Bibliografia, netografia na stronach 420-421. Indeks

Zawiera: Część 1. Metodologia badań: Rozdział 1. Wprowadzenie do metody naukowej, czyli samo życie: 1.1. Jeśli nie z internetu, to skąd się bierze wiedza?; 1.1.1. Autorytet; 1.1.2. Empiryzm; 1.1.3. Wnioskowanie; 1.2. Metoda naukowa… czyli jak sobie ugotujesz, tak się najesz!; 1.3. Pseudonauka – gdy zamiast zjeść naleśnik, wydaje ci się, że na nim mieszkasz. Rozdział 2. Proces badawczy, czyli „czy leci z nami pilot?”: 2.1. Symulator lotów naukowych; 2.1.1. Inspiracja; 2.1.1.1. Obserwacja; 2.1.1.2. Przegląd literatury; 2.1.1.3. Autorytet; 2.1.1.4. Ciekawość poznawcza; 2.1.1.5. Szczęśliwy traf!; 2.1.2. Cel badawczy; 2.1.2.1. Cel a problem badawczy; 2.1.3. Pytania i hipotezy badawcze; 2.1.3.1. Pytania badawcze; 2.1.3.2. Hipotezy; 2.1.4. Typ badania; 2.1.5. Model badawczy; 2.1.5.1. Model eksperymentalny; 2.1.5.2. Model nieeksperymentalny; 2.1.6. Operacjonalizacja zmiennych; 2.1.7. Pomiar; 2.1.7.1. Skale pomiarowe; 2.1.7.2. Trafność i rzetelność pomiaru; 2.1.8. Narzędzia; 2.1.9. Grupa badawcza; 2.1.10. Trafność badania; 2.1.10.1. Trafność wniosków; 2.1.10.2. Trafność zewnętrzna; 2.1.10.3. Trafność wewnętrzna; 2.2. Terrain Ahead, pul lup!..., czyli kiedy naukowiec zderza się z ziemią; 2.2.1. Ostatni przegląd techniczny – checklista przed badaniem; 2.2.2. Procedury awaryjne – jak przygotować się na najgorsze?; 2.2.2.1. Pasażerowie, czyli o przyczynach awarii ze strony badanych; 2.2.2.2. Nieprzewidziana zła pogoda, czyli o nieoczekiwanych okolicznościach zewnętrznych wpływających na przebieg badania; 2.2.2.3. Usterka techniczna, czyli kiedy zawodzą narzędzia; 2.2.2.4. Błąd ludzki, czyli kiedy zawiodłeś jako naukowiec; 2.3. Pierwszy start, czyli realizacja badania w kontekście analizy danych; 2.3.1. Przygotowanie bazy i wprowadzanie danych do analizy; 2.3.1.1. Dane surowe a dane robocze; 2.3.1.2. Specyfika i wygląd roboczej bazy danych; 2.3.1.3. Czyszczenie bazy danych; 2.3.2. Kodowanie danych i tworzenie wskaźników; 2.3.2.1. Kodowanie; 2.3.2.2. Tworzenie wskaźników; 2.3.3. Braki danych; 2.3.3.1. Mechanizmy występowania braków danych; 2.3.3.2. Radzenie sobie z brakiem danych; 2.3.4. Cel podróży, czyli wybór testu statystycznego; 2.3.4.1. Testy różnic; 2.3.4.2. Testy związków; 2.3.5. Lądowanie – wnioski z badania i dyskusja. Część 2. Wprowadzenie do wnioskowania statystycznego: Rozdział 3. Wprowadzenie do testowania hipotez, czyli czy warto zarabiać na statystyce?: 3.1. Populacja vs próba, czyli jak zrobić research na rynku pracy?; 3.1.1. Reprezentatywność grupy; 3.1.1.1. Losowy dobór próby; 3.1.1.2. Liczebność próby; 3.2. Szacowanie, czyli czy statystyka prawdę ci powie?; 3.2.1. Estymacja punktowa; 3.2.2. Parametr i estymator; 3.2.3. Błąd pomiaru i błąd standardowy; 3.2.4. Prawo wielkich liczb; 3.2.5. Optymalna (?) wielkość próby; 3.3. Rozkład, czyli pensja na wykresie; 3.3.1. Histogram; 3.3.2. Rozkład w populacji, w próbie oraz z próby (próbkowania); 3.3.2.1. Rozkład próbkