Charles Explorer logo
🇬🇧

Basics of Statistical Data Analysis

Class at Faculty of Humanities |
YBA064

This text is not available in the current language. Showing version "cs".Syllabus

Sylabus 1. Typy dat 1.1 Nominální kategoriální data (kvalitativní) 1.2. Ordinální kategoriální data (kvalitativní) 1.3       Spojitá (Continuous variable) 1.4       Nespojitá (Discrete variable) 1.5       Intervalová (Interval variable) 2. Zobrazení dat, prvotní, druhotné třídění 3. Deskriptivní statistika 3.1 Indikátory středu 3.2 Indikátory rozptylu 4. Formulace a testování hypotéz 5. Testy rovnosti průměru 5.1 Testy rovnosti průměru (1 výběr) 5.2 Testy rovnosti průměrů (2 výběry) 6. CHÍ KVADRÁT 7. Analýza souvislosti 7. 1 Korelační analýza 7.1.a Spearmanova korelace 7.1.b Pearsonova korelace 7.2 Regresní analýza 7.2.1. Problém multikolinearity 7.2.2. Odléhlá pozorování    

Literatura

Hendls J. 2006. Přehled statistických metod zpracování dat. Portál, s.r.o. Praha.

Hindls R., Hronová S., Novák I. 2000. Metody statistické analýzy pro ekonomy. Management Press. Praha.

Hebák, P. a kol. 2004. Vícerozměrné statistické metody. Části 1, 2 a 3 Informatorium. Praha.

Martínek, J. 2004. Statistické metody v hodnocení léčby    

Annotation

This course is designed primarily for second and third year students who are about to start working on their bachelor's thesis or on the methodological part of the comprehensive exam in social sciences. The purpose of the course is to teach students how to use statistical procedures - correlations, regressions, ANOVA, t-tests and others - in their projects. The course offers the students the following:

1. Introductory lectures, which help students gain basic insight to the different types of data and statistical methods.

2. Brief theoretical background of correlations, regressions, methods aimed at the statistical comparison of averages of two and more datasets

3. Examples of papers using these methods

4. Problems, which need to be controlled for

5. Use of dummy variables

6. Help with students´ projects. What one will not find in this course:

1. Methods of data collecting (design of questionnaire, experiments, etc.)

2. Deep understanding of the background math.