Kurz: Statistická analýza dat v praxi

1 hodnocení

Praha, Nové Město

1 hodnocení

On-line výuka
Vysoká odbornost a zkušenosti lektorů
Praktické příklady a úlohy

Co nabízíme

Kurz Statistická analýza dat v praxi - od pojmů k interpretaci výsledků obsahuje:

15 půldenních lekcí vždy v pátek dopoledne, on-line
termín: 5.3. - 18.6.2027.

Účastníci kurzu získají ucelený přehled o nejčastěji využívaných postupech analýzy dat, které je možné aplikovat bez ohledu na statistický software. Seznámíte se s základy pro analytickou práci a statistickými metodami od základních měr po vícerozměrné.

Základní pojmy statistické analýzy dat:

definice a rozbor statistických pojmů, typy statistických analýz, inference, explorační techniky.

Popisné statistiky:

popis statistických dat (tabelace, grafické znázornění) – jak vytvářet statistické tabulky a grafy.

Měření úrovně a heterogenity dat:

momentové a kvantilové míry: průměry, mediány, kvartily, decily, rozptyl, měření vnitřní heterogenity souboru,
grafy rozptýlení dat (box-ploty) a grafy rozptylu,
konfidenční intervaly.

Testování hypotéz a intervaly spolehlivosti:

neurčitost v datech – rozhodování za neurčitosti, statistické hypotézy, jejich přijímání a zamítání.

Testy hypotéz o průměrech (t-testy).

Analýza průměrů ve skupinách:

jednoduchá analýza rozptylu, porovnání skupinových průměrů a rozptylů, spojování skupin se stejnou úrovní vlastnosti, apriorní komparace (kontrasty), aposteriorní seskupování podle jedné a více proměnných (postupné vyhledávání interakcí na stromech),
vícefaktorová analýza rozptylu.

Kontingenční tabulky:

základní zobrazení souvislosti dvou proměnných, různé formy procent, Chi-kvadrát test nezávislosti, kontingenční koeficient, znaménkové schéma v kontingenčních tabulkách.

Korelační analýza:

lineární korelace, práce s korelační maticí, vlastnosti korelačních měr,
parciální korelace, řetězení vlivů, společná příčina dvou vlastností (nepravé korelace),
korelační grafy,
korelace a kauzalita.

Regresní analýza:

lineární regresní analýza, interpretace regresní přímky, popis, vysvětlení a predikce,
nelineární vztahy,
vícenásobná regresní analýza; metody výběru regresorů v rovnici; určení kvality modelu regresního vztahu.

Faktorová analýza:

latentní vlastnosti a jejich indikace, faktory ovlivňující korelační matici, faktorová řešení, rotace, zobrazení faktorů, interpretace, uložení a analýza faktorů.

Seskupovací metody, segmentace a vytváření typologií: