Metodologia i statystyka Przewodnik naukowego turysty Tom 1

Natalia Józefacka, Aleksandra Arciszewska-Leszczuk, Mateusz F. Kołek, Paweł Iwankowski

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-01-22830-9

DOI:

https://doi.org/10.53271/2022.140

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2023

Liczba stron:

446

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

Józefacka, Natalia; Arciszewska-Leszczuk, Aleksandra; Kołek, Mateusz F.; Iwankowski, Paweł. Metodologia i statystyka Przewodnik naukowego turysty Tom 1. Red. . Warszawa: Wydawnictwo Naukowe PWN, 2023, 446 s. ISBN 978-83-01-22830-9, doi: https://doi.org/10.53271/2022.140

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A1 Józefacka, N.

A1 Arciszewska-Leszczuk, A.

A1 Kołek, M.F.

A1 Iwankowski, P.

T1 Metodologia i statystyka Przewodnik naukowego turysty Tom 1

PB Wydawnictwo Naukowe PWN

PP Warszawa

YR 2023

SN 978-83-01-22830-9

DOI https://doi.org/10.53271/2022.140

Bibliografia BibTex:

@Book{ 296839, author = "Józefacka, Natalia and Arciszewska-Leszczuk, Aleksandra and Kołek, Mateusz F. and Iwankowski, Paweł", editor = "", title = "Metodologia i statystyka Przewodnik naukowego turysty Tom 1", publisher = "Wydawnictwo Naukowe PWN", year = "2023", address = "Warszawa", isbn = "978-83-01-22830-9", doi = "https://doi.org/10.53271/2022.140" }

Bibliografia endNote:

TY - BOOK

AU - Józefacka, Natalia

AU - Arciszewska-Leszczuk, Aleksandra

AU - Kołek, Mateusz F.

AU - Iwankowski, Paweł

ED -

TI - Metodologia i statystyka Przewodnik naukowego turysty Tom 1

PB - Wydawnictwo Naukowe PWN

CY - Warszawa

PY - 2023

SN - 978-83-01-22830-9

ER -

DOI - https://doi.org/10.53271/2022.140

Netografia (standard APA):

Józefacka, Natalia; Arciszewska-Leszczuk, Aleksandra; Kołek, Mateusz F.; Iwankowski, Paweł. Metodologia i statystyka Przewodnik naukowego turysty Tom 1 [baza danych online] Warszawa: Wydawnictwo Naukowe PWN, 2023 [dostęp: 12 09 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/metodologia-i-statystyka-przewodnik-naukowego-turysty-tom-1-natalia-jozefacka-aleksandra-296839. doi: https://doi.org/10.53271/2022.140

metodologia badań psychologicznych, badania eksperymentalne, testowanie hipotez, podstawy statystyki dla psychologów, planowanie badania naukowego, statystyki opisowe, badania korelacyjne, podstawy wnioskowania statystycznego, analiza i interpretacja wyników badań naukowych

Statystyka spędza sen z Twoich powiek? Nie wiesz, co właściwie znaczą cyfry w tych tabelach i jak je interpretować? Planowanie badania naukowego to dla Ciebie enigma, a wizja analizy uzyskanych wyników przyprawia o dreszcze? Wielu studentów twierd...

Więcej

ISBN/ISSN:

978-83-01-22830-9

DOI:

https://doi.org/10.53271/2022.140

Wydawnictwo:

Wydawnictwo Naukowe PWN

Rok wydania:

2023

Liczba stron:

446

XML:ISBN/ISSN:

