Statistics - OENQQ2401Z

• Title: Statistics
• Guaranteed by: Katedra psychologie (41-KPSY)
• Faculty: Faculty of Education
• Actual: from 2024
• Semester: summer
• E-Credits: 6
• Examination process: summer s.:
• Hours per week, examination: summer s.:0/1, Ex [HT]
• Capacity: unknown / unknown (unknown)
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Teaching methods: full-time
• Note: course can be enrolled in outside the study plan; enabled for web enrollment; priority enrollment if the course is part of the study plan
• Guarantor: doc. Mgr. Kateřina Lukavská, Ph.D.

Annotation

English

The first part of the course covers theoretical background and practical skills related to hypotheses testing in cross-sectional data. It deals with simple statistical tests such as mean comparison (t-test, analysis of variance), correlation tests and simple linear (and binominal logistic) regression. In the second part, we will introduce more complex methods aimed at inferential statistical analysis of data coming from longitudinal observation research and intervention research (e.g., randomized control trials). It deals with advanced statistical methods such as generalized linear mixed models, generalized estimating equations, propensity scores matching, but some basic methods are introduced as well (e.g., paired t-test, one-way repeated measures ANOVA). The special attention will be on sampling procedures (type of sampling and power analysis) and correct description of sample in scientific papers (e.g., CONSORT diagram, response rate, attrition rate).

Last update: Esserová Kateřina, DiS. (18.06.2025)

Czech

První část kurzu se zaměřuje na teoretická východiska a praktické dovednosti související s testováním hypotéz v průřezových datech. Zabývá se jednoduchými statistickými testy jako je srovnání středních hodnot (t-test, analýza rozptylu), korelační testy a jednoduchá lineární (a binominální logistická) regrese. Ve druhé části představíme metody zaměřené na inferenční statistickou analýzu longitudinálníchj dat (např. párový t-test, jednocestná opakovaná měření ANOVA). Zvláštní pozornost bude věnována postupům konstruování výzkumných souborů (včetně výpočtu power analýzy) a správnému popisu vzorku ve vědeckých pracích (např. CONSORT diagram).

Last update: Esserová Kateřina, DiS. (18.06.2025)

Descriptors

Celková časová zátěž studenta	54,0
Množství kreditů odpovídající časové zátěži	2
Přidělené kredity	2
Zakončení	Zk
Přímá výuka
Přednášky:	0
Cvičení:	1
Příprava na výuku
Doba očekávané přípravy na 1 hodinu přednášky	0 minut
Doba očekávané přípravy na 1 cvičení	30 minut
Doba očekávané přípravy na 1 hodinu praxe	0 minut
Samostudium literatury (za semestr)	6 hodin
Práce se studijními materiály (za semestr)	6 hodin
Plnění průběžných úkolů (za semestr)	12 hodin
Plnění předmětu
Příprava na zkoušku a zkouška	12 hodin

Last update: Esserová Kateřina, DiS. (18.06.2025)

Course completion requirements

1. Docházka

2. Test

3. Ústní zkouška

Last update: Esserová Kateřina, DiS. (18.06.2025)

Literature

HENDL, J. Přehled statistických metod zpracování dat. Praha: Portál, 2006.

FIELD, Andy; MILES, Jeremy; FIELD, Zoë. Discovering statistics using R. Sage publications, 2012.

VAN DER LINDEN, Wim J.; HAMBLETON, Ronald K. (ed.). Handbook of modern item response theory. Springer Science & Business Media, 2013.

Last update: Esserová Kateřina, DiS. (18.06.2025)

Syllabus

1. NHST paradigma testování hypotéz a jeho alternativy

2. Statistické soubory, výpočet statistické síly

3. Testy založené na porovnávání průměru

4. Analýza četností

5. Analýza vztahů (korelace, regrese)

6. Preregistrace, reportování výsledků, limity statistické analýzy dat

Studijní opory k tématům jsou k nalezení zde:

https://dl2.cuni.cz/course/view.php?id=3828

Last update: Esserová Kateřina, DiS. (18.06.2025)

Learning outcomes

• Vysvětlí základní principy testování hypotéz: Studující vysvětlí základní principy testování hypotéz v průřezových datech, včetně jednoduchých statistických testů, jako je t-test, analýza rozptylu (ANOVA), korelační testy a regresní analýza.

• Aplikují statistické testy pro průřezová data: Studující aplikují základní statistické testy (např. t-test, ANOVA, korelace, jednoduchá lineární a logistická regrese) pro analýzu průřezových dat v rámci konkrétních výzkumných problémů.

• Interpretují výsledky statistických testů: Studující interpretují výsledky statistických testů, vysvětlí jejich význam a uvedou, zda hypotézy byly potvrzeny či zamítnuty.

• Aplikují metody pro longitudinální data: Studující aplikují pokročilejší statistické metody, jako je párový t-test a opakovaná měření ANOVA, k analýze longitudinálních dat.

Last update: Esserová Kateřina, DiS. (18.06.2025)