 12,4 35,5 12,2 35,0 12,0 34,5 11,8 34,0 SK-3 Souhrn 33,5 33,0 32,5 32,0 31,5 31,0 Praxe5+ ±SE ±1,96*SE 30,5 Praxe5+ ±SE ±1,96*SE c) d) Obr. 3 Grafická interpretace dosažených výsledků z hlediska praxe(0-praxe do 5let;1-praxe 5+) a)obecné znalosti informační bezpečnosti (SK-1) b)právní znalosti informační bezpečnosti (SK-2), c) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), d) Souhrn sledovaných znalostí a dovedností (SOUHRN) Z obr. 3 je vidět, že u všech sledovaných parametrů dosahují respondentky s nižší praxí lepších výsledků, ve srovnání s respondentkami s praxí 5let a více. Rozdíly v rozptylech srovnávaných skupin se dle obr. 3 výrazně neliší (F=1,0065; p=0,9591 u obecných znalostí informační bezpečnosti; F=2,0760; p=0,00047 u právních znalostí informační bezpečnosti; F=1,0913; p=0,6462 u praktických dovedností v oboru informační bezpečnosti a F=1,1482; p=0,5026 v souhrnu sledovaných znalostí a dovedností). K objektivnímu posouzení, zda jsou naznačené rozdíly statisticky významné, jsme použili neparametrický Mannův Whitneyův U-test (tab. 12). 13

14 Tab.12 Výsledky testování rozdílů v závislosti na délce celkové praxe (hranice 5let) Statistické rozdíly praxe (5let) obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), Souhrn sledovaných znalostí a dovedností (SOUHRN) U Z p ,1394 0,2545 Předpoklad shody přijat ,9925 0,0463 Předpoklad shody zamítnut ,2917 0,1964 Předpoklad shody přijat ,5834 0,1133 Předpoklad shody přijat Testování jsme vyhodnocovali na na 5%ní hladině významnosti pomocí neparametrického Mannova-Whitneyova U-testu. Výsledky ukázaly, že rozdíly mezi sledovanými skupinami jsou v oblasti obecných znalostí informační bezpečnosti a praktických dovedností respondentek v oblasti informační bezpečnosti (statisticky) nevýznamné. U položky souhrnu sledovaných znalostí a dovedností byly splněny podmínky parametrického testování (normalita obou sledovaných skupin splněna: W1=0,98162, p1=0,30513; W2=0,98396 p2=0,09596; test shody rozptylů F=1,1482; p=0,5026, proto jsme tato data testovali parametrickým t-testem (t=1,4450; p=0,1499), závěry testování ale byly identické s testováním pomocí neparametrického U-testu (předpoklad shody středních hodnot obou testovaných souborů přijat). Statisticky významný rozdíl mezi sledovanými skupinami jsme na 5%ní hladině významnosti zjistili u právních znalostí respondentek, proto jsme přijali alternativní pracovní hypotézu, že respondentky s praxí do 5let dosahují (statisticky významně) vyšších právních znalostí ve srovnání se skupinou respondentek s praxí 5let a vyšší. Srovnávání skupin respondentek s celkovou praxí do 10ti let a skupiny respondentek s praxí 10let a více je vyobrazeno na obr

15 11,8 Box & Whisker Plot: SK-1 11,8 Box & Whisker Plot: SK-2 SK-1 SK-2 9,8 9,6 Praxe10+ ±SE ±1,96*SE 9,4 Praxe10+ ±SE ±1,96*SE a) b) 12,2 Box & Whisker Plot: SK-3 34,5 Box & Whisker Plot: Souhrn 12,0 34,0 11,8 33,5 33,0 SK-3 Souhrn 32,5 32,0 31,5 31,0 Praxe10+ ±SE ±1,96*SE 30,5 Praxe10+ ±SE ±1,96*SE c) d) Obr. 4 Grafická interpretace dosažených výsledků z hlediska praxe(0-praxe do 10let;1-praxe 10+) a)obecné znalosti informační bezpečnosti (SK-1) b)právní znalosti informační bezpečnosti (SK-2), c) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), d) Souhrn sledovaných znalostí a dovedností (SOUHRN) Získané krabicové diagramy (obr. 4 ) vyobrazují, že respondentky s praxí do 10let dosahují nižších obecných znalostí v oblasti informační bezpečnosti (obr. 4a) a lze u této skupiny pozorovat nepatrně nižší rozptyl (F=1,15269; p=0,45471) ve srovnání se skupinou respondentek s praxí minimálně 10let. U právních znalostí lze u skupiny respondentek s praxí do 10 let pozorovat vyšší právní znalosti (obr. 4b) ve srovnání se skupinou respondentek s 10ti letou a vyšší praxí, z hlediska rozptylu získaných hodnot se jeví skupina respondentek s praxí do 10ti let jako homogennější (konzistentnější) F=1,04739; p=0, U sledovaných praktických dovedností v oblasti informační bezpečnosti si lépe vedly respondentky s praxí nad 10let (z hlediska rozptylu ale výsledky dosáhly vyšší variability: F=1,17964; p=0,38519). U souhrnu sledovaných znalostí a dovedností dosáhly respondentky s praxí do 10ti let mírně lepších výsledků (ve srovnání se skupinou respondentek s praxí 10let 15

16 a více), rozdíly v rozptylech obdržených výsledků obou skupin nejsou zásadní (F=1,24727; p=0,24615). Testování jsme vyhodnocovali na 5%ní hladině významnosti pomocí neparametrického Mannova-Whitneyova U-testu. Výsledky ukázaly (Tab. 13), že v oblasti obecných znalostí informační bezpečnosti jsou rozdíly mezi sledovanými skupinami statisticky nevýznamné. V oblasti právních znalostí bylo prokázáno, že existuje statisticky významný rozdíl v právních znalostech respondentek s praxí do 10ti let respondentek s minimálně 10ti letou praxí a to v tom smyslu, že respondentky s praxí do 10ti let dosáhly (statisticky významně) lepších výsledků v oblasti právních znalostí informační bezpečnosti ve srovnání se skupinou respondentek s praxí 10let a více. Z hlediska praktických dovedností respondentek v oblasti informační bezpečnosti byly rozdíly mezi sledovanými skupinami respondentek (statisticky) nevýznamné. Výsledky stejného charakteru statisticky nevýznamný rozdíl ve srovnání obou sledovaných skupin - jsme obdrželi i v testovaném souhrnu sledovaných znalostí a dovedností v oblasti informační bezpečnosti. U položky souhrnu sledovaných znalostí a dovedností byly splněny podmínky parametrického testování (normalita obou sledovaných skupin splněna: W1=0,98330, p1=0,13660; W2=0,97602 p2=0,06490; test shody rozptylů F=1,124727; p=0,24615, proto jsme tato data testovali parametrickým t-testem (t=0,52121; p=0,60274), závěry testování ale byly identické s testováním pomocí neparametrického U-testu (předpoklad shody středních hodnot obou testovaných souborů přijat). Tab.13 Výsledky testování rozdílů v závislosti na délce celkové praxe (hranice 10let) Statistické rozdíly praxe (10let) obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), Souhrn sledovaných znalostí a dovedností (SOUHRN) U Z p ,4526 0,6508 Předpoklad shody přijat ,5654 0,0103 Předpoklad shody zamítnut ,3854 0,6999 Předpoklad shody přijat ,6878 0,4916 Předpoklad shody přijat 16

17 Srovnávání skupin respondentek s celkovou praxí do 15ti let a skupiny respondentek s praxí 15let a více je vyobrazeno na obr ,0 Box & Whisker Plot: SK-1 Box & Whisker Plot: SK-2 11,8 SK-1 SK-2 9,8 9,6 Praxe15+ ±SE ±1,96*SE 9,4 Praxe15+ ±SE ±1,96*SE a) b) 12,4 Box & Whisker Plot: SK-3 35,0 Box & Whisker Plot: Souhrn 12,2 34,5 12,0 34,0 11,8 33,5 SK-3 Souhrn 33,0 32,5 32,0 31,5 31,0 Praxe15+ ±SE ±1,96*SE 30,5 Praxe15+ ±SE ±1,96*SE c) d) Obr. 5 Grafická interpretace dosažených výsledků z hlediska praxe(0-praxe do 15let;1-praxe 15+) a)obecné znalosti informační bezpečnosti (SK-1) b)právní znalosti informační bezpečnosti (SK-2), c) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), d) Souhrn sledovaných znalostí a dovedností (SOUHRN) Grafické vyobrazení srovnání obou sledovaných skupin (obr. 5) naznačuje, že respondentky s praxí do 15let dosahují nižších obecných znalostí v oblasti informační bezpečnosti, než respondentky s 15tiletou a vyšší praxí, u respondentek s nižší délkou praxe lze pozorovat nižší variabilitu obdržených výsledků: F=1,53361; p=0,028899, která se projevila statisticky významně odlišným rozptylem ve sledovaných skupinách. Z hlediska právních znalostí informační bezpečnosti lze u respondentek s nižší délkou praxe pozorovat vyšší právní znalosti v oblasti informační bezpečnosti, rozptyly ve výsledcích sledovaných skupin jsou statisticky nevýznamné: F=1,31892; p=0, V oblasti praktických dovedností obdržela 17

18 skupina s praxí 15let a více lepších výsledků (vyšších hodnot), jejich odpovědi dosáhly vyšší ho rozptylu, rozdíl v rozptylech sledovaných skupin je (na 5%ní hladině významnosti) nevýznamný: F=1,45353; p=0,0561. K objektivnímu posouzení, zda jsou naznačené rozdíly statisticky významné, jsme použili neparametrický Mannův Whitneyův U-test (tab. 14). Tab.14 Výsledky testování rozdílů v závislosti na délce celkové praxe (hranice 15let) Statistické rozdíly praxe (15let) obecné znalosti informační bezpečnosti (SK-1) právní znalosti informační bezpečnosti (SK-2) Praktické dovednosti v oblasti informační bezpečnosti (SK-3), Souhrn sledovaných znalostí a dovedností (SOUHRN) U Z p ,6728 0,5011 Předpoklad shody přijat ,4964 0,1346 Předpoklad shody přijat ,4789 0,6320 Předpoklad shody přijat ,0649 0,9482 Předpoklad shody přijat Testování jsme vyhodnocovali na 5%ní hladině významnosti pomocí neparametrického Mannova-Whitneyova U-testu. Výsledky ukázaly (Tab. 14), že ve všech sledovaných položkách (obecné znalosti v oblasti informační bezpečnosti, právní znalosti v oblasti informační bezpečnosti, praktické dovednosti v oblasti informační bezpečnosti a celkový souhrn znalostí a dovedností v oblasti informační bezpečnosti) jsou rozdíly mezi sledovanými skupinami statisticky nevýznamné. U položky souhrnu sledovaných znalostí a dovedností byly splněny podmínky parametrického testování (normalita obou sledovaných skupin splněna: W1=0,98570, p1=0,13555; W2=0,97148 p2=0,08450; test shody rozptylů F=1,45353; p=0,0561, proto jsme tato data testovali parametrickým t-testem (t=-0,01739; p=0,98613), závěry testování ale byly identické s testováním pomocí neparametrického U-testu (předpoklad shody středních hodnot obou testovaných souborů přijat). 18

19 ZÁVĚR V příspěvku jsme se zaměřili na prezentaci výsledků výzkumu, jakými znalostmi a dovednostmi disponují české ženy v oblasti informační bezpečnosti. Z hlediska věku jsme nedetekovali na 5%ní hladině významnosti žádné statisticky žádné významné rozdíly v obecných znalostech informační bezpečnosti, právních znalostech informační bezpečnosti, praktických dovednostech českých žen v oblasti informační bezpečnosti, ani v souhrnu sledovaných znalostí a dovedností. Z hlediska délky praxe byl na 5%ní hladině významnosti detekovaný v úrovni právních znalostí, a to ve srovnávání skupin respondentek s praxí do 5 let a respondentek s pětiletou a delší praxí Respondentky s praxí do 5ti let dosáhly lepších výsledků. Podobný závěr jsme obdrželi ve srovnávání skupin respondentek s praxí do 10 let a respondentek s desetiletou a delší praxí - Respondentky s praxí do 10ti let dosáhly lepších výsledků. U srovnávání výsledků respondentek s praxí do 15 let a respondentek s patnáctiletou a delší praxí jsme detekovali podobný závěr (vyšší právní znalosti u respondentek s nižší délkou praxe), avšak tato odlišnost již nebyla statisticky nevýznamná. LITERATURA [1] Čandík, Marek. Závěry statistického zpracování výzkumu obecných znalostí informační bezpečnosti. Právo-Bezpečnost-Informace, 2016/1, ISSN , str [2] Čandík, Marek. Obecné závěry statistického zpracování výzkumu právních znalostí informační bezpečnosti. Právo-Bezpečnost-Informace, 2016/1, ISSN , str [3] Čandík, Marek. Teorie a praxe informační bezpečnosti českých manažerů statistická analýza. Právo-Bezpečnost-Informace, 2016/4, ISSN , str [4] Chramcov, Bronislav. Využití internetových technologií v sociálně - psychologickém výzkumu. Zlín: 2006, Univerzita Tomáše Bati (UI). 19

20 [5] Meloun, M., Militký, J. (2013). Kompendium statistického zpracování dat. Praha: Karolinum. 984 s. ISBN [6] Meloun, M., Militký, J. (2012). Interaktivní statistická analýza dat. Praha: Karolinum. 960 s. ISBN Kontakt: Ing. Bc. Marek Čandík, Ph.D. Katedra managementu a informatiky Fakulta bezpečnostního managementu Policejní akademie České republiky v Praze Lhotecká 559/7 P.O.Box Praha 4 Tel: candik@polac.cz 20

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY Knowledge and skills of Czech men in the field of information security - the results of statistical analysis

Více

TEORIE A PRAXE INFORMAČNÍ BEZPEČNOSTI ČESKÝCH MANAŽERŮ STATISTICKÁ ANALÝZA

TEORIE A PRAXE INFORMAČNÍ BEZPEČNOSTI ČESKÝCH MANAŽERŮ STATISTICKÁ ANALÝZA TEORIE A PRAXE INFORMAČNÍ BEZPEČNOSTI ČESKÝCH MANAŽERŮ STATISTICKÁ ANALÝZA Theory and Practice of Information Security of Czech Manager Statistical Analysis Ing. Bc. Marek Čandík, PhD. Abstrakt Článek

Více

Současný stav likvidace dat v organizacích

Současný stav likvidace dat v organizacích Současný stav likvidace dat v organizacích Current state of data disposing in organizations Ing. Vít Pěkný Abstrakt Článek prezentuje výsledky zjištěné dotazníkovým šetřením, které bylo realizované v roce

Více

Personální bezpečnost v organizacích

Personální bezpečnost v organizacích Personální bezpečnost v organizacích Personal safety in organizations Ing. Vít Pěkný Abstrakt Článek prezentuje výsledky zjištěné dotazníkovým šetřením, které bylo realizované v roce 2016 a bylo zaměřené

Více

Bezpečnost úložišť v organizacích

Bezpečnost úložišť v organizacích Bezpečnost úložišť v organizacích Storage security in organizations Ing. Vít Pěkný Abstrakt Článek prezentuje výsledky zjištěné dotazníkovým šetřením, které bylo realizované v roce 2016 a bylo zaměřené

Více

Úvod. Struktura respondentů

Úvod. Struktura respondentů Výsledky pilotního průzkumu postojů studentů Policejní akademie ČR v Praze k problematice zálohování dat Ing. Bc. Marek Čandík, Ph.D. JUDr. Štěpán Kalamár, Ph.D. The results of the pilot survey of students

Více

General results of statistical research processing of legal knowledge of information security

General results of statistical research processing of legal knowledge of information security OBECNÉ ZÁVĚRY STATISTICKÉHO ZPRACOVÁNÍ VÝZKUMU PRÁVNÍCH ZNALOSTÍ INFORMAČNÍ BEZPEČNOSTI General results of statistical research processing of legal knowledge of information security Ing. Bc. Marek Čandík,

Více

VÝZKUM K CHOVÁNÍ MANAŽERŮ KE SPOLUPRACOVNÍKŮM THE REASEARCH ON BEHAVIOUR OF MANAGERS TOWARDS THEIR COLLEAGUES

VÝZKUM K CHOVÁNÍ MANAŽERŮ KE SPOLUPRACOVNÍKŮM THE REASEARCH ON BEHAVIOUR OF MANAGERS TOWARDS THEIR COLLEAGUES VÝZKUM K CHOVÁNÍ MANAŽERŮ KE SPOLUPRACOVNÍKŮM THE REASEARCH ON BEHAVIOUR OF MANAGERS TOWARDS THEIR COLLEAGUES MAREK ČANDÍK, PETR JEDINÁK Anotace: Příspěvek prezentuje informace z výsledků provedeného výzkumu

Více

Komparace policistů na prioritní oblasti pro jejich hodnocení podle délky výkonu služby

Komparace policistů na prioritní oblasti pro jejich hodnocení podle délky výkonu služby Komparace policistů na prioritní oblasti pro jejich hodnocení podle délky výkonu služby PhDr. Petr Jedinák, Ph.D. a Ing., Bc. Marek Čandík, PhD. katedra managementu a informatiky, Fakulta bezpečnostního

Více

Postoje policistů ke kvalitě policejních informačních systémů

Postoje policistů ke kvalitě policejních informačních systémů Postoje policistů ke kvalitě policejních informačních systémů ANOTACE Bc. Martin Červenka Článek se zabývá problematikou policejních informačních systémů, problematikou kvality dat v informačních systémech

Více

STATISTICKÉ VYHODNOCENÍ PRŮZKUMU VNÍMÁNÍ KULTURY ORGANIZACE

STATISTICKÉ VYHODNOCENÍ PRŮZKUMU VNÍMÁNÍ KULTURY ORGANIZACE STATISTICKÉ VYHODNOCENÍ PRŮZKUMU VNÍMÁNÍ KULTURY ORGANIZACE MAREK ČANDÍK, PETR JEDINÁK The paper presents the information from the outcomes of the conducted research on perception of work environment and

Více

Results of statistical research processing of general knowledge of information security

Results of statistical research processing of general knowledge of information security ZÁVĚRY STATISTICKÉHO ZPRACOVÁNÍ VÝZKUMU OBECNÝCH ZNALOSTÍ INFORMAČNÍ BEZPEČNOSTI Results of statistical research processing of general knowledge of information security Ing. Bc. Marek Čandík, PhD. Abstrakt

Více

Průzkum informační bezpečnosti v mikroregionu Třeboňsko

Průzkum informační bezpečnosti v mikroregionu Třeboňsko Průzkum informační bezpečnosti v mikroregionu Třeboňsko Bc. Michala VIŠVADEROVÁ Abstrakt Článek popisuje výsledky dotazníkového průzkumu informační bezpečnosti realizovaného počátkem roku 17 v mikroregionu

Více

Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ

Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ Ing. Dana Trávníčková, PaedDr. Jana Isteníková Funkční gramotnost je používání čtení a psaní v životních situacích. Nejde jen o elementární

Více

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 2015 Ing. Petra Hlaváčková, Ph.D.

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý

Více

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL

Více

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:

Více

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

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 3 Jak a kdy použít parametrické a

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

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

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Hospitalizace. European Health Interview Survey in CR - EHIS CR Hospitalization

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Hospitalizace. European Health Interview Survey in CR - EHIS CR Hospitalization Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 20.10.2009 60 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Hospitalizace European Health Interview Survey

Více

VOLBA SAMOSTATNÉHO CENTRÁLNÍHO ÚTVARU LOGISTIKY VE VÝROBNÍM PODNIKU

VOLBA SAMOSTATNÉHO CENTRÁLNÍHO ÚTVARU LOGISTIKY VE VÝROBNÍM PODNIKU VOLBA SAMOSTATNÉHO CENTRÁLNÍHO ÚTVARU LOGISTIKY VE VÝROBNÍM PODNIKU THE CHOICE OF AN INDEPENDENT CENTRAL LOGISTICS DEPARTMENT IN A MANUFACTURING COMPANY Stanislav Koutný 1 Anotace: V rámci příprav na širší

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

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

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

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

VŠB Technická univerzita Ostrava

VŠB Technická univerzita Ostrava VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Domácí úkoly Zadání 21 DATUM ODEVZDÁNÍ

Více

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA Semestrální práce Licenční studium GALILEO Interaktivní statistická analýza dat Brno, 2015 Doc. Mgr. Jan Muselík, Ph.D.

Více

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 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

Více

Uni- and multi-dimensional parametric tests for comparison of sample results

Uni- and multi-dimensional parametric tests for comparison of sample results Uni- and multi-dimensional parametric tests for comparison of sample results Jedno- a více-rozměrné parametrické testy k porovnání výsledků Prof. RNDr. Milan Meloun, DrSc. Katedra analytické chemie, Universita

Více

Statistická analýza jednorozměrných dat

Statistická analýza jednorozměrných dat Univerzita Pardubice Fakulta chemicko-technologická, Katedra analytické chemie Licenční studium GALILEO Interaktivní statistická analýza dat Semestrální práce z předmětu Statistická analýza jednorozměrných

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 10. licenční studium chemometrie STATISTICKÉ ZPRACOVÁNÍ DAT Semestrální práce STATISTICKÁ

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

VŠB Technická univerzita Ostrava

VŠB Technická univerzita Ostrava VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: PRAVDĚPODOBNOST A STATISTIKA Zadání 10 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL

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

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

MODERNÍ MARKETINGOVÝ VÝZKUM

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

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

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

Návrhy dalších možností statistického zpracování aktualizovaných dat

Návrhy dalších možností statistického zpracování aktualizovaných dat Návrhy dalších možností statistického zpracování aktualizovaných dat Při zjišťování disparit ve fyzické dostupnosti bydlení navrhuji použití těchto statistických metod: Bag plot; Krabicové grafy a jejich

Více

VYBRANÉ DVOUVÝBĚROVÉ TESTY. Martina Litschmannová

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),

Více

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE STATISTICKÁ ANALÝZA JEDNOROZMĚRNÝCH DAT V OSTRAVĚ 20.3.2006 MAREK MOČKOŘ PŘÍKLAD Č.1 : ANALÝZA VELKÝCH VÝBĚRŮ Zadání: Pro kontrolu

Více

TECHNICKÁ UNIVERZITA V LIBERCI

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

Více

MOŽNOSTI VYUŽITÍ SHLUKOVÉ ANALÝZY V Q-METODOLOGII

MOŽNOSTI VYUŽITÍ SHLUKOVÉ ANALÝZY V Q-METODOLOGII MOŽNOSTI VYUŽITÍ SHLUKOVÉ ANALÝZY V Q-METODOLOGII CHRÁSKA Miroslav, CZ Resumé Příspěvek seznamuje s možnostmi využití shlukové analýzy při zpracování výzkumu provedeného pomocí Q-metodologie. Ve výzkumu

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

TECHNICKÁ UNIVERZITA V LIBERCI

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

Více

Zápočtová práce STATISTIKA I

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

Více

Klíčová slova: přijímací zkoušky, analýza, vytrvalost, rychlost, bodové hodnocení

Klíčová slova: přijímací zkoušky, analýza, vytrvalost, rychlost, bodové hodnocení ANALÝZA PŘIJÍMACÍCH ZKOUŠEK Z ATLETIKY NA FSPS BRNO ZA OBDOBÍ 2009 2011 Josef Michálek, Jan Cacek, Zuzana Hlavoňová, Martin Sebera*, Tomáš Kalina, Radek Masař FSpS MU Brno, Katedra atletiky, plavání a

Více

Dvouvýběrové a párové testy. Komentované řešení pomocí MS Excel

Dvouvýběrové a párové testy. Komentované řešení pomocí MS Excel Dvouvýběrové a párové testy Komentované řešení pomocí MS Excel Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci glukózy v

Více

ELEKTRONICKÉ STUDIJNÍ OPORY A JEJICH HODNOCENÍ STUDENTY PEDAGOGICKÉ FAKULTY

ELEKTRONICKÉ STUDIJNÍ OPORY A JEJICH HODNOCENÍ STUDENTY PEDAGOGICKÉ FAKULTY ELEKTRONICKÉ STUDIJNÍ OPORY A JEJICH HODNOCENÍ STUDENTY PEDAGOGICKÉ FAKULTY JANSKÁ Lenka, ČR Resumé Článek předkládá výsledky výzkumného šetření realizovaného na Pedagogické fakultě UP v Olomouci. Výzkumné

Více

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta SEMESTRÁLNÍ PRÁCE STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ ANALÝZA VÝSLEDKŮ DOTAZNÍKOVÉHO ŠETŘENÍ (FAKULTNÍ DOTAZNÍK) Datum odevzdání: 13.05.2016

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

VŠB Technická univerzita Ostrava BIOSTATISTIKA

VŠB Technická univerzita Ostrava BIOSTATISTIKA VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Zadání 11 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1: DOMÁCÍ ÚKOL

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

Testy statistických hypotéz

Testy statistických hypotéz Testy statistických hypotéz Statistická hypotéza je jakýkoliv předpoklad o rozdělení pravděpodobnosti jedné nebo několika náhodných veličin. Na základě náhodného výběru, který je reprezentativním vzorkem

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

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015 UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, 532 10 Pardubice 15. licenční studium INTERAKTIVNÍ STATISTICKÁ ANALÝZA DAT Semestrální práce ANOVA 2015

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 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.

Více

Tabulka 1. Výběr z datové tabulky

Tabulka 1. Výběr z datové tabulky 1. Zadání domácího úkolu Vyberte si datový soubor obsahující alespoň jednu kvalitativní a jednu kvantitativní proměnnou s alespoň 30 statistickými jednotkami (alespoň 30 jednotlivých údajů). Zdroje dat

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

Dovednosti dospělých v prostředí informačních technologií

Dovednosti dospělých v prostředí informačních technologií Mezinárodní výzkum dospělých Programme for the International Assessment of Adult Competencies Dovednosti dospělých v prostředí informačních technologií Lucie Kelblová PIAAC Mezinárodní výzkum vědomostí

Více

Využití shlukové analýzy při vytváření typologie studentů

Využití shlukové analýzy při vytváření typologie studentů Miroslav CHRÁSKA, Milan KLEMENT Univerzita Palackého v Olomouci, Česká republika Využití shlukové analýzy při vytváření typologie studentů 1. Cíl výzkumu Cílem výzkumu bylo rozdělit české a polské vysokoškolské

Více

Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup

Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup Statistika Testování hypotéz statistická indukce Neparametrické testy Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 21. února 2012 Statistika by

Více

Uloha B - Kvantitativní test. Radek Kubica A7B39TUR. B1 Radek Kubica Kvantitativní testování Stránka 1

Uloha B - Kvantitativní test. Radek Kubica A7B39TUR. B1 Radek Kubica Kvantitativní testování Stránka 1 Uloha B - Kvantitativní test Radek Kubica A7B39TUR B1 Radek Kubica Kvantitativní testování 26.4.2014 Stránka 1 Obsah Úvod... 3 Nezávislé proměnné... 3 Závislé proměnné... 3 Popis uživatelů pro tento testování...

