deskriptívni statistika
pru mer
M =
2>
n
median intervalových četností
Md = Lp + wQ-fp)/fm pozice percentilu
k - nx
P
100
variační rozpětí
(inter)kvartilové rozpětí IQR = Q3-Q1
rozptyl(výběrový)
.2 _
n - 1
Populační s2 = směrodatná odchylka
5 = Js2
transformace skorú Xi-M
Ti = 50 4- 10z£ IQi = 100 + lSzi
pravdepodobnosť
m
P(/ľ)=-n
,n ebo'
P (A U B) = P(/l) + P(ß) - P (A n P)
„a"
P (A n P) = P(/l)xP(P) => pro nezávislé jevy P(4nP) = P(i4) + P(B) -P{A u P) => pro závislé jevy
šance
0(A) =
P (A)       P (A)
P(A')    1 - P (A)
poměr šancí
Oi
podmíněna pravděpodobnost
P(A n P)
celý bayesův teorém P(A)-P(B\A) P (A) ■ P(B\A) + P(A) ■ P(B\A)
korelace
kovariance
t?=1(.xt-Mx)(yt-My)
n-1
pearsonův korelační koeficient
'-xy sx sy
r*y n_i -alternativa
V["I>2-(I>)2] [nEy2 -(Ey)2]
parciálni korelace
rBC ~ (.rBA ' rcÄ)
rBC.A —
semiparcialni korelace
rBCC.i4) -
Cj4
spearmanuv korelační koeficient
ľs n • (n2 - 1)
kendalův koeficient pořadové korelace
t =
n(n - 1)    /ŕ + D
vnitrní konzistence
/c - TW
"    l + Cfc-l)Tm
test signifikance pearsonova korelačního koeficientu
HO: p=0: NORM.S.dist (Z/sz; 1) HO: p=c: NORM.S.dist(Dz/sz; 1) Dz = FISCHER (r) - FISCHER (c)
lineárni regrese
Y = Y' + e= % + e Y' = a + bx
a = my — bmx
Zv=r*zx
úspešnosť predikce
l(My-Y')2
-2      _ „2 _
Sreg - Sy, -       „ _ j
ŕ\2
~2    _ p2 —.
n -1
c2 c2 5y2 ^/2
Syt--^ P^
5y       ^reg "í~ ^res     ^y' "í" sres — se — 5k2(1 — ^2)
d = 2r /Vľ^T^
indukce
v = df
pro prumer směrodatná chyba
interval spolehlivosti
CI = M ± (žeru • am) Cl = M± (tcrit ■ sm)
t:T.INV(l-a/2; df)
z: NORM.S.INV (1 - a/2; 0; 1)
pro korelaci směrodatná chyba
S7 =
fisherovo z
1    /l + r\ 2 = FlSHER(r) = - In (y—
interval spolehlivosti
C/ = FISHERINV(Z ± (zcrit ■ sz))
z: NORM.S.INV (1 - a/2; 0; 1)
0?
CH l-KVADRAT TEST DOBRÉ SHODY
funkce: 1-CHISQ.DIST (xA2, df, 1)
t-test
projeden výběr
X2 = Iii
	a	s
SE		Sm = 7Ň
df	—	df = n-l
	m — ji	m — u
t	z =-	t =-
		Sm
funkce	2*(l-NORM.S.DIST(z))	2*{l-T.DIST{t;df;l))
npi
df = k-l
Fe
TEST HOMOGENITY
my =
nÉ.n.
?i
pro dva nezávisle vybery
SE	I1 1 sd     spooled 1      < „
df	d/ = ri! + n2 — 2
	m1 — m2 d
t	t =- —
	
funkce	2*(l-T.DIST(t;df;l))
	d
ES	Cohenovo d =-
	Spooled
Spooled
n1 + n2 — 2
Když ni=n2 lze použít spooíed =
pro dva závisle vybery
ň+4
Sd	Spooled Sd~ Viv
df	d f = n — 1
t	mi — m2 d t = —-- = — sd sd
funkce	2*(l-T.DIST{t;df;2))
ES	d Cohenovo d =- Spooled
Spooled - Jsl + S2 — 2r
Cl = {d±t- sd)
prevody cohenovad
ď =
ml — m2 Scontrol
r =
d2 + 4
; d =
2 r
vr
v2_ys    vr    (njj-mjj)2 _    fc (Fo-Fe)2
Fe
d/ = (r-D(s-l)
STANDARDIZOVANÁ REZIDUA
/í
riij-TRij foij-feij
Síla vztahu v kontingenční tabulce
-tabulka 2x2   Phí    cp = ^
- tabulka 3x3 a více Pearson C = (ve čtvercových tabulkách)
X2+n
tabulka r x s Cramerovo V =
fn(ft-l)
Výběrové rozložení relativní četnosti p
SD:Vp(l-p)/JV
Cl: (p- + zi.Q/zxSD)    Cl: p±2op.
Pravděpodobnost výskytu alespoň 1 chyby l.typu u k nezávislých srovnání     p = 1 — (1 — á)K
p(a|b)
p{b|a) p(a) p(b)
permutace n prvk_u: n!
kombinace r prvku z n-prvkove množiny: n! / (r! (n-r)!)
Md=X(W+l)/2   X=liché      =X(/V/2+((N+i;/2)/2 X=sudé
ZNAMÉNKOVÝ TEST
z = (2Z+ - n)/Vh
P=2*(1-NORM.S.DIST(z)) MEDIÁNOVÝ TEST
(ad - bc)4n ,J(a+b)(b + d)(a + c)(c + d)
	Sk A	Sk B	I
<Md	s	b	3+b
>Md	c	d	c+d
I	a+c	b+d	n