ONIX MARC21

Przedmowa – Przeczytaj mnie, please…13
CZĘŚĆ 1. METODOLOGIA BADAŃ17
ROZDZIAŁ 1. Wprowadzenie do metody naukowej, czyli samo życie19
1.1. Jeśli nie z internetu, to skąd się bierze wiedza?20
1.1.1. Autorytet21
1.1.2. Empiryzm25
1.1.3. Wnioskowanie25
1.2. Metoda naukowa… czyli jak sobie ugotujesz, tak się najesz!27
1.3. Pseudonauka – gdy zamiast zjeść naleśnik, wydaje ci się, że na nim mieszkasz30
ROZDZIAŁ 2. Proces badawczy, czyli „czy leci z nami pilot?”35
2.1. Symulator lotów naukowych37
2.1.1. Inspiracja38
2.1.1.1. Obserwacja39
2.1.1.2. Przegląd literatury40
2.1.1.3. Autorytet49
2.1.1.4. Ciekawość poznawcza49
2.1.1.5. Szczęśliwy traf!50
2.1.2. Cel badawczy53
2.1.2.1. Cel a problem badawczy55
2.1.3. Pytania i hipotezy badawcze57
2.1.3.1. Pytania badawcze58
2.1.3.2. Hipotezy61
2.1.4. Typ badania64
2.1.5. Model badawczy67
2.1.5.1. Model eksperymentalny69
2.1.5.2. Model nieeksperymentalny74
2.1.6. Operacjonalizacja zmiennych77
2.1.7. Pomiar80
2.1.7.1. Skale pomiarowe80
2.1.7.2. Trafność i rzetelność pomiaru89
2.1.8. Narzędzia94
2.1.9. Grupa badawcza96
2.1.10. Trafność badania98
2.1.10.1. Trafność wniosków99
2.1.10.2. Trafność zewnętrzna99
2.1.10.3. Trafność wewnętrzna100
2.2. Terrain ahead, pull up!…, czyli kiedy naukowiec zderza się z ziemią102
2.2.1. Ostatni przegląd techniczny – checklista przed badaniem106
2.2.2. Procedury awaryjne – jak przygotować się na najgorsze?113
2.2.2.1. Pasażerowie, czyli o przyczynach awarii ze strony badanych113
2.2.2.2. Nieprzewidziana zła pogoda, czyli o nieoczekiwanych okolicznościach zewnętrznych wpływających na przebieg badania116
2.2.2.3. Usterka techniczna, czyli kiedy zawodzą narzędzia117
2.2.2.4. Błąd ludzki, czyli kiedy zawiodłeś jako naukowiec119
2.3. Pierwszy start, czyli realizacja badania w kontekście analizy danych121
2.3.1. Przygotowanie bazy i wprowadzanie danych do analizy122
2.3.1.1. Dane surowe a dane robocze122
2.3.1.2. Specyfika i wygląd roboczej bazy danych123
2.3.1.3. Czyszczenie bazy danych126
2.3.2. Kodowanie danych i tworzenie wskaźników127
2.3.2.1. Kodowanie127
2.3.2.2. Tworzenie wskaźników127
2.3.3. Braki danych128
2.3.3.1. Mechanizmy występowania braków danych129
2.3.3.2. Radzenie sobie z brakami danych134
2.3.4. Cel podróży, czyli wybór testu statystycznego136
2.3.4.1. Testy różnic136
2.3.4.2. Testy związków137
2.3.5. Lądowanie – wnioski z badania i dyskusja138
CZĘŚĆ 2. WPROWADZENIE DO WNIOSKOWANIA STATYSTYCZNEGO145
ROZDZIAŁ 3. Wprowadzenie do testowania hipotez, czyli czy warto zarabiać na statystyce?147
3.1. Populacja vs próba, czyli jak zrobić research na rynku pracy?148
3.1.1. Reprezentatywność grupy149
3.1.1.1. Losowy dobór próby150
3.1.1.2. Liczebność próby153
3.2. Szacowanie, czyli czy statystyka prawdę ci powie?153
3.2.1. Estymacja punktowa156
3.2.2. Parametr i estymator159
3.2.3. Błąd pomiaru i błąd standardowy160
3.2.4. Prawo wielkich liczb161
3.2.5. Optymalna (?) wielkość próby162
3.3. Rozkład, czyli pensja na wykresie164
3.3.1. Histogram165
3.3.2. Rozkład w populacji, w próbie oraz z próby (próbkowania)167
3.3.2.1. Rozkład próbkowania a precyzja pomiaru168
3.3.3. Rozkład normalny170
3.3.3.1. Standaryzacja Z171
3.3.4. Testy statystyczne177
3.3.4.1. Centralne Twierdzenie Graniczne177
3.3.5. Estymacja przedziałowa179
3.4.1. Podejście częstościowe vs Bayesowskie183
3.4. Hipotezy i testowanie, czyli statystyczna „gra o tron”183
3.4.2. Hipotezy statystyczne (zerowa i alternatywna)184
3.4.3. Błąd I i II rodzaju187
3.4.4. Poziom istotności (α) i poziom ufności188
3.4.4.1. Przedziały ufności188
3.4.5. Moc testu190
3.4.6. Statystyka testowa191
3.4.7. Wartość p i wartość krytyczna – istotność statystyczna wyników194
3.4.8. Dobre praktyki i błędy w raportowaniu wyników202
3.4.8.1. Miary siły efektu204
3.4.8.2. Zapis wartości p205
4.1. Statystyczna ruletka213
ROZDZIAŁ 4. Statystyki opisowe, czyli jak rozbić bank?213