Více

Aplikovaná statistika v R

Aplikovaná statistika v R Aplikovaná statistika v R Filip Děchtěrenko Matematicko-fyzikální fakulta filip.dechterenko@gmail.com 15.5.2014 Filip Děchtěrenko (MFF UK) Aplikovaná statistika v R 15.5.2014 1 / 15 Co bude náplní našich

Více

Analýza rozptylu ANOVA

Analýza rozptylu ANOVA Licenční studium Galileo: Statistické zpracování dat ANOVA ANOVA B ANOVA P Analýza rozptylu ANOVA Semestrální práce Lenka Husáková Pardubice 05 Obsah Jednofaktorová ANOVA... 3. Zadání... 3. Data... 3.3

Více

Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008

Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008 Vybrané mzdové charakteristiky v krajích ČR členěné podle věku a pohlaví v roce 2008 Luboš Marek, Michal Vrabec Souhrn: V tomto příspěvku jsme se zaměřili na zkoumání rozdílů u běžných charakteristik mzdových

Více

A7B39TUR - Semestrální práce

A7B39TUR - Semestrální práce A7B39TUR - Semestrální práce Úloha B1 Kvantitativní testování Vojtěch Kaiser 1 Obsah 1 Úvod 3 2 Cílová skupina 3 3 Příprava testu 3 3.1 Hypotéza 3 3.2 Nulová hypotéza 3 3.3 Testovací metoda 3 3.4 Dotazník

Více

Tvorba grafů v programu ORIGIN

Tvorba grafů v programu ORIGIN LICENČNÍ STUDIUM GALILEO STATISTICKÉ ZPRACOVÁNÍ DAT SEMESTRÁLNÍ PRÁCE Tvorba grafů v programu ORIGIN doc.dr.ing.vladimír Pata Univerzita Tomáše Bati ve Zlíně Fakulta technologická Ústav výrobních technologií

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

KLIMA ŠKOLY. Zpráva z evaluačního nástroje Klima školy. Škola Testovací škola - vyzkoušení EN, Praha. Termín

KLIMA ŠKOLY. Zpráva z evaluačního nástroje Klima školy. Škola Testovací škola - vyzkoušení EN, Praha. Termín KLIMA ŠKOLY Zpráva z evaluačního nástroje Klima školy Škola Testovací škola - vyzkoušení EN, Praha Termín 29.9.2011-27.10.2011-1 - Vážená paní ředitelko, vážený pane řediteli, milí kolegové! Dovolte, abychom

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

TECHNICKÁ UNIVERZITA V LIBERCI SEMESTRÁLNÍ PRÁCE

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

Více

TVORBA GRAFŮ A DIAGRAMŮ V ORIGIN. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

TVORBA GRAFŮ A DIAGRAMŮ V ORIGIN. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie TVORBA GRAFŮ A DIAGRAMŮ V ORIGIN Semestrální práce Licenční studium Galileo Interaktivní statistická analýza dat Brno 01 Ing.

Více

ADDS cviceni. Pavlina Kuranova

ADDS cviceni. Pavlina Kuranova ADDS cviceni Pavlina Kuranova Testy pro dva nezávislé výběry Mannův Whitneyho test - Založen na Wilcoxnově statistice W - založen na pořadí jednotlivých pozorování (oba výběry spojeny do jednoho celku)

Více

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové

Více

Improving Effectiveness of ICT Integration Process in University Education

Improving Effectiveness of ICT Integration Process in University Education Zefektivnění procesu integrace ICT v oblasti univerzitního vzdělávání Improving Effectiveness of ICT Integration Process in University Education Rožnov p./radh. 13. 16. září 2010 ICTE 2010 1 Úvod, cíl

Více

Rozbor znalostí matematické analýzy u studentů v závislosti na typu absolvované střední školy

Rozbor znalostí matematické analýzy u studentů v závislosti na typu absolvované střední školy Rozbor znalostí matematické analýzy u studentů v závislosti na typu absolvované střední školy Jaroslav Lindr Vysoké učení technické v Brně, Stavební fakulta, Ústav společenských věd e-mail: lindr.j@fce.vutbr.cz

Více

DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica

DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica DVOUVÝBĚROVÉ A PÁROVÉ TESTY Komentované řešení pomocí programu Statistica Úloha A) koncentrace glukózy v krvi V této části posoudíme pomocí párového testu, zda nový lék prokazatelně snižuje koncentraci

Více

Průzkumová analýza dat

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

Více

Charakteristika datového souboru

Charakteristika datového souboru Zápočtová práce z předmětu Statistika Vypracoval: 10. 11. 2014 Charakteristika datového souboru Zadání: Při kontrole dodržování hygienických norem v kuchyni se prováděl odběr vzduchu a pomocí filtru Pallflex

