SEMESTRÁLNÍ KURZ: Statistická analýza dat v praxi

- od pojmů k interpretaci výsledků

Termín:
  • 7. 3. - 13. 6. 2025
  • (9:00 - 12:15 hodin)
Forma:
  • prezenční: Krakovská 7, Praha 1
  • online: aplikace MS Teams
Cena:39 900 Kč / 1 600 € + DPH
Cena s videozáznamem:
  • 53 200 Kč / 2 130 € + DPH
  • (dostupnost videozáznamu 3 měsíce)
Úroveň:základní
Jazyk:český
Počet dnů:
  • 14 půldenních lekcí
  • (56 výukových hodin)
  • vždy v pátek dopoledne

ÚVOD

Semestrální kurz nabízí statistické metody od základních měr po vícerozměrné. V průběhu čtrnácti lekcí porozumíte významu a praktické hodnotě pojmů a postupů analýzy dat. Projdete výukou praktického využití a interpretace výsledků. Cílem je proniknout do podstaty analytické práce a předat konkrétní metody analýzy dat.

CÍL VZDĚLÁVACÍHO PROGRAMU

Poskytnout přístupnou formou znalost statistiky a analýzy dat a osvojení si metod jednorozměrné a vícerozměrné statistiky. Důraz ve výuce je kladen na pochopení významu statistických metod a pojmů, na řešení praktických statistických úloh a na správnou interpretaci výsledků.

KURZ JE URČEN

Odborným pracovníkům, kteří používají analytické výstupy, realizují statistické analýzy dat nebo tato témata vyučují. Ve dvacetileté praxi tohoto kurzu byli jeho účastníky především marketingoví specialisté, vysokoškolští učitelé a vědečtí pracovníci, lékaři, odborníci, kteří využívají či realizují výzkumy, pracují v oboru kontroly a řízení kvality, personalisté, analytici ve státní správě, v ekonomické oblasti a v oborech využívajících komplexní přístupy k datům.

PŘEDPOKLADY

Statistické znalosti ani praxe s analýzou dat se nepředpokládají. V kurzu se buduje analytický systém pojmů, metod a aplikací od začátku. Výpočty se provádějí pomocí systému IBM SPSS Statistics, jeho znalost však není nutná. Výuka zahrnuje pokročilé metody, při kterých je nutné používat počítač se softwarem IBM SPSS Statistics.

PŘÍNOS ÚČASTI NA KURZU

Účastníci získají ucelený přehled nejčastěji užívaných postupů analýzy dat, které lze aplikovat bez ohledu na užívaný statistický software. Osvojí si základy pro analytickou práci a mnoho užitečných způsobů a postupů analýzy dat pro praxi.

POPIS OBSAHU A POSTUPU

Výuka probíhá od zavedení a vysvětlení pojmů a uvedení postupů k rozboru jejich významu a interpretaci výsledků. V průběhu kurzu mohou účastníci prezentovat své vlastní analýzy a kolektivně je rozebírat. Praktické ukázky výstupů tvoříme jednoduchou počítačovou cestou v programu IBM SPSS Statistics. Tento program bude po dobu trvání kurzu zájemcům bezplatně zapůjčen.

PROGRAM KURZU

  • 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
  • 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
    • seskupování případů z hlediska datového profilu, typ a typologie, segmenty trhu, analýza a interpretace typů
  • Kontingenční tabulky
    • základní zobrazení souvislosti dvou proměnných, různé formy procent, Chi-kvadrát test nezávislosti, kontingenční koeficient, znaménkové schéma v kontingenčních tabulkách

Ve výjimečných případech změna programu vyhrazena dle zaměření
a zkušeností dané skupiny účastníků.