5 Pravda/Nepravda + 5 výber zo 4 = 100 bodov, hodnotenie A–FX
Zn.
%
Hodnotenie
Zn.
%
Hodnotenie
A
90–100 %
Výborne
D
60–69 %
Uspokojivo
B
80–89 %
Veľmi dobre
E
50–59 %
Dostatočne
C
70–79 %
Dobre
FX
<50 %
Nedostatočne
Vzorce a Excel — rýchly prehľad
── TESTOVACIE KRITÉRIÁ ─────────────────────────────────
z = (x̄ − μ₀) / (σ/√n) z-test (σ KNOWN, n≥30)
t = (x̄ − μ₀) / (s/√n) Jednovýberový t-test (df = n−1)
χ² = Σ (O−E)²/E Chi-kvadrát test
d = (x̄ − μ₀) / s Cohenovo d — veľkosť efektu── p-HODNOTA V EXCELI ──────────────────────────────────
=2*(1-NORM.S.DIST(ABS(z),TRUE)) p-hodnota z-testu (obojstranný)
=T.DIST.2T(ABS(t), n-1) p-hodnota t-testu (obojstranný)
=T.DIST(t, n-1, TRUE) p-hodnota t-testu (ľavostranný)
=1-T.DIST(t, n-1, TRUE) p-hodnota t-testu (pravostranný)
=CHISQ.TEST(O_pole, E_pole) p-hodnota χ² testu── JEDNOVÝBEROVÝ T-TEST (EMULÁCIA V EXCELI) ────────────
Krok 1: Do G2:G31 zadaj =28 (referenčná hodnota μ₀)
Krok 2: Údaje → Analýza údajov → t-Test: Two-Sample Assuming Unequal Variances
Krok 3: Variable 1: dáta | Variable 2: referenčný stĺpec | Hypothesized Mean Diff: 0
Krok 4: p-hodnota = "P(T<=t) two-tail"
── IS METÓDA (ekvivalentná s t-testom) ─────────────────
=AVERAGE(d)±CONFIDENCE.T(0.05,STDEV.S(d),COUNT(d))
Ak μ₀ LEŽÍ MIMO IS → ZAMIETAME H₀ (ekvivalentné s p<α)
── KRITICKÉ HODNOTY ────────────────────────────────────
=T.INV.2T(0.05, n-1) t kritická hodnota (obojstr., α=0,05)
=T.INV(0.05, n-1) t kritická hodnota (ľavostranný)
=NORM.S.INV(0.975) z kritická hodnota = 1,96 (95%)
=CHISQ.INV.RT(0.05, df) χ² kritická hodnota
Výber správneho testu
Test
Podmienky použitia
Testovacie kritérium
Excel
Vet. príklad
z-test
σ KNOWN + n≥30
z = (x̄−μ₀)/(σ/√n)
=NORM.S.DIST()
Hmotnosť labradorov (σ z populácie)
t-test 1-výber.
σ neznáma, n ≥ alebo < 30, norm. dáta
t = (x̄−μ₀)/(s/√n), df=n−1
=T.DIST.2T() alebo IS metóda
Hmotnosť hospitalizovaných psov vs. μ₀=28
χ²-test
Kategorické dáta, E≥5 vo všetkých bunkách
χ²=Σ(O−E)²/E, df=(r−1)(c−1)
=CHISQ.TEST()
Vakcinácia × ochorenie mačiek
1. Štatistická hypotéza — základné pojmy
Štatistická hypotéza
Tvrdenie o parametri základného súboru (napr. o priemere μ alebo podiele π), ktoré overujeme pomocou výberových dát. Musí byť konkrétna, merateľná a vyvratiteľná.
H₀ — Nulová hypotéza
H₁ — Alternatívna hypotéza
Čo tvrdí
Žiadny efekt / žiadny rozdiel
Efekt existuje / rozdiel existuje
Naša pozícia
Predpokladáme pravdivú, kým data nedokážu opak
Chceme preukázať, prijmeme ak zamietame H₀
Príklad (hmotnosť)
H₀: μ = 30 kg
H₁: μ ≠ 30 kg (obojstranná)
Príklad (teplota)
H₀: μ ≤ 38,0 °C
H₁: μ > 38,0 °C (pravostranná)
⚠️ Kritická chyba: p > 0,05 NIE JE dôkaz, že H₀ je pravdivá! Je to len "nedostatok dôkazov na zamietnutie". Rozdiel môže existovať — len výber bol príliš malý na jeho odhalenie.
2. Šesť krokov testovania hypotézy
1
Formuluj H₀ a H₁
Urči nulové a alternatívne tvrdenie. Rozhodni: jednostranný (ľavý/pravý) alebo obojstranný test? V praxi: skoro vždy obojstranný!
2
Zvoľ hladinu α PRED pohľadom na dáta
Štandardne α = 0,05. Zvýšením α znížime riziko chyby II. druhu, ale zvýšime riziko chyby I. druhu. α sa volí podľa kontextu a dôsledkov rozhodnutia.
3
Vyber test a vypočítaj testovacie kritérium
z-test (σ KNOWN, n≥30) | t-test (σ neznáma) | χ²-test (kategorické). Skontroluj predpoklady testu pred výpočtom!
4
Vypočítaj p-hodnotu
Z Excelu, štatistickej tabuľky alebo softvéru. Uvádzaj vždy presnú p-hodnotu (napr. p = 0,032), nie len "p < 0,05"!
5
Porovnaj p s α
p < α → ZAMIETAME H₀ (štatisticky významný výsledok). p ≥ α → NEZAMIETAME H₀. Na zamietnutie musí byť p STRIKTNE menšie ako α!
6
Formuluj vecný záver v kontexte výskumnej otázky
Nie len "zamietame H₀" — ale čo to znamená biologicky/klinicky? Uveď p-hodnotu, IS a Cohenovo d pre komplexný záver.
3. p-hodnota a hladiny štatistickej významnosti
–
p > 0,05
n.s. — nevýznamné
*
p ≤ 0,05
s. — významné
**
p ≤ 0,01
v.s. — veľmi výz.
***
p ≤ 0,001
v.v.s. — veľmi silné
💡 Didaktická skratka: – → nič sme nedokázali | * → niečo sa deje | ** → je to presvedčivé | *** → je to takmer isté
4. Chyby I. a II. druhu
✗ Chyba I. druhu (α)
Falošný poplach. Zamietame H₀, hoci je pravdivá. P(chyba I) = α.
Príklad: Zdravý pes má pozitívny diagnostický test.
Riešenie: Zvoliť menšie α (napr. 0,01 namiesto 0,05).
✗ Chyba II. druhu (β)
Prehliadnutý problém. Nezamietame H₀, hoci je nepravdivá. P(chyba II) = β.
Príklad: Chorý pes má negatívny test.
Riešenie: Zvýšiť rozsah výberu n.
H₀ je v skutočnosti PRAVDIVÁ
H₀ je v skutočnosti NEPRAVDIVÁ
NEZAMIETAME H₀
✓ Správne (1−α)
✗ Chyba II. druhu (β)
ZAMIETAME H₀
✗ Chyba I. druhu (α)
✓ Správne — Sila testu (1−β)
5. Veľkosť efektu — Cohenovo d
Cohenovo d — miera praktickej významnosti
d = (x̄ − μ₀) / s alebo d = (x̄₁ − x̄₂) / s_pooled
d = 0,2 → malý efekt | d = 0,5 → stredný efekt | d = 0,8 → veľký efekt
⚠️ p-hodnota ≠ veľkosť efektu! Pri veľkom n (napr. n=10 000) môžeme dostať p<0,001 pri d=0,05 — štatisticky "vysoko významný", ale prakticky zanedbateľný rozdiel. Vždy uvádzaj aj d!
📐 Zlaté pravidlo (z DOCX): Štatistický test hovorí či rozdiel existuje → Intervalový odhad hovorí ako veľký je → Cohenovo d hovorí či je dôležitý → Dizajn štúdie hovorí prečo existuje.
6. Jednovýberový t-test — IS metóda
IS metóda (ekvivalentná s klasickým t-testom)
Ak μ₀ leží MIMO 95% IS výberu → zamietame H₀ na α=0,05.
Ak μ₀ leží VNÚTRI 95% IS → nezamietame H₀.
Výhoda: IS poskytuje aj odhad veľkosti rozdielu — nie len odpoveď áno/nie.
💡 Emulácia jednovýberového t-testu v Excel Data Analysis: Excel nemá priamy jednovýberový t-test. Emulácia: pridáme pomocný stĺpec s hodnotami μ₀ (napr. =28 pre všetky záznamy), potom použijeme t-Test: Two-Sample Assuming Unequal Variances. p-hodnota z "P(T<=t) two-tail" je naša p-hodnota.
Interaktívne vizualizácie — kritická oblasť, p-hodnota, chyby I./II. druhu a distribúcia t-štatistiky.
