Elementární analýza dat
|
|
- Tadeáš Pospíšil
- před 4 lety
- Počet zobrazení:
Transkript
1 UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (LS 2008) Kvantitativní metody výzkumu v praxi PRAKTIKUM část 4. Elementární analýza dat Jiří Šafr jiri.safr@seznam.cz vytvořeno
2 Obsah části 2 Tabulky Jednorozměrná analýza Dvou a vícerozměrná analýza Uspořádání tabulky a její interpretace Pravidla tvorby tabulek Vlastnosti rozdělení znaků Jednoduché popisné statistiky Střední hodnoty: modus, medián, průměr Směrodatná odchylka Několik rad jak číst statistiky Typy grafů Praktikum KMVP část 2 2
3 Proces analýzy dat musíme promyslet již ve stadiu plánování dotazníku (modelu vztahů a hypotéz).
4 Tabulky
5 Třídění prvního stupně frekvence jedné proměnné VZD4 Vzdelani na 4 kategorie Valid Missin Total FrequencyPercentPercent Valid Percent 1 Zaklad 334 7,0 7,0 7,0 2 Vyuc,S ,1 33,1 40,2 3 Maturi ,8 40,8 81,0 4 VS ,0 19,0 100,0 Total ,9 100,0 0 4, ,0 [Zdroj: Deset let transformace, 1999] Praktikum KMVP část 2 5
6 Třídění druhého stupně absolutní četnosti frekvence jedné vs. druhé proměnné (kategorie příjmu podle vzdělání) PRIJR6 * VZD4 Vzdelani na 4 kategorie Crosstabulation Count PRIJR61,00 2,00 3,00 4,00 5,00 6,00 Total VZD4 Vzdelani na 4 kategorie 1 Zakladni2 Vyuc,SO Maturita 4 VS Total [Zdroj: Deset let transformace, 1999] Praktikum KMVP část 2 6
7 Třídění druhého stupně relativní četnosti PRIJR6 * VZD4 Vzdelani na 4 kategorie Crosstabulation % within VZD4 Vzdelani na 4 kategorie VZD4 Vzdelani na 4 kategorie 1 Zakladni2 Vyuc,SO3 Maturita 4 VS Total PRIJR6 1,00 42,5% 23,5% 15,5% 13,6% 19,6% 2,00 47,7% 38,3% 33,0% 17,7% 32,9% 3,00 5,6% 18,7% 21,1% 18,0% 18,7% 4,00 3,8% 14,1% 19,0% 24,6% 17,4% 5,00,4% 3,7% 6,6% 14,1% 6,6% 6,00 1,7% 4,8% 12,0% 4,8% Total 100,0% 100,0% 100,0% 100,0% 100,0% [Zdroj: Deset let transformace, 1999] Praktikum KMVP část 2 7
8 Tabulky - metoda popisu dat
9 Tabulky jako metoda popisu Co nám řekne tabulka? Vzorce variace jedné proměnné v čase Vzorce variace dvou (a více) proměnných ve vzájemném vztahu Porovnání mezi skupinami Vzájemný vztah mezi proměnnými Praktikum KMVP část 2 9
10 Dvourozměrná tabulka příklad Existují dvě nemocnice, které provádí stejný typ operace. Každá při tom používá jiný typ anestetika (A / B). Které anestetikum byste raději dostali? lék A lék B přežili umřeli Zdroj: [Campanelli 2007] Praktikum KMVP část 2 10
11 Kterou nemocnici byste si vybrali? nemocnice 1 nemocnice 2 lék A lék B lék A lék B úmrtnost 95% 90% 50% 5% Zdroj: [Campanelli 2007] Praktikum KMVP část 2 11
12 Jednorozměrná analýza Distribuce případů pro jednu proměnnou (otázku v dotazníku) pro celkovou populaci
13 Jednorozměrná analýza tabulka procentní základ a chybějící hodnoty Praktikum KMVP část 2 13 [Babbie 1997: 377]
14 Dvourozměrná analýza Vztah dvou proměnných: porovnání podskupin (vliv nezávislé na závislou proměnnou)
15 Nejprve příklad: Procenta v tabulce. Porovnání subpopulací závislá proměnná (genderová rovnost) nezávislá proměnná (pohlaví) [Babbie 1997: 386]
16 [Babbie 1995: ] Praktikum KMVP část 2 16
17 Praktikum KMVP část 2 17 [Babbie 1997: 387]
18 Marginální četnosti Relativní sloupcové četnosti = součet v každém sloupci reprezentuje 100% Relativní řádkové četnosti = součet vkaždém řádku reprezentuje 100% Praktikum KMVP část 2 18
19 Uspořádání tabulky sloupcová procenta: V kategoriích nezávislé proměnné ukazujeme kompletní (100 %) distribuci závislé proměnné. ZÁVISLÁ - vysvětlovaná NEZÁVISLÁ - vysvětlující Pohlaví Spokojenost Muž Žena Celkový součet 1 (nespokojen) 41 % (5) 22 % (2) % (5) 11 % (1) 6 3 (spokojen) 16 % (2) 66 % (6) 8 Celkový součet 100 % (12) 100 % (9) 21 Nejčastěji bývá závislá proměnná nalevo v řádcích a nezávislá (vysvětlující) ve sloupcích. Praktikum KMVP část 2 19
20 Nelogické uspořádání tabulky pohlaví spokojenost muž žena Celkový součet 1 (nespokojen) 5 (71 %) 2 (29 %) 7 (100 %) 2 5 (83 %) 1 (27 %) 6 (100 %) 3 (spokojen) 2 (25 %) 6 (75 %) 8 (100 %) Celkový součet (100 %) Názory nemohou ovlivňovat pohlaví! Praktikum KMVP část 2 20
21 Interpretace tabulek závislá proměnná = je v hypotéze ovlivňována, způsobována (nejčastěji je v řádcích) nezávislá(é) proměnná = vysvětluje, ovlivňuje závislou V kategoriích nezávislé proměnné ukazujeme kompletní (100 %) distribuci závislé proměnné. Pozor! Směr kauzality je vždy věcí teorie, nelze ji určit z dat samotných. [Kreidl 2000] Praktikum KMVP část 2 21
22 Interpretace tabulek Uspořádání procenta dolů 100% je ve sloupci a porovnáváme % (čteme) v řádcích mezi kategoriemi podskupin ŠPATNĚ: z žen pouze 41 % chodí do kostela a 59 uvádí, že chodí častěji. Proto být ženou snižuje pravděpodobnost, že člověk bude chodit do kostela častěji. SPRÁVNĚ: závěr, že pohlaví je proměnná, která ovlivňuje chození do kostela se musí učinit na základě porovnání mezi muži a ženami. Porovnáváme 41 % a 28 %, z čehož činíme závěr: Vyšší pravděpodobnost časté návštěvy kostela (každý týden) lze vysledovat u žen než u mužů. Praktikum KMVP část 2 22 [Babbie 1997]
23 Dvourozměrná (bivariátní) analýza: čtení tabulky a slučování kategorií 100 % Sloučení kategorií 100 % Praktikum KMVP část 2 23 [Babbie 1997:383-84]
24 Interpretace tabulek Tabulky skoro vždy dělejte tak, aby vyjadřovaly podmíněnou pravděpodobnost, že respondent (věc) bude patřit do jednotlivých kategorií závislé proměnné, za předpokladu, že patří do dané kategorie nezávislé proměnné(ných). Procento je stým násobkem pravděpodobnosti. [Kreidl 2000] Praktikum KMVP část 2 24
25 Porovnání podskupin 1. rozdělte případy do adekvátních podskupin (dle hypotéz, např. podle vzdělání) 2. popište proměnnou pro podskupiny pomocí zvolených statistik (např. medián, průměr, procenta) 3. srovnejte tyto údaje pro skupiny Praktikum KMVP část 2 25
26 Explanační interpretace dvojrozměrné tabulky 1. Případy rozdělíme do podskupin podle vlastností nezávislé proměnné (muži/ženy) 2. Každá podskupina je popsána podle vlastností závislé proměnné (spokojenost) 3. Tabulku čteme tak, že porovnáme navzájem podskupiny nezávislé proměnné (muži/ženy) podle vlastností závislé proměnné (spokojenost) Praktikum KMVP část 2 26 [Babbie 1997]
27 Souvislost znaků v tabulce Kupení vysokých hodnot na diagonále tabulky naznačuje, že existuje souvislost mezi proměnnými. Souvislost ale může mít i jinou formu, např. v každém sloupci jsou pozorování nahromaděna do jediného pole, jehož pozice je pro každý sloupec jiná. Praktikum KMVP část 2 27 [Kreidl 2000]
28 Interpretace tabulek Při interpretaci procent obvykle stačí porovnávat extrémní hodnoty a ignorovat střední kategorie. Pokud jde o ordinální proměnné pak není dobré činit obsáhlé závěry na základě % uvnitř jednotlivých kategorií nezávislé proměnné. Smysluplné je dělat porovnání distribucí napříč kategoriemi nezávislé proměnné. Buďte opatrní a neberte názvy kategorií zas tak doslova. [Kreidl 2000] Praktikum KMVP část 2 28
29 Vícerozměrná analýza: třídění třetího stupně Analyzujeme souběžně vztahy mezi několika proměnnými (nejčastěji více nezávislých vysvětlujících znaků). Princip je stejný jako u dvourozměrné analýzy.
30 Vícerozměrná analýza: třídění třetího stupně 100 % Jak mezi muži tak ženami starší lidé chodí do kostela častěji než mladí. V každé věkové kategorii ženy navštěvují kostel častěji než muži. Podle tabulky, pohlaví má nepatrně větší efekt na chození do kostela než věk. Věk a pohlaví mají nezávislý vliv na chození do kostela. Uvnitř každé kategorie nezávislé proměnné odlišné vlastnosti té druhé přesto ovlivňují jednání. Podobně obě nezávislé proměnné mají kumulativní efekt na jednání. Starší ženy chodí nejčastěji a mladí muži nejméně často. Praktikum KMVP část 2 30 [Babbie 1997: 391]
31 Zjednodušení předchozí tabulky: 100 % 70 % méně často Ukazujeme pouze pozitivní kategorie znaku ( do kostela chodí týdně). Při tom neztrácíme žádný údaj. Četnosti v závorkách uvádí procentní základ, z něj lze dopočítat podíl nezobrazené kategorie. Praktikum KMVP část 2 31 [Babbie 1997: 391]
32 Pravidla pro tvorbu tabulek Samotná procenta říkají málo nebo nic. nezamlčovat absolutní četnosti (stačí marginální = řádkové, sloupcové a celkový počet případů). V prvnířádce či sloupci uvést znak pro %, aby bylo jasné, že se jedná tabulku pro procenta. Praktikum KMVP část 2 32
33 Pravidla pro tvorbu tabulek Kontrolovat sama sebe tím, že vždy sečtete čísla v jednotlivých řádcích a sloupcích a porovnáte je se skutečnými marginálními četnostmi (z tabulek tř. 1st.). Celáčísla v % v tabulkách většinou bohatě stačí. 23,48 % 23 % [Kreidl 2000] Praktikum KMVP část 2 33
