Statystyka

podstawowy

K_W06

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 oraz zakresu ich użyteczności.

Efekty kształcenia:

1.Wiedza - student potrafi wskazać różnice pomiędzy teorią estymacji i wnioskowaniem statystycznym. Zna pojęcia: hipotezy zerowej i alternatywnej, prostej i złożonej. Potrafi zdefiniować błędy, jakimi obciążone jest wnioskowanie statystyczne oraz wyjaśnić relację między nimi, między błędami i mocą testu oraz ich związek z wielkością próby.

Umiejętności - student potrafi skonstruować przedział ufności dla wartości oczekiwanej populacji oraz wariancji zmiennej oraz sformułować wnioski probabilistyczne na temat wartości rozważanych parametrów. Student potrafi dobrać właściwy test do weryfikacji konkretnej hipotezy zerowej (dotyczącej wartości oczekiwanych), ale też potrafi dokonać wyboru między testem jedno- i dwustronnym.

Kompetencje - rozwiązując konkretne zagadnienia empiryczne, student potrafi podjąć właściwe decyzje w kwestii wyboru określonego poziomu istotności i wielkości prób.

2. Wiedza – student zna logiczno-statystyczne podstawy jednowymiarowej, jednoczynnikowej analizy wariancji i rozumie sens ich stosowania. Potrafi dokonać charakterystyki tego modelu: 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 modelem analizy wariancji prostej 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.

3. 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.

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 - 24 godziny

udział w ćwiczeniach - 16 godzin

konsultacje - 5 godzin

przygotowanie do wykładu - 35

przygotowanie do ćwiczeń - 35

przygotowanie do kolokwium - 30

przygotowanie do egzaminu - 35

SUMA GODZIN = 180 (180 : 30 = 6)

LICZBA ECTS - 6