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

TECHNICKÁ UNIVERZITA V LIBERCI

TECHNICKÁ UNIVERZITA V LIBERCI TECHNICKÁ UNIVERZITA V LIBERCI Ekonomická fakulta Semestrální práce STATISTICKÝ ROZBOR DAT Z DOTAZNÍKOVÉHO ŠETŘENÍ Vypracovaly: Renata Němcová, Andrea Zuzánková, Lenka Vítová, Michaela Ťukalová, Kristýna

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

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica

POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica POPISNÁ STATISTIKA Komentované řešení pomocí programu Statistica Program Statistica I Statistica je velmi podobná Excelu. Na základní úrovni je to klikací program určený ke statistickému zpracování dat.

Více

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina

Testování hypotéz. Analýza dat z dotazníkových šetření. Kuranova Pavlina Testování hypotéz Analýza dat z dotazníkových šetření Kuranova Pavlina Statistická hypotéza Možné cíle výzkumu Srovnání účinnosti různých metod Srovnání výsledků různých skupin Tzn. prokázání rozdílů mezi

Více

České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611. Semestrální práce ze Statistiky (SIS)

České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611. Semestrální práce ze Statistiky (SIS) České vysoké učení technické v Praze Fakulta dopravní Ústav aplikované matematiky, K611 Semestrální práce ze Statistiky (SIS) Petr Procházka, Jakub Feninec Skupina: 97 Akademický rok: 01/013 Úvod V naší

Více

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

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

Více

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D.

Program Statistica Base 9. Mgr. Karla Hrbáčková, Ph.D. Program Statistica Base 9 Mgr. Karla Hrbáčková, Ph.D. OBSAH KURZU obsluha jednotlivých nástrojů, funkce pro import dat z jiných aplikací, práce s popisnou statistikou, vytváření grafů, analýza dat, výstupní

Více

Mgr. Martin Škopek, Ph.D., katedra tělesné výchovy, PF UJEP

Mgr. Martin Škopek, Ph.D., katedra tělesné výchovy, PF UJEP Mgr. Martin Škopek, Ph.D., katedra tělesné výchovy, PF UJEP Technické prostředky Vidíme - věříme - rozumíme Minimum informací na snímku (max 10 řádků) Jednoduchost Výběr barev Obsluha techniky Poznámky,

Více

Popisná statistika. Komentované řešení pomocí MS Excel

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

Více

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Licenční studium Pythagoras Statistické zpracování experimentálních dat Semestrální práce ANOVA vypracoval: Ing. David Dušek

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

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika

Statistika. Program R. popisná (deskriptivní) statistika popis konkrétních dat. induktivní (konfirmatorní) statistika. popisná statistika Statistika Cvičení z matematické statistiky na PřF Šárka Hudecová Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy léto 2012 Základní dělení popisná (deskriptivní)

Více

Vyhodnocení cenového vývoje drahých kovů na světových burzách v období let 2005 2010

Vyhodnocení cenového vývoje drahých kovů na světových burzách v období let 2005 2010 Vyhodnocení cenového vývoje drahých kovů na světových burzách v období let 2005 2010 Martin Maršík, Jitka Papáčková Vysoká škola technická a ekonomická Abstrakt V předloženém článku autoři rozebírají vývoj

Více

katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol

katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol STATISTICKÁ ANALÝZA PŘIJÍMACÍHO ŘÍZENÍ NA PEF PRO AKADEMICKÝ ROK 1994/1995 Bohumil Kába, Libuše Svatošová katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol Anotace: Příspěvek pojednává

Více

Návrh a vyhodnocení experimentu

Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav

Více

Ranní úvahy o statistice

Ranní úvahy o statistice Ranní úvahy o statistice Neúplný návod ke čtení statistických výsledků Dušan Merta květen 2016 Co nás čeká 1 Základní pojmy 2 Testování hypotéz 3 Confidence interval 4 Odds ratio 2 / 26 Základní pojmy

Více

Změny postojů k vybraným pojmům u studentů oboru Edukacja techniczno-informatyczna na Univerzitě v Rzeszowe

Změny postojů k vybraným pojmům u studentů oboru Edukacja techniczno-informatyczna na Univerzitě v Rzeszowe Marie CHRÁSKOVÁ Univerzita Palackého v Olomouci, Česka Republika Změny postojů k vybraným pojmům u studentů oboru Edukacja techniczno-informatyczna na Univerzitě v Rzeszowe Úvod Zkoumání postojů bylo a

Více