4.2. O co zakład?215
4.3. Statystyki opisowe, czyli jak liczyć pieniądze?218
4.3.1. Miary tendencji centralnej219
4.3.1.1. Miara klasyczna – średnia arytmetyczna (M, µ)220
4.3.1.2. Miary pozycyjne – mediana oraz kwantyle227
4.3.1.3. Miary pozycyjne – dominanta (moda)231
4.3.2. Miary rozproszenia234
4.3.2.1. Rozstęp235
4.3.2.2. Wariancja i odchylenie standardowe235
4.3.2.3. Rozstęp miedzykwartylowy (IQR)242
4.3.3. Miary asymetrii i obserwacji odstających244
4.3.3.1. Skośność244
4.3.3.2. Kurtoza246
CZĘŚĆ 3. WYBRANE TESTY STATYSTYCZNE251
ROZDZIAŁ 5. La Familia χ2, czyli o statystycznej mafii253
5.1. Włoska rodzina254
5.1.1. Tabele krzyżowe i sumy brzegowe257
5.1.2. Procenty w tabelach krzyżowych259
5.2. Don, Capo i żołnierze262
5.2.1. Test χ2 niezależności266
5.2.2. Test χ2 zgodności/dobroci dopasowania267
5.2.3. Test McNemara i Q Cochrana268
5.2.3.1. Test McNemara268
5.2.3.2. Test Q Cochrana270
5.3. Żelazne zasady mafii, czyli co należy zrobić, aby przyjęli cię do rodziny271
5.4.1. Standaryzowane i skorygowane reszty Pearsona273
5.4. Jak rozdzielić towar? Wnioskowanie na podstawie χ2273
5.4.2. Współczynniki siły efektu275
5.4.2.1. Interpretacja siły efektu275
5.5.1. Case study – test χ2 niezależności277
5.5. Część praktyczna277
ROZDZIAŁ 6. Test t Studenta…, czyli o matematycznym wzorze na dobre piwo285
6.1. I wtedy wchodzi on… cały na biało, czyli o Studencie słów kilka!286
6.1.1. Badanie małych prób i rozkład t287
6.2.1. Warianty testu t – podobieństwa i różnice291
6.2. Rodzina testów t Studenta, czyli trzech synów matka miała…291
6.2.2. Hipotezy statystyczne dla testów t296
6.2.2.1. Test t dla jednej próby296
6.2.2.2. Test t dla dwóch prób niezależnych296
6.2.2.3. Test t dla dwóch prób zależnych296
6.3. Kryteria stosowania testów t, czyli co musisz założyć, żeby ich użyć…297
6.4. To kto w końcu i kiedy pije najwięcej piwa…, czyli o wnioskowaniu na podstawie wyników testów t310
6.4.1. Miary siły efektu311
6.5. Część praktyczna314
6.5.1. Case study 1 – test t Studenta dla jednej próby315
6.5.2. Case study 2 – test t Studenta dla prób niezależnych318
6.5.3. Case study 3 – test t Studenta dla prób zależnych323
ROZDZIAŁ 7. Analiza wariancji…, czyli what the F?327
7.1. Im więcej, tym weselej…, czyli o ANOVA słów kilka!328
7.2. What the F? Czyli o co chodzi w analizie wariancji?332
7.3. Kryteria stosowania analizy wariancji, czyli powtórka z rozrywki337
7.4.1. Testy post-hoc344
7.4. Co pić, żeby zdać? Czyli o wnioskowaniu na podstawie wyników ANOVA344
7.4.2. Miary siły efektu347
7.5. Część praktyczna349
7.5.1. Case study 1. ANOVA350
ROZDZIAŁ 8. O korelacji…, czyli o najbardziej romantycznej relacji w statystyce!355
8.1. O relacjach w świecie nauki, czyli nie wszystko złoto, co się świeci… na czerwono!356
8.2. Testowanie związku, czyli „Nie czytasz? Nie idę z Tobą do łóżka!”360
8.3. Oczekiwania…, czyli o założeniach analizy korelacji364
8.4. Sztuka interpretacji związku373
8.4.1. Siła i współczynnik determinacji związku374
8.4.2. Przyczynowość i problem trzeciej zmiennej w analizie korelacji376
8.5. Część praktyczna384
8.5.1. Case study 1. Analiza korelacji386
ROZDZIAŁ 9. Regresja, czyli o oglądaniu memów w służbie ego391
9.1. O statystycznej regresji w służbie ego…394
9.2.1. Funkcja liniowa395
9.2. Statystyczne proroctwa, czyli o wróżeniu z liczb i roli Sylvestra Stallone…395
9.2.2. Równanie regresji i jego parametry396
9.2.2.1. Liczby ustalone a i b396
9.2.3. Metoda najmniejszych kwadratów i linia najlepszego dopasowania399
9.2.4. Hipotezy statystyczne401
9.2.5. Analiza wariancji w regresji402
9.2.6. Współczynnik standaryzowany Beta406
9.3. O re(sz)ty! Czyli o założeniach regresji!406
9.4. Wnioskowanie, czyli one meme a day keeps doctor away?421
9.5.1. Case study 1. Analiza regresji423
9.5. Część praktyczna423
9.5.2. Case study 2. Analiza regresji430
Zakończenie435
Bibliografia436
Indeks438
O Autorach440

Wprowadzeniedometodynaukowej,czylisamożycie

terminamijakiUmetodanaukowa"lUeksperyment"lUbadanie"lUdowód"iUargument"u

DodajenawetnazwęUnauka"doniektórychwierzeńipraktyku

Choćniemaprostychregułpozwalającychodróżnićtedwaźródławiedzyoświeciel

wymienioneponiżejcechyczęściejpowinnykojarzyćcisięwłaśniezpseudonaukąu

AzatemlcorobipseudonaukalczeConauceniewypadao

Manipulujewiedzą-powołującsięnaUdowodynaukowe"lzamiastodpowied-

niozgromadzonychiprzeanalizowanychwdużejilościdanychempirycznychl

wybieraopieraniesięnawypowiedziachjakiegośautorytetu(tenmożesięmy-

lićlpamiętasz?)lpojedynczymtekścielubdowodzieanegdotycznym;cowięcejl

wswoichdążeniachposzukujetylkotychdowodówlktórebędądanąteorię

potwierdzać(zjawiskalktóreniepotwierdzajązałożeńltraktowanesąjakoUwy-

jątkipotwierdzająceregułę");zatajarównieżniektóreUniewygodne"informacje

ifaktybądźpoprostujeprzemilczau

Jestniefalsyﬁkowalna-zewzględunabrakmożliwościprzeprowadzeniaba-

dańizastosowaniemetodynaukowejlteoriepseudonaukowesąniemożliwedo

obalenia(ajesttokryteriumnaukowości-przypomnijsobieKarlaPoppera11)u



JestuproszczonaizawierauoCólnienia-częstojesttakmocnozgeneralizowanal

żegłoszonenajejgruncieideemożnaodnieśćdowszystkiego;ichuniwersalność

przytłaczalajednocześniejestUzbytpięknalabymogłabyćprawdziwa"u

Jestwszechwiedząca-wydajesięwszystkotłumaczyćlniemawniejmiejsca

naniepewnośćczykoniecznośćprzeprowadzeniapogłębionychanalizu



Odrzucamożliwośćbyciaocenianąprzezinnychekspertóworazwyłącza

krytycznemyślenie-pseudonaukowcyniepublikująwznanychczasopi-

smachlniepoddająswoichpracnaukowejrecenzji;jeśliwchodząwdysku-

sjęlstosujątechnikimanipulacjimającenacelunierzetelneudowodnienie

swoichracjilnpukontrargumentowanieinterlokutorazapomocąbłędnej

argumentacji;przedstawicielepseudonaukiniepodchodząkrytyczniedo

własnychsposobówtworzeniawiedzy-przyjmująsubiektywneprzekonania

zaobiektywnefaktyu



Wierzylżejestuciśnionaidyskryminowanalwyznajeteoriespiskowe-

żadnaprawdziwanaukaniecierpi12zpowoduswoichodkryć(ba.raczejzysku-

je.)lwprzeciwieństwiedopseudonaukowcówlktórzyzwykle(choćniezawsze.)

mająpoczuciebyciaoﬁaramisystemulrządulkoncernówłWswoimpoczuciu

11KarlPopperlwybitnyﬁlozofnaukilsformułowałkoncepcjęfalsyﬁkacjonizmumówiącąlżeaby

uzasadnićhipotezęlnależypodjąćpróbęjejobaleniauJeżeliniemamożliwościobaleniahipotezyl

wykorzystującmetodęnaukowąloznaczatolżeteoriaktóralzaniąstoiljestpseudonaukowa-

hipotezaniemożebyćsfalsyﬁkowanau

12Coprawdalkilkuświetnychnaukowcówucierpiałolaleostatecznieichpomysłyciesząsię

(coprawdajużpośmiertnie)sławą.

Brak wyników

Metodologia i statystyka Przewodnik naukowego turysty Tom 1

Treść książki

Znajdź bibliotekę blisko siebie, i uzyskaj dostęp do ebooka w systemie IBUK Libra