|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
PCH / MVSM
:
Popis předmětu
Pracoviště / Zkratka
|
PCH
/
MVSM
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Vícerozměrné statistické metody
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
3
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Seminář
24
[HOD/SEM]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
50 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
PCH/VSMM
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem kurzu je seznámit studenty s rozmanitými metodami statistického zpracování vícerozměrných dat. Studenti se budou během semestru setkávat s konkrétními projekty, kde byly rozmanité metody použity, a sami si jejich využití vyzkouší na svých vlastních datech.
|
Požadavky na studenta
|
Student je hodnocen známkou odvozenou od počtů bodů, které získal během semestru. Body lze získat dvěma způsoby:
1) Odevzdáním zprávy dokumentující použití některé z metod mnohorozměrné statistiky.
2) Zhodnocením zpráv svých spolužáků.
Semestr je rozdělen na 4 období. V každém období student může (ale nemusí) odevzdat jednu zprávu. Každá odevzdaná zpráva je hodnocena 0 až 4 body. Počet bodů, které student za zprávu obdrží, je závislý na tom, jak zprávu hodnotili ostatní studenti a případně též vyučující. Zprávy jsou hodnoceny z hlediska propracovanosti (sofistikovanosti, originality, správnosti) a didaktické kvality (přehlednosti, srozumitelnosti, poučnosti).
Po skončení každého období je každému studentovi anonymně přiděleno pět odevzdaných zpráv. Pokud tyto zprávy student ohodnotí, může za dané období získat jeden bod navíc (bez ohledu na to, zda v daném období nějakou zprávu sám odevzdal nebo ne). Tento extra bod dostává pouze část studentů. Kritériem je to, zda se hodnocení, která student udělil, shoduji s hodnocením dalších studentů. Studenti, kteří hodnotí přesněji, tak mají vyšší šanci, získat extra bod, ač zde nelze vyloučit vliv náhody, proto není doporučeno se na tento zdroj bodů spoléhat. Pozor! Aby student obdržel za dané období body za svou zprávu, musí odeslat své hodnocení zpráv svých spolužáků (pokud tak neudělá, získá 0 bodů).
Body jsou na konci semestru převedeny na známky následujícím způsobem: 8-20 b. = A, 7 b. = B, 6 b. = C, 5 b. = D, 4 b. = E, 0-3 b. = F.
|
Obsah
|
Během kurzu bubou studentům představeny tyto metody:
- Pokročilé dovednosti při budování regresních modelů (nelineární vztahy, nominální regresory, interakce)
- Modely se smíšenými efekty
- Hotellingův test, MANOVA a MANCOVA
- Log-normální regrese
- Logistická regrese
- Poissonovská regrese
- Shluková analýza (metoda k průměrů a hierarchické shlukování)
- Analýza kanonických korelací
- Další metody dle zájmu studentů a vyučujícího.
V rámci projektů se studenti budou moct setkat s dalšími postupy, z nichž řadu znají z jiných předmětů. Například:
- Rozmanité lineární regresní modely
- Exploratorní faktorová analýza a metoda hlavních komponent
- Strukturní modelování a konfirmatorní faktorová analýza
- IRT modely, DIF analýza
- ROC analýza
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Doporučená:
Hendl, J. (2012). Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál.
-
Doporučená:
Urbánek, T., Denglerová, D., & Širůček, J. (2011). Psychometrika: měření v psychologii. Praha: Portál.
-
Doporučená:
Martin, P. R., Bateson, P. P. G., & Müller, I. (2009). Úvod do teorie a metodologie měření chování. Praha: Portál.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Domácí příprava na výuku
|
30
|
Účast na výuce
|
4
|
Příprava na zkoušku
|
20
|
Celkem
|
54
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
Znalost popisné a inferenční statistiky. Orientace v problematice lineárních modelů (regresní analýza). |
Získané způsobilosti |
Studenti získají přehled v metodách mnohorozměrné analýzy dat a sami si některé postupy vyzkouší. |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Demonstrace
- Projekce (statická, dynamická)
|
Hodnotící metody |
- Ústní zkouška
- Analýza výkonů studenta
|
|
|
|