34 Pravidla pro tvorbu tabulek [Kreidl 2000, Babbie 1997] Tabulka musí mít název a popsané proměnné (řádky a sloupce). Uvést původní obsah proměnné, zejména pokud se jedná o postojové otázky (znění otázky) Vždy uvést zdroj dat. Uvést celkový počet případů (marginální distribuce absolutních četností). Uvést, jak byly spočítány procenta (procentní základ), u % tabulky uvést N Neuvádíme % i absolutní počty současně všude Zmínit pokud byly vynechány některé kategorie (např. nevím). chybějící hodnoty vždy uvést kolik lidí neodpovědělo, ale není nutno vždy zahrnovat do procentního základu Praktikum KMVP část 2 34
35 V názvu tabulky uvést: typ tabulky např. Procentní distribuce... nebo... (%) proměnné zahrnuté v tabulce, např. Religiozita a Úroveň vzdělání z jakého vzorku pocházejí data rok sběru dat Př. Procento uživatelů marihuany podle dosaženého vzdělání, středoškoláci, Praktikum KMVP část 2 35
36 Třídění druhého stupně: průměry a směrodatné odchylky v podskupinách Tabulka 1. Index vysoko kulturních aktivit ve volném čase podle sociální třídy (EGP), průměry a směrodatné odchylky Průměr SD Průměr SD Průměr SD I. Podnikatelé samostatně činní se zaměstnanci 4,2 2,5 4,6 2,8 4,7 3,0 II. Vyšší odborníci 5,4 2,3 6,3 2,5 5,4 2,6 III. Samostatně činní bez zaměstnanců (živnostníci) 3,6 2,5 4,8 3,2 3,4 2,7 IV. Střední odborníci, vč. mistrů 4,7 2,5 5,5 2,7 4,8 2,6 V. Rutinní nemanuální (řadoví úředníci) 4,1 2,4 4,9 2,6 4,0 2,6 VI. Kvalifikovaní dělníci 2,7 2,0 3,0 2,4 2,5 2,4 VII.Nekvalifikovaní dělníci 2,5 1,8 3,0 2,3 2,5 2,2 Celkem 3,6 2,4 4,6 2,9 3,7 2,7 Zdroj: [Data 1993, 1999, 2006], spojený soubor N =2000 věk 20 až 69 let, ekonomicky aktivní, vážené soubory Praktikum KMVP část 2 36
37 Baterie otázek (item response battery)
38 Baterie otázek Stejná obecná otázka např. Jak jste spokojen s následujícími službami? Stejné hodnoty znaků (stejné odpovědi) Analytický přístup k baterii otázek: Lze porovnávat hodnoty (škál) mezi sebou (medián, průměr, rozptyl pořadí) Lze vytvořit nový souhrnný index (např. součtový) vyšší reliabilita i validita měření Lze redukovat komplexitu baterie hledáme dimenze, vzájemné relace (ne/podobnost položek, typologie) Praktikum KMVP část 2 38
39 Vznikne 12 proměnných Příklad položkové baterie: diverzita v přátelské síti (CVVM 07-04) POKYN: PODEJTE DOTÁZANÉMU KARTU OV.160. OV.160 Do jaké míry pro Vás a Vaše přátele platí následující výroky. Do okruhu Vašich přátel patří lidé: VŮBEC ŽÁDNÍ OJEDINĚLE MÁLO MNOHO SKORO VŠICHNI NEVÍ a) z jiné generace než jste Vy, b) jiné národnosti než jste Vy (nezahrnujte sem přátele ze Slovenska), c) jiného etnika nebo rasy než jste Vy, d) s odlišnou sexuální orientací než je Vaše, e) se zcela odlišným povoláním než je Vaše nebo než je běžné ve Vaší rodině? f) Do okruhu Vašich přátel patří lidé, kteří sledují zcela odlišné TV pořady než sledujete Vy, g) kteří jsou podstatně chudší než jste Vy, h) kteří jsou podstatně bohatší než jste Vy, i) kteří tráví svůj volný čas úplně jinak než ho trávíte Vy, j) kteří mají úplně jiný kulturní vkus než máte Vy, k) kteří čtou jiné noviny nebo časopisy než čtete Vy, l) kteří mají zcela odlišný politický názor než máte Vy? m) Do okruhu Vašich přátel patří lidé žijící na venkově, žijete-li ve městě. Nebo naopak lidé žijící ve městě, žijete-li na venkově? Praktikum KMVP část 2 39 n) Do okruhu Vašich přátel patří lidé věřící, pokud Vy jste nevěřící. Nebo naopak lidé nevěřící, pokud Vy jste věřící? Stejná otázka Stejné odpovědi (škála)
40 Baterie otázek: diverzita v přátelské síti. Frekvence (%) Tabulka 1. Odpovědi na otázku Do okruhu Vašich přátel patří lidé:, procenta 1. vůbec žádní 2. ojediněle 3. málo 4. mnoho 5. skoro všichni a) z jiné generace 18,1 32,1 35,6 12,4 1,3,4 b) jiné národnosti 65,6 21,8 9,9 1,6,3,8 c) jiného etnika 80,1 13,2 5,0,7,1 1,0 d) jiné sexuální orientace 80,6 7,9 5,3,7,1 5,4 e) jiného povolání 15,3 19,3 25,4 31,2 6,0 2,7 f) sledující jiné TV pořady 10,0 16,5 26,3 28,4 1,5 17,2 g) chudší lidé 20,8 26,3 30,2 9,1,5 13,1 h) bohatší lidé 15,3 25,3 32,3 14,1 2,0 11,1 i) s odlišným trávením volného času n) věřící / nevěřící 23,1 Praktikum 26,2 KMVP část 26,5 9,8 1,5 13,0 40 Neví 9,7 24,6 35,3 21,9 3,1 5,5 j) jiným kulturním vkusem 13,3 23,3 38,6 14,5 1,4 8,9 k) čtoucí jiné noviny 9,2 17,7 28,6 20,5 2,0 22,0 l) s odlišným polit. názorem 11,0 24,0 34,5 16,9 1,5 12,0 m) z venkova / města 19,7 24,9 33,5 16,2 3,2 2,5 Zdroj: Naše společnost, CVVM, duben 2007; věk 21+; N = 911. Chybějící hodnoty (> 5%)
41 Baterie otázek: diverzita v přátelské síti Popisné statistiky: počet platných odpovědí, minimum/maximum, průměr, směrodatná odchylka Pořadí položek dle průměru na škále 1-5 N Minimum Maximum Průměr Std. Dev. f) jiné TV programy mezi přáteli ,9 1,0 e) jiné povolání mezi přáteli ,9 1,2 k) čtou jiné noviny mezi přáteli ,8 1,0 i) jiné trávení volného času mezi přáteli ,8 1,0 l) odlišný polit. názor mezi přáteli ,7 1,0 j) jiný vkus mezi přáteli ,6 1,0 m) venkov / město mezi přáteli ,6 1,1 h) bohatší lidé mezi přáteli ,6 1,0 a) jiná generace mezi přáteli ,4 1,0 g) chudší lidé mezi přáteli ,3 1,0 n) věřící / nevěřící mezi přáteli ,3 1,0 b) jiné národnosti mezi přáteli ,5 0,8 c) jiné etnikum mezi přáteli ,3 0,6 d) jiná sexuální orientace mezi přáteli ,2 0,6 Valid N (listwise) 555 Zdroj. CVVM N=1011 Počet platných odpovědí za všechny Praktikum KMVP část položky 2 baterie (ti, kdo odpověděli na 41 všechny otázky)
42 Dimenzionalita v baterii otázek: faktorová analýza (rotované řešení, graf faktorových zátěží) Zdroj: Naše společnost Praktikum KMVP část 2 42
43 Problém nízké variability odpovědí v baterii: Spokojenost klientů DSP Žádná varianace mezi položkami (vzorce odpovědí respondentů) Žádná varianace v položce Chybějící hodnoty (neodpověděli na všechny položky baterie) ot7.1_rozsah ot7.2_pristup ot7.3_prostredi ot7.4_kvalita ot7.5_kom ot7.6_cas ot7.7_doba ot7.8_respekt ot7.9_info Baterie otázek (9 proměnných) Hodnoty znaků: 1=ne, 2=ano Praktikum KMVP část 2 43
44 Nízká (nulová) variabilita uvnitř/mezi položkami již ve fázi sběru dat: Zvýšit počet platných odpovědí Zvýšit varianci v odpovědích (formulace otázek + pilotáž)
45 Snížení počtu položek bez odpovědí (Item non-response) Školení tazatelů: Získat jejich spolupráci Vyzkoušet s nimi kladení otázek Poučit je, jaké strategie pro odlišné typy respondentů Tazatel musí být profesionál: odpovědi neodhaduje nebo si je sám nevymýšlí Pro získání vynechaných odpovědí se lze k vybraným otázkám vrátit na konci rozhovoru Hlídejte kritéria výběru Tazatele dobře odměňte Praktikum KMVP část 2 45
46 Snížení případů bez odpovědí Zajímavé téma Odpovídající metoda Upomínkování (telefonáty, dopisy) Přesvědčivý úvodní dopis/ oslovení Zpětné volání a přesvědčování o zúčastnění se Praktikum KMVP část 2 46
47 Které otázky (ne)dát do dotazníku? Po té, co si uděláte seznam indikátorů (proměnných) a začnete formulovat dotazníkové otázky, zjistíte, že jste omezeni prostorem dotazníku (časem dotazovaní): Neptejte se respondentů nadbytečné otázky: - které neodpovídají na výzkumnou otázku (RQ) -u nichžpředem znáte odpověď - o tom, co si myslí jiní lidé Mohou nám respondenti poskytnout informaci, kterou potřebujeme? - Budou všichni rozumět významu otázky? - Není dotaz příliš složitý k rychlému zodpovězení? (např. přesný celkový příjem) Praktikum KMVP část 2 47
48 Formulace otázek v dotazníku Buďte konkrétní. např. Jak jste spokojen/a s péčí, která vám byla poskytnuta? nespecifikováno Vs. Jak jste spokojen/a s informací, kterou vám o vaší nemoci poskytla vaše ošetřující sestra? specifikováno Vždy jde o Trade off: formulace jednoduchých a srozumitelných otázek vs. získání dat k zodpovězení RQ Praktikum KMVP část 2 48
49 Vlastnosti rozdělení znaků
50 Symetrie, variabilita [Hanousek, Charamza 1992: 21] Praktikum KMVP část 2 50
51 Šikmost a špičatost [Hanousek, Charamza 1992: 21] Praktikum KMVP část 2 51
52 Jednoduché popisné statistiky
53 Střední hodnoty: nominální znaky modus ordinální znaky medián (aritmetický průměr) intervalové znaky aritmetický průměr Praktikum KMVP část 2 53
54 Modus = kategorie s největší četností Medián = hodnota, která je ve prostředku všech pozorování seřazených podle hodnoty Aritmetický průměr = součet hodnot dělený počtem pozorování Praktikum KMVP část 2 54
55 Modus Praktikum KMVP část 2 [Babbie 1995] 55
56 Medián Praktikum KMVP část 2 [Babbie 1995] 56
57 Průměr Praktikum KMVP část 2 [Babbie 1995] 57
58 Charakteristiky variability Udávají koncentraci nebo rozptýlení kolem střední hodnoty. Ukazují na kvalitu průměru. Rozptyl = součet kvadratických odchylek od průměru dělený rozsahem výběr zmenšeným o 1. Směrodatná odchylka = odmocnina z rozptylu. Směrodatná odchylka je míra rozptýlení hodnot od průměrné (střední) hodnoty. Praktikum KMVP část 2 58
59 Výpočet směrodatné odchylky Příklad. Máme pozorování: Součet řady = 40; n = 10; průměr = 40/10 = 4 Odchylky: součet odchylek je 9 9 = 0 čtverce odchylek: 9; 4; 1; 0; 1; 9; 16; 4; 4; 4 součet čtverců odchylek = 52 průměrná čtvercová odchylka tj. rozptyl = 52/10= 5,2 směrodatná odchylka (odmocnina z rozptylu) = 2,28 Praktikum KMVP část 2 59
