Metody statystyczne są powszechnie wykorzystywane do planowania i interpretacji wyników badań naukowych. Przeprowadzenie poprawnej pod względem metodologicznym analizy statystycznej nie jest jednak proste. Powszechność i łatwość posługiwania się oprogramowaniem statystycznym powoduje, że analiza jest często wykonywana ,,automatycznie”. Możemy łatwo otrzymać wynik analizy, nie do końca wiedząc, jakie narzędzia statystyczne zostały wykorzystane i czy są one adekwatne. Zaplanowanie badania i poprawna interpretacja wyników analizy statystycznej wymaga również niezbędnej wiedzy w zakresie statystyki. Niestety, statystykę ciągle uważa się za zbyt skomplikowaną i niezrozumiałą dziedzinę.

Uczestnicząc w naszym szkoleniu zdobędziesz umiejętność posługiwania się podstawowymi technikami statystycznymi. Dowiesz się m.in. jak prawidłowo zaplanować badanie naukowe i jak uniknąć błędów na etapie analizy zgromadzonych danych. Szczególna uwaga poświęcona będzie optymalnemu doborowi metod (testów) statystycznych, wraz ze sprawdzeniem założeń dotyczących ich stosowalności. W czasie szkolenia położymy też nacisk na poprawną interpretację wyników analizy. Po zakończeniu szkolenia będziesz wiedział, jak przeprowadzić poprawną pod względem metodologicznym analizę statystyczną. Zwiększy to wiarygodność Twoich badań i może wpłynąć na ich pozytywną ocenę przez środowisko naukowe!


Czego się nauczysz?

  • Zdobędziesz praktyczne umiejętności posługiwania się podstawowymi technikami statystycznymi.
  • Poznasz najważniejsze zasady planowania badania statystycznego.
  • Nauczysz się dobierać odpowiednie metody i testy statystyczne do opracowania wyników badań.
  • Nauczysz się prezentować graficznie wyniki badań i wyciągać wnioski z zestawień.
  • Poznasz najważniejsze testy statystyczne.
  • Nauczysz się jak budować i interpretować modele regresji liniowej.
  • Wszystko przećwiczysz w praktyce na komputerze: używamy systemu R.
  • Otrzymasz obszerne materiały umożliwiające samodzielną późniejszą pracę.


Dla kogo jest to szkolenie?

Dla pracowników naukowych i doktorantów wykorzystujących lub chcących wykorzystywać metody statystyczne w opracowaniu wyników badań.


Skrót programu szkolenia

  • Podstawowe pojęcia statystyki
  • Analiza opisowa i przygotowanie danych do analiz
  • Podstawy teoretyczne metod statystycznych
  • Testowanie hipotez statystycznych — wprowadzenie
  • Podstawowe testy statystyczne dla jednej lub dla dwóch populacji
  • Wprowadzenie do analizy wariancji (ANOVA)
  • Badanie zależności występujących między zmiennymi
  • Model regresji liniowej
  • Testy nieparametryczne
  • Stosowanie metod statystycznych w opracowaniu wyników badań — najważniejsze zagadnienia praktyczne


Program szkolenia

  1. Podstawowe pojęcia statystyki
    • Czym jest statystyka?
    • Populacja i próba statystyczna
    • Pomiar i skale pomiarowe
    • Rodzaje cech statystycznych -– cechy jakościowe i ilościowe
    • Planowanie eksperymentu naukowego — podstawowe zasady
    • Główne schematy badań statystycznych
    • Typowe błędy związane ze stosowaniem metod statystycznych w badaniach naukowych
  2. Analiza opisowa i przygotowanie danych do analiz
    • Prezentacja graficzna wyników pomiarów (histogramy, wykresy słupkowe i kołowe, wykres pudełkowy, wykresy rozrzutu i inne)
    • Podstawowe wskaźniki sumaryczne i ich własności (miary: położenia, rozproszenia, symetrii i koncentracji)
    • Przygotowanie danych do analiz (wybór podzbiorów, grupowanie, standaryzacja, proste przekształcenia)
    • Problem jakości danych: obserwacje brakujące i nietypowe
  3. Podstawy teoretyczne metod statystycznych
    • Elementy rachunku prawdopodobieństwa
    • Najważniejsze zmienne losowe dyskretne i ciągłe oraz ich rozkłady
    • Estymacja parametrów
    • Przedziały ufności
    • Dopasowanie odpowiedniego rozkładu do danych
  4. Testowanie hipotez statystycznych — wprowadzenie
    • Idea testowania hipotez (hipoteza zerowa i alternatywna, istotność statystyczna)
    • Ogólny schemat weryfikacji hipotezy statystycznej
    • Błąd pierwszego i drugiego rodzaju
    • Moc testu
    • Testy jednostronne i dwustronne
    • Rodzaje testów statystycznych (testy istotności, zgodności i niezależności).
    • Związek między testami i przedziałami ufności
  5. Podstawowe testy statystyczne dla jednej lub dla dwóch populacji
    • Testy istotności dla wartości średniej (test t Studenta — różne warianty)
    • Testy istotności dla wariancji
    • Testy istotności dla proporcji
    • Wybrane testy zgodności (test chi-kwadrat, test Kołmogorowa-Smirnowa, testowanie normalności rozkładu)
  6. Wprowadzenie do analizy wariancji (ANOVA)
    • Założenia i warunki stosowania analizy wariancji
    • Jednoczynnikowa analiza wariancji
    • Dwuczynnikowa analiza wariancji
    • Porównania wielokrotne
  7. Badanie zależności występujących między zmiennymi
    • Badanie związku między zmiennymi — przypadek różnych skal pomiarowych
    • Ocena zależności dwóch zmiennych ilościowych: współczynnik korelacji i wykres rozrzutu
    • Statystyczne testy istotności korelacji
    • Analiza korelacji wielu zmiennych (macierze korelacji)
    • Zależności nieliniowe między zmiennymi
    • Typowe błędy popełniane przy badaniu zależności między zmiennymi
  8. Model regresji liniowej
    • Prosty model regresji liniowej: założenia i interpretacja modelu
    • Dopasowanie i diagnostyka modelu (analiza wartości resztowych)
    • Porównanie i wybór najlepszego modelu
    • Regresja wielokrotna
    • Wybór zmiennych do budowy modelu
    • Wykorzystanie dopasowanego modelu do prognozowania
    • Ograniczenia w analizie regresji liniowej
  9. Testy nieparametryczne
    • Testy dla porównania dwóch niezależnych prób (test serii Walda-Wolfowitza, test U Manna-Whitneya)
    • Testy dla dwóch prób zależnych (test znaków, test kolejności par Wilcoxona, test McNemara)
    • Testy do porównania więcej niż dwóch prób (test Kruskala-Wallisa)
    • Korelacje nieparametryczne (współczynnik korelacji Spearmana, współczynnik Kendalla)
  10. Stosowanie metod statystycznych w opracowaniu wyników badań — najważniejsze zagadnienia praktyczne
    • Dobór próby (oszacowanie właściwej liczebności próby)
    • Wybór odpowiednich przekształceń wstępnych dla danych (transformacje związane z normalizacją rozkładu, usuwanie obserwacji odstających)
    • Dobór właściwych metod statystycznych (testów)

Spróbuj ponownie