Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK.

Podobné prezentace


Prezentace na téma: "MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK."— Transkript prezentace:

1 MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK

2 Závislost - korelace  vyjádření vzájemné souvislosti dvou nebo více jevů.  kondice a klidová tepová frekvence  tělesná výška a tělesná hmotnost  úroveň silových schopností a výsledky běhu na 100m  výška a rozpětí paží  hledání skrytých souvislostí, vazeb, příčin,...

3 Typy závislostí fyzikální

4 Typy závislostí statistická

5 Typy závislostí lineárnínelineární

6 Typy závislostí těsnávolná

7 Typy závislostí pozitivnínegativní

8 Velikost závislosti koeficient korelace  mezní hodnoty -1 a 1 značí absolutní závislost  hodnota 0 značí absolutní nezávislost

9 Vyjádření závislosti  různé druhy korelačních koeficientů  použití se liší podle druhu dat, typu závislosti a typu rozložení  nejčastěji používané:  Pearsonův koeficient součinové korelace  Spearmanův koeficient pořadové korelace

10 Pearsonův koeficient součinové korelace  použití v případě:  poměrových dat  normálního rozložení četností  předpokladu linearity závislosti

11 Další možnost výpočtu – průměr ze součinu Z-bodů ČísloVýškaHmotnostZ-body výška Z-body hmotnost Součin Z-bodů ,020,30-0, ,440, ,050,900, ,73-0,300, ,76-0,60-1, ,20-1,210, ,050,600, ,02-0,300, ,44-1,512, ,022,11-0,04 Průměr 0,31

12 Spearmanův koeficient pořadové korelace  použití v případě:  alespoň pořadových dat  nenárokuje normální rozložení četností  není nutný předpoklad linearity závislosti

13 Posouzení korelačního koeficientu Chráska, 2000.

14 Koeficient determinace  R 2 = koeficient determinace  udává tu část variability Y, kterou lze vysvětlit  (1 - r 2 )*100 % variability Y nelze vysvětlit variabilitou X  příklad:  závislost výskytu rakoviny na kouření r = 0,85  r 2 = 0,72  (1-0,72)*100=28 %  28 % případů rakoviny nezpůsobí kouření

15 DĚKUJI ZA POZORNOST


Stáhnout ppt "MÍRY ZÁVISLOSTI Oddělení antropomotoriky, rekreologie a metodologie Katedra kinantropologie, humanitních věd a managementu sportu © 2009 FTVS UK."

Podobné prezentace


Reklamy Google