60 Směrodatná odchylka v Excelu STDEVPA pro základní soubor STDEVA pro výběrový soubor Praktikum KMVP část 2 60
61 Další popisné statistiky Minimum / maximum Rozpětí Kvantily: dolní a horní kvartil Koeficienty šikmosti Praktikum KMVP část 2 61
62 Několik rad jak číst statistiky [Hanousek, Charamza 1993: 34-35]
63 Při čtení statistik pozor na: přesná čísla ve statistických zprávách procenta versus absolutní čísla srovnatelné údaje nezaměňovat ukazatele je porovnání vhodné? na výběry (nebyly-li provedeny profesionály) podoba otázek vlastní příprava zjišťování (experimentu) v nemocnici umírají lidé častěji než doma [Hanousek, Charamza 1993: 34-35] celé viz soubor Pozor_statistika.pdf Praktikum KMVP část 2 63
64 Typy grafů Excel viz část b. - grafy
65 Histogram 1400 Vzdelani na 6 kategorii Frequency ,0 2,0 3,0 4,0 5,0 6,0 Std. Dev = 1,54 Mean = 3,8 N = 4740,00 Vzdelani na 6 kategorii Praktikum KMVP část 2 65
66 Histogram 1400 PRIJEM Frequency PRIJEM89 Praktikum KMVP část 2 66
67 Polygon 1400 PRIJEM Frequency PRIJEM89 Praktikum KMVP část 2 67
68 Literatura Babbie, E. (1995). ThePracticeofsocial Research. 7th Edition. Belmont: Wadsworth Disman, M. (1993): Jak se vyrábí sociologická znalost. Praha: Karolinum Hanousek J., Charamza P. (1992). Moderní metody zpracování dat Matematická statistika pro každého. Praha: Grada. Kreidl, M. (2000). Podklady ke kurzu Analýza kvantitativních dat. FSV UK, LS Jeřábek, H. (1993): Úvod do sociologického výzkumu. Praha: Karolinum Poděkování za cenné konzultace RNDr. L. Gatnarovi. Praktikum KMVP část 2 68
Kurz SPSS: Jednoduchá analýza dat
Kurz SPSS: Jednoduchá analýza dat Kontingenční tabulky a analýza kategoriálních dat = KMVP část 4. Elementární analýza dat Jiří Šafr jiri.safr@seznam.cz vytvořeno 29. 6. 2009 Obsah části 2 Tabulky Jednorozměrná
VícePříprava souboru dat a analýza
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (LS 2007) Kvantitativní metody výzkumu v praxi PRAKTIKUM část 2 Příprava souboru dat a analýza Jiří Šafr jiri.safr@seznam.cz vytvořeno
VíceVýběry z populace, příprava dat, popisné statistiky
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (ZS 2013) Kvantitativní metody výzkumu v praxi Výběry z populace, příprava dat, popisné statistiky Jiří Šafr jiri.safr(at)seznam.cz
VíceKontingenční tabulky analýza kategoriálních dat: Úvod. Třídění 2. stupně
UK FHS Historická sociologie a Řízení a supervize (2011, 2012, 2013, 2014) Analýza kvantitativních dat I. & Praktikum elementární analýzy dat Kontingenční tabulky analýza kategoriálních dat: Úvod. Třídění
VíceExcel mini úvod do kontingenčních tabulek
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (ZS 2005+) Kvantitativní metody výzkumu v praxi Excel mini úvod do kontingenčních tabulek (nepovinnáčást pro KMVP) Jiří Šafr jiri.safratseznam.cz
VíceSpokojenost se životem
SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO
VíceMetodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
VíceStatistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
VíceKvantitativní metody výzkumu v praxi PRAKTIKUM. Příprava výzkumného projektu
UK FHS Řízení a supervize v sociálních a zdravotnických organizacích (LS 2007) Kvantitativní metody výzkumu v praxi PRAKTIKUM část 1 Příprava výzkumného projektu Jiří Šafr jiri.safr@seznam.cz vytvořeno
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
VíceZáklady pravděpodobnosti a statistiky. Popisná statistika
Základy pravděpodobnosti a statistiky Popisná statistika Josef Tvrdík Přírodovědecká fakulta, katedra informatiky josef.tvrdik@osu.cz konzultace v úterý 14.10 až 15.40 hod. Příklad ze života Cimrman, Smoljak/Svěrák,
VíceÚloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:
Úloha č. 1 - Kvantily a typická hodnota (bodově tříděná data): Určete typickou hodnotu, 40% a 80% kvantil. Tabulka hodnot: Varianta Četnost 0 4 1 14 2 17 3 37 4 20 5 14 6 7 7 11 8 20 Typická hodnota je
VíceČíselné charakteristiky
. Číselné charakteristiky statistických dat Průměrný statistik se během svého života ožení s 1,75 ženami, které se ho snaží vytáhnout večer do společnosti,5 x týdně, ale pouze s 50% úspěchem. W. F. Miksch
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
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
VíceSociologický výzkum (stručný úvod) Michal Peliš
Sociologický výzkum (stručný úvod) Michal Peliš vědy exaktní X sociální tvrzení deterministického charakteru univerzální platnost experiment prokazování kauzality tvrzení pravděpodobnostního charakteru
VíceDeskriptivní statistika (kategorizované proměnné)
Deskriptivní statistika (kategorizované proměnné) Nejprve malé opakování: - Deskriptivní statistika se zabývá popisem dat, jejich sumarizaci a prezentací. - Kategorizované proměnné jsou všechny proměnné,
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VíceLEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT
LEKCE 02a UNIVARIAČNÍ ANALÝZA KATEGORIZOVANÝCH DAT 1 Základní statistickou úlohou je popis stavu základního souboru Východiskem je většinou výběrový soubor (odvozujeme popis základního souboru z popisu
VíceKategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1
Kategorická data METODOLOGICKÝ PROSEMINÁŘ II TÝDEN 7 4. DUBNA 2018 4. dubna 2018 Lukáš Hájek, Karel Höfer Metodologický proseminář II 1 Typy proměnných nominální (nominal) o dvou hodnotách lze říci pouze
VíceZáklady popisné statistiky
Základy popisné statistiky Michal Fusek Ústav matematiky FEKT VUT, fusekmi@feec.vutbr.cz 8. přednáška z ESMAT Michal Fusek (fusekmi@feec.vutbr.cz) 1 / 26 Obsah 1 Základy statistického zpracování dat 2
VíceZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY
zhanel@fsps.muni.cz ZÁKLADNÍ STATISTICKÉ CHARAKTERISTIKY METODY DESKRIPTIVNÍ STATISTIKY 1. URČENÍ TYPU ŠKÁLY (nominální, ordinální, metrické) a) nominální + ordinální neparametrické stat. metody b) metrické
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
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
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,
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
VícePopisná statistika. Statistika pro sociology
Popisná statistika Jitka Kühnová Statistika pro sociology 24. září 2014 Jitka Kühnová (GSTAT) Popisná statistika 24. září 2014 1 / 31 Outline 1 Základní pojmy 2 Typy statistických dat 3 Výběrové charakteristiky
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
VíceVýzkum sociální změny
UK FHS Historická sociologie (ZS 2011) Design kvantitativního výzkumu Výzkum sociální změny 6. část poslední aktualizace 26.11. 2011 Jiří Šafr jiri.safr(at)seznam.cz Zkoumání sociální změny V centru zájmu
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceVYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK
VYHODNOCOVÁNÍ KVANTITATIVNÍCH DAT (ÚVOD DO PROBLEMATIKY) Metodologie pro ISK 14. 11. 2014 NENÍ STATISTIKA JAKO STATISTIKA Deskriptivní statistika Výzkumné otázky, ne hypotézy (případně deskriptivní hypotézy)
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis nekategorizovaných dat Co se dozvíte v tomto modulu? Kdy používat modus, průměr a medián. Co je to směrodatná odchylka. Jak popsat distribuci
VíceSTATISTIKA 1. Adam Čabla Katedra statistiky a pravděpodobnosti VŠE
STATISTIKA 1 Adam Čabla Katedra statistiky a pravděpodobnosti VŠE KONTAKTY WWW: sites.google.com/site/adamcabla E-mail: adam.cabla@vse.cz Telefon: 777 701 783 NB367 na VŠE, konzultační hodiny: Pondělí
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VíceOtázky k měření centrální tendence. 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení?
Otázky k měření centrální tendence 1. Je dáno rozložení, ve kterém průměr = medián. Co musí být pravdivé o tvaru tohoto rozložení? 2. Určete průměr, medián a modus u prvních čtyř rozložení (sad dat): a.
Vícemarek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
VíceSTATISTICKÉ CHARAKTERISTIKY
STATISTICKÉ CHARAKTERISTIKY 1 Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na discipliny společného základu (reg. č. CZ.1.07/2.2.00/28.0021)
VíceDaně z pohledu veřejného mínění listopad 2014
ev22 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 286 80 29 E-mail: jan.cervenka@soc.cas.cz Daně z pohledu veřejného mínění listopad 20 Technické
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.
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 DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceTřídění statistických dat
2.1 Třídění statistických dat Všechny muže ve městě rozdělíme na 2 skupiny: A) muži, kteří chodí k holiči B) muži, kteří se holí sami Do které skupiny zařadíme holiče? prof. Raymond M. Smullyan, Dr. Math.
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
VíceSemestrální projekt. do předmětu Statistika. Vypracoval: Adam Mlejnek 2-36. Oponenti: Patrik Novotný 2-36. Jakub Nováček 2-36. Click here to buy 2
Semestrální projekt do předmětu Statistika Vypracoval: Adam Mlejnek 2-36 Oponenti: Patrik Novotný 2-36 Jakub Nováček 2-36 Úvod Pro vypracování projektu do předmětu statistika jsem si zvolil průzkum kvality
VíceMetodologie pro Informační studia a knihovnictví 2
Metodologie pro Informační studia a knihovnictví 2 Modul V: Nekategorizovaná data Metodologie pro ISK 2, jaro 2014. Ladislava Z. Suchá Metodologie pro Informační studia a knihovnictví 2 Modul 5: Popis
VíceCharakteristiky kategoriálních veličin. Absolutní četnosti (FREQUENCY)
Charakteristiky kategoriálních veličin Absolutní četnosti (FREQUENCY) Charakteristiky kategoriálních veličin Relativní četnosti Charakteristiky kategoriálních veličin Relativní četnosti Charakteristiky
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VícePopisná statistika. Jaroslav MAREK. Univerzita Palackého
Popisná statistika Jaroslav MAREK Univerzita Palackého Přírodovědecká fakulta Katedra matematické analýzy a aplikací matematiky Tomkova 40, 779 00 Olomouc Hejčín tel. 585634606 marek@inf.upol.cz pondělí
VíceObsah. Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku
Obsah Statistika Zpracování informací ze statistického šetření Charakteristiky úrovně, variability a koncentrace kvantitativního znaku Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v
VíceVýrobní produkce divizí Ice Cream Po lo ha plane t Rozložený výse ový 3D graf Bublinový graf Histogram t s tn e ídy
Výrobní produkce divizí Ice Cream Polo ha planet Rozložený výsečový 3D graf Bublinový graf Ice Cream 1 15% Ice Cream 2 12% Ice Cream 3 18% Ice Cream 4 20% Statistika 40 30 20 Ice Cream 6 19% Ice Cream
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VíceAnalýza dat z dotazníkových šetření. Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/
Analýza dat z dotazníkových šetření Cvičení 3. - Jednorozměrné třídění Zdrojová data: dotazník http://www.vyplnto.cz/realizovane-pruzkumy/konzumace-ryb-a-rybich-vyrob/ - Seznamte se s dotazníkem a strukturou
VíceLEKCE02a ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení
SOC1/ LEKCE : ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH A SPOJITÝCH DAT: LEKCEa ANALÝZA ROZLOŽENÍ KATEGORIZOVANÝCH DAT vzorový výsledek cvičení CVIČENÍ.1: Je česká populace věřící, nebo nevěřící? Tuto otázku
VíceNávod na statistický software PSPP část 2. Kontingenční tabulky
Návod na statistický software PSPP část 2. Kontingenční tabulky Jiří Šafr FHS UK poslední revize 31. srpna 2010 Logika kontingenčních tabulek... 2 Postup vytváření kontingenčních tabulek v PSPP (SPSS)....
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
VíceMetody sociálních výzkumů. Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika.
Metody sociálních výzkumů Velmi skromný úvod do statistiky. Motto: Jsou tři druhy lži-lež prostá, lež odsouzeníhodná a statistika. Statistika Význam slova-vychází ze slova stát, s jeho administrativou
VícePopisná statistika. úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy
Popisná statistika úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy Úvod užívá se k popisu základních vlastností dat poskytuje jednoduché shrnutí hodnot proměnných
VícePravděpodobnost a statistika
Pravděpodobnost a statistika Teorie pravděpodobnosti popisuje vznik náhodných dat, zatímco matematická statistika usuzuje z dat na charakter procesů, jimiž data vznikla. NÁHODNOST - forma existence látky,
VíceNejčastější chyby v explorační analýze
Nejčastější chyby v explorační analýze Obecně doporučuju přečíst přednášku 5: Výběrová šetření, Exploratorní analýza http://homel.vsb.cz/~lit40/sta1/materialy/io.pptx Použití nesprávných charakteristik
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
VíceMorálka politiků očima veřejnosti - březen 2015
pd15002 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 80 129 E-mail: nadezda.cadova@soc.cas.cz Morálka politiků očima veřejnosti - březen
VíceTisková zpráva. Občané o hospodářské situaci ČR a o životní úrovni svých domácností květen /6
Tisková zpráva Občané o hospodářské situaci ČR a o životní úrovni svých domácností květen 2018 49 % občanů hodnotí současnou ekonomickou situaci ČR jako dobrou, 15 % ji vnímá jako špatnou a 34 % ji pokládá
Více2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
VíceKurz SPSS: Jednoduchá analýza dat. Jiří Šafr
Kurz SPSS: Jednoduchá analýza dat Jiří Šafr vytvořeno 29. 6. 2009 Dva základní typy statistiky 1. Popisná statistika: metody pro zjišťování a sumarizaci informací grfy, tabulky, popisné chrakteristiky
VíceKVALITA OČIMA PACIENTŮ psychiatrické léčebny - II. díl
KVALITA OČIMA PACIENTŮ psychiatrické léčebny - II. díl Měření kvality zdravotní ve vybraných psychiatrických léčebnách přímo řízených MZ ČR Únor 2010 / Závěrečná zpráva z projektu / Řešitel projektu: RNDr.
VíceAngažovanost občanů a zájem o politiku - únor 2016
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 26 29 E-mail: jarmila.pilecka@soc.cas.cz Angažovanost občanů a zájem o politiku - únor 206 Technické
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 3 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
Více0% III/2002 IX/2005 II/2007 II/2008 II/2009 II/2010 II/2011 XI/2012 XI/2013
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Daně z pohledu veřejného mínění listopad 2013
VíceDaně z pohledu veřejného mínění listopad 2015
ev600 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 286 80 2 E-mail: jan.cervenka@soc.cas.cz Daně z pohledu veřejného mínění listopad 5 Technické
VíceČETNOSTI A ROZLOŽENÍ ČETNOSTÍ
PSY117/454 Statistická analýza dat v psychologii Přednáška 2 ČETNOSTI A ROZLOŽENÍ ČETNOSTÍ Je snadné lhát s pomocí statistiky. Je těžké říkat pravdu bez ní. Andrejs Dunkels; wikiquote Jaké hodnoty máme
Víceer150213 Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: milan.tucek@soc.cas.cz
er0 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 86 80 9 E-mail: milan.tucek@soc.cas.cz Názor na zadlužení obyvatel a státu leden 0 Technické
VíceZákladní statistické charakteristiky
Základní statistické charakteristiky Základní statistické charakteristiky slouží pro vzájemné porovnávání statistických souborů charakteristiky = čísla, pomocí kterých porovnáváme Základní statistické
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
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. úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy
Popisná statistika úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy Úvod užívá se k popisu základních vlastností dat poskytuje jednoduché shrnutí hodnot proměnných
VíceZpracovala: Naděžda Čadová Centrum pro výzkum veřejného mínění, Sociologický ústav AV ČR, v.v.i. Tel.:
Tisková zpráva Postoje obyvatel České republiky k politickým stranám září 17 Naprostá většina české veřejnosti zaujímá vůči politickým stranám značně kritické postoje. Pouze třetina českých občanů věří,
VíceAnalýza dat s využitím MS Excel
Analýza dat s využitím MS Excel Seminář aplikované statistiky Martina Litschmannová Několik fíglů na úvod Absolutní vs. relativní adresování změna pomocí F4 =$H$20 =H$20 =$H20 =H20 Posun po souvislé oblasti
VíceVyužití software ITEMAN k položkové analýze a analýze výsledků testů
11. konference ČAPV Sociální a kulturní souvislosti výchovy a vzdělávání Využití software ITEMAN k položkové analýze a analýze výsledků testů Petr Byčkovský, Marie Marková Postup při návrhu a ověření testu
VíceMETODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU
METODOLOGIE I - METODOLOGIE KVANTITATIVNÍHO VÝZKUMU vyučující doc. RNDr. Jiří Zháněl, Dr. M I 4 Metodologie I 7. ANALÝZA DAT (KVANTITATIVNÍ VÝZKUM) (MATEMATICKÁ) STATISTIKA DESKRIPTIVNÍ (popisná) ANALYTICKÁ
VíceMnohorozměrná statistická data
Mnohorozměrná statistická data Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Mnohorozměrná
VíceKVALITA OČIMA PACIENTŮ psychiatrické léčebny - III. díl
KVALITA OČIMA PACIENTŮ psychiatrické léčebny - III. díl Měření kvality zdravotní ve vybraných psychiatrických léčebnách přímo řízených MZ ČR Únor 2010 / Závěrečná zpráva z projektu / Řešitel projektu:
VíceVarianty výzkumu Kroky výzkumu Výběrový soubor
Varianty výzkumu Kroky výzkumu Výběrový soubor Dvě cesty k poznání. Technické kroky ve výzkumu. Zdroje zkreslení výzkumu. Jak vytvořit výběrový soubor. Varianty výzkumu-kvalitativní a kvantitativní Kvalitativní
VíceSpokojenost se životem červen 2019
Tisková zpráva Spokojenost se životem červen 2019 Více než dvě třetiny (68 %) populace jsou spokojeny se svým životem. Od roku 2013 měla spokojenost se životem většinou vzestupnou tendenci, v průběhu roku
VícePostoje českých občanů k NATO a obraně ČR - leden 2015
pm0b TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 8 80 E-mail: nadezda.cadova@soc.cas.cz Postoje českých občanů k NATO a obraně ČR - leden 0 Technické
Víceer Jilská 1, Praha 1 Tel.:
TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: 86 80 9 E-mail: milan.tucek@soc.cas.cz Názor na zadlužení obyvatel a státu leden Technické parametry
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
VíceSVOBODA ZVÍŘAT. Kožešinová zvířata. Na základě dat CVVM SOÚ AV ČR, v.v.i., pro Svobodu zvířat. Zpracovala: PhDr. Lucie Moravcová
SVOBODA ZVÍŘAT Kožešinová zvířata Na základě dat CVVM SOÚ AV ČR, v.v.i., pro Svobodu zvířat Zpracovala: PhDr. Lucie Moravcová 2013 SOUHRN HLAVNÍCH VÝSLEDKŮ Součástí šetření veřejného mínění Centra pro
VíceRomové a soužití s nimi očima české veřejnosti duben 2014
ov14014 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 9 E-mail: milan.tucek@soc.cas.cz Romové a soužití s nimi očima české veřejnosti
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
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
VíceSpokojenost s životem červen 2015
ov150730 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Spokojenost s životem červen 2015 Technické
VíceÚvodní seminář Přehled metod, typy znaků
Semináře ke kurzu Analytické metody výzkumu Jindřich Krejčí Úvodní seminář Přehled metod, typy znaků Základní informace o kurzu Zadání referátů Statistická analýza dat v sociologii: přehled Typy znaků
VíceTISKOVÁ ZPRÁVA. Centrum pro výzkum veřejného mínění CVVM, Sociologický ústav AV ČR, v.v.i. OV.14, OV.15, OV.16, OV.17, OV.18, OV.179, OV.
ov602 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Romové a soužití s nimi očima české veřejnosti
VíceTEST Z TEORIE EXPLORAČNÍ ANALÝZA DAT
EXPLORAČNÍ ANALÝZA DAT TEST Z TEORIE 1. Test ze Statistiky píše velké množství studentů. Představte si, že každý z nich odpoví správně přesně na polovinu otázek. V tomto případě bude směrodatná odchylka
VíceRenáta Bednárová STATISTIKA PRO EKONOMY
Renáta Bednárová STATISTIKA PRO EKONOMY ZÁKLADNÍ STATISTICKÉ POJMY Statistika Statistický soubor Statistická jednotky Statistický znak STATISTIKA Vědní obor, který se zabývá hromadnými jevy Hromadné jevy
Více