ZNALOSTI A DOVEDNOSTI ČESKÝCH ŽEN V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY
|
|
- Radovan Špringl
- před 5 lety
- Počet zobrazení:
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 Knowledge and skills of Czech men in the field of information security - the results of statistical analysis
VíceTEORIE 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
VíceSoučasný 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
VícePersonální 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
VíceBezpečnost 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
VíceÚvod. 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
VíceGeneral 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,
VíceVÝZKUM 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
VíceKomparace 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
VícePostoje 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
VíceSTATISTICKÉ 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
VíceResults 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
VícePrůzkum 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
VíceStatistické 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
VíceANOVA. 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.
VíceVŠB 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
VíceVŠB 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
VíceVŠB 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:
VíceRNDr. 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
VíceSOFTWARE 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
VíceSTATISTIKA 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
VíceEvropské 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
VíceVOLBA 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
VícePředpoklad 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
VícePravděpodobnost 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
VíceMgr. 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
VíceVzorová 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
VíceVŠB 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
VíceUniverzita 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.
VíceAnalýza 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
VíceUni- 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
VíceStatistická 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
VíceUNIVERZITA 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
VíceSAMOSTATNÁ 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
VíceVŠB 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
VíceTECHNICKÁ 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
VíceSTATISTIKA. 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
VíceMODERNÍ 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
VíceUNIVERZITA 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
VíceJednofaktorová 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
VíceNávrhy 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
VíceVYBRANÉ 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),
VíceUNIVERZITA 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
VíceTECHNICKÁ 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
VíceMOŽNOSTI 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
VíceVysoká 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
VíceTECHNICKÁ 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
VíceZápočtová 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
VíceKlíčová 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
VíceDvouvýběrové 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
VíceELEKTRONICKÉ 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
VíceTECHNICKÁ 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
VícePravděpodobnost 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
VíceVŠB 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
VíceUniverzita 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
VíceTesty 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
VícePravděpodobnost 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
VíceUNIVERZITA 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
VíceTématické 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.
VíceTabulka 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
VícePravděpodobnost 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
VíceDovednosti 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
VíceVyužití 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
VíceStatistika. 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
VíceUloha 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...
VíceAplikovaná 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
VíceAnalýza 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
VíceVybrané 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
VíceA7B39TUR - 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
VíceTvorba 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
VíceTématické 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.
VíceKLIMA 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
Více4ST201 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
VíceTECHNICKÁ 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
VíceTVORBA 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.
VíceADDS 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)
VíceVYUŽITÍ 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
VíceImproving 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
VíceRozbor 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
VíceDVOUVÝBĚROVÉ 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
VícePrůzkumová 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
VíceCharakteristika 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
VíceÚvod 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
VíceTECHNICKÁ 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
Více31. 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
VícePOPISNÁ 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.
VíceTestování 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
VíceČeské 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
VíceStatistika, 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
VíceProgram 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
VíceMgr. 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,
VícePopisná 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,
VíceUNIVERZITA 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
VíceVÝSLEDKY 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
VíceStatistika. 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)
VíceVyhodnocení 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
Vícekatedra 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
VíceNávrh 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
VíceRanní 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
VíceZměny 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