Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie - Centralny System Uwierzytelniania
Strona główna

Statystyka 2

Informacje ogólne

Kod przedmiotu: WF-PS-STA2
Kod Erasmus / ISCED: 14.4 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (brak danych)
Nazwa przedmiotu: Statystyka 2
Jednostka: Instytut Psychologii
Grupy:
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Obowiązkowy poprzednik:

Statystyka 1 WF-PS-STA1

Poziom przedmiotu:

podstawowy

Symbol/Symbole kierunkowe efektów uczenia się:

K_W06

K_U06

Pełny opis:

Założenia i cele:

Podane w I semestrze

Forma zaliczenia: egzamin pisemny lub ustny

Warunki zaliczenia: podane w pierwszym semestrze

Treści programowe:

1. Pojęcie efektu interakcyjnego wybranej pary poziomów dwu czynników kontrolowanych w badaniu. Analiza wariancji dwuczynnikowa. Pojęcie kontrastu parametrów I i II rzędu.

2. Miara siły zależności liniowej r-Pearsona (całkowitej). Korelacja liniowa i krzywoliniowa. Regresja liniowa prosta. Pojecie współczynnika determinacji.

3. Miara siły zależności cząstkowej dwu zmiennych mierzalnych i miara korelacji wielokrotnej. Pojęcie współczynnika determinacji cząstkowej i wielokrotnej.

4. Model regresji wielokrotnej. Kryteria doboru zmiennych objaśniających (pojęcie katalizy i współliniowości zmiennych objaśniających, oraz metody niwelowania wpływu tych zjawisk na rozwiązanie- opisowo.

5. Badanie niezależności dwu zmiennych porządkowych. Test tau-Kendalla.

6. Rozkład prawdopodobieństwa chi-kwadrat. Test chi- kwadrat.

7. Badanie niezależności dwu zmiennych nominalnych. Miary siły kontyngencji fi-Yule'a i C-Pearsona.

8. Badanie normalności rozkładu zmiennej przy dużej próbie; test chi-kwadrat.

9. Badanie normalności rozkładu zmiennej przy małej próbie; test Shapiro-Wilka.

10. Nieparametryczna analiza wariancji przy k próbach niezależnych; test H-Kruskala-Wallisa.

11. Nieparametryczna analiza wariancji przy k próbach zależnych; test S-Friedmana.

12. Test badania zgodności dwu porządków (skale mierzalne i niemierzalne); test U-Manna-Whitneya dla małych prób; test D-Kołmogorowa-Smirnowa dla dużych prób.

13. Test badania zgodności k porządków; test W-Kendalla. Uwagi krytyczne. Wskaźniki Aranowskiej.

14. Test badania zgodności dwu rozkładów (próby zależne); test Mc Nemary dla dwu zmiennych dychotomicznych ; test Q-Cochrana dla k zmiennych dychotomicznych. Uwagi krytyczne.

15. Analiza czynnikowa-na bardzo ogólnym, pojęciowym poziomie.

Literatura:

Lektury obowiązkowe:

Podane w I semestrze

Literatura dodatkowa:

Podane w I semestrze

Efekty kształcenia i opis ECTS:

Statystyka odgrywa poważną rolę w ustalaniu praw empirycznych w naukach społecznych. Stanowi ona odrębną dyscyplinę wiedzy w tym sensie, że ma swoją własną tożsamość z dużym repertuarem technik wywodzących się z pewnych zasad podstawowych. Technik tych jednakże nie wolno używać w sposób bezrefleksyjny. Statystyka jest bardziej sposobem myślenia czy też wnioskowania aniżeli zbiorem użytecznych recept, które po zastosowaniu do danych, umożliwiają uzyskanie odpowiedzi na postawione pytania.

Użytkownik metod statystycznych winien nie tylko dysponować niezbędną wiedzą na temat podstaw logicznych tych metod i ograniczeń związanych z ich stosowaniem, a także musi on nabyć koniecznej praktyki, aby umieć dokonać wyboru metody właściwej w danej sytuacji oraz wprowadzić odpowiednie modyfikacje w razie potrzeby. Warto zauważyć, iż metodologia statystyki zależna od rozumowania indukcyjnego, nie jest w pełni skodyfikowana ani też wolna od kontrowersji. Różni użytkownicy mogą dochodzić do odmiennych wniosków, analizując ten sam zbiór danych. Zwykle istniejące dane zawierają więcej informacji niż można ujawnić za pomocą dostępnych narzędzi statystycznych. To, w jakim stopniu użytkownikowi uda się wydobyć te informacje, zależy nie tylko od jego wiedzy, ale również od wprawy i doświadczenia. Czyni to statystykę sztuką polegającą na dokonywaniu trafnych wyborów. Niełatwo jest dokonywać takich wyborów bez rzetelnej wiedzy na temat podstaw wybranych metod statystycznych, tak jedno-, jak i wielowymiarowych, oraz kryteriów wyboru odpowiedniej metody analizy. Niełatwo jest także wykorzystywać te metody w kompetentny sposób bez znajomości ich ograniczeń oraz uprawnionych (bądź nie) interpretacji uzyskanych rezultatów analizy. Psycholog powinien zatem dysponować nie tylko znajomością najczęściej wykorzystywanych w psychologii metod statystycznej analizy danych i warunków ich stosowania, ale także umiejętnością dokonania wyboru metody optymalnej z punktu widzenia postawionego problemu badawczego i w kontekście zgromadzonych danych. Program nauczania semestru drugiego obejmuje problematykę metod statystycznej analizy danych, zarówno jedno-, jak i wielowymiarowych, oraz zakresu ich użyteczności.

Efekty kształcenia:

1.Wiedza – student zna logiczno-statystyczne podstawy jednowymiarowej, jedno- i dwuczynnikowej analizy wariancji i rozumie sens ich stosowania. Potrafi dokonać charakterystyki tych modeli: przedstawić postać hipotezy zerowej i alternatywnej, podać niezbędne do ich aplikacji założenia i uzasadnić konieczność ich przyjmowania, wskazać konsekwencje pogwałcenia założeń, zna postać statystyki testowej i jej liczbę stopni swobody oraz jej rozkład prawdopodobieństwa. Zna pojęcie efektu głównego. Potrafi wyjaśnić, co to jest interakcja. Zna testy porównań wielokrotnych i wskaźniki wielkości efektu wykorzystywane w modelach ANOVA. Rozumie ideę modelu MANOVA.

Umiejętności – student umie poprawnie posłużyć się modelami analizy wariancji i uzasadnić decyzję o wyborze konkretnego modelu analizy do analizy danych. Poprawnie interpretuje otrzymane wartości statystyk. Potrafi poprawnie zinterpretować i zilustrować efekt interakcji. Potrafi sformułować bądź rozpoznać problem badawczy właściwy dla zastosowania tych metod.

Kompetencje – student potrafi wyjaśnić istotę modeli analizy wariancji. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tych metod oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

2. Wiedza – student potrafi wyjaśnić, co to jest kowariancja. Zna współczynnik korelacji (całkowitej) r-Pearsona i założenia umożliwiające jego wykorzystanie. Wie, jak wygląda rozkład prawdopodobieństwa tego współczynnika oraz zna jego liczbę stopni swobody. Rozumie czym, jest współczynnik determinacji r2. Potrafi podać postać równania regresji liniowej prostej i wyjaśnić, czym są współczynniki a i b w równaniu regresji. Zna założenia modelu oraz ograniczenia jego stosowania. Potrafi wyjaśnić, co to jest reszta regresji. Zna metodę najmniejszych kwadratów. Znane jest mu rozróżnienie modeli liniowych i nieliniowych.

Umiejętności – student potrafi posłużyć się współczynnikiem korelacji (całkowitej) r-Pearsona oraz poprawnie zinterpretować siłę i kierunek otrzymanej zależności. Potrafi przedstawić graficznie jego rozkład prawdopodobieństwa. Potrafi poprawnie zinterpretować uzyskaną wartość współczynnika determinacji r2. Potrafi zbudować równanie regresji prostej, wyznaczyć wartości współczynników i zinterpretować uzyskane rozwiązanie. Potrafi sformułować bądź rozpoznać problem badawczy właściwy dla zastosowania tych metod.

Kompetencje – student potrafi wyjaśnić istotę związku pomiędzy dwiema zmiennymi w kategoriach formy funkcjonalnej tego związku. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tych metod oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

3. Wiedza – student zna pojęcie korelacji wielokrotnej oraz cząstkowej. Potrafi wyjaśnić, czym jest współczynnik determinacji wielokrotnej i cząstkowej. Potrafi podać postać równania regresji wielokrotnej. Zna założenia konieczne do aplikacji tego modelu. Rozumie różnice pomiędzy cząstkowymi współczynnikami b w równaniu regresji i wagami beta. Potrafi scharakteryzować sposoby maksymalizacji wartości współczynnika determinacji wielokrotnej. Wie na, czym polega zjawisko współliniowości w zbiorze predyktorów oraz efekt katalizy.

Umiejętności – student potrafi zbudować równanie regresji wielokrotnej, wyznaczyć wartości cząstkowych współczynników w równaniu regresji i zinterpretować uzyskane rozwiązanie. Potrafi wyznaczyć wartości współczynnika korelacji i determinacji wielokrotnej oraz współczynnika korelacji i determinacji cząstkowej, a także poprawnie je zinterpretować. Potrafi porównać ze sobą znane mu współczynniki korelacji. Potrafi sformułować bądź rozpoznać problem badawczy właściwy dla zastosowania modelu regresji wielokrotnej. W przypadku konkretnego problemu wielozmiennowego student potrafi dokonać wyboru pomiędzy modelami analizy wariancji i regresji oraz uzasadnić swój wybór.

Kompetencje – student potrafi wyjaśnić problem przewidywania wartości jednej zmiennej na podstawie większej liczby innych zmiennych w kategoriach formy funkcjonalnej tego związku. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tej metody oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

4. Wiedza – student zna rozkład prawdopodobieństwa chi-kwadrat. Zna zastosowania testu chi-kwadrat. Potrafi przedstawić dla tego modelu postać hipotezy zerowej i alternatywnej, podać niezbędne do jego aplikacji założenia, zna postać statystyki testowej i jej liczbę stopni swobody oraz jej rozkład prawdopodobieństwa. Zna miary kontyngencji.

Umiejętności – potrafi przedstawić graficznie rozkład prawdopodobieństwa chi-kwadrat dla różnej liczby stopni swobody. Potrafi zbudować tabelę wielodzielczą. Potrafi poprawnie posłużyć się testem chi-kwadrat. Potrafi trafnie wybrać i wyznaczyć współczynnik kontyngencji oraz zinterpretować jego wartość.

Kompetencje – student potrafi wyjaśnić istotę zależności między dwiema zmiennymi klasyfikacyjnymi. Ma świadomość wagi koniecznych do spełnienia założeń. Potrafi krytycznie ustosunkować się do wyników otrzymanych za pomocą tej metody oraz ich interpretacji, wskazując na zalety i braki konkretnej analizy.

ECTS:

udział w wykładzie - 30 godzin

udział w ćwiczeniach - 30 godzin

konsultacje - 5 godzin

przygotowanie do wykładu - 20 godzin

przygotowanie do ćwiczeń – 30 godzin

przygotowanie do kolokwium - 30 godzin

przygotowanie do egzaminu – 35 godzin

SUMA GODZIN = 180 (180 : 30 = 6)

LICZBA ECTS - 6

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.
ul. Dewajtis 5,
01-815 Warszawa
tel: +48 22 561 88 00 https://uksw.edu.pl
kontakt deklaracja dostępności USOSweb 7.0.2.0-1 (2024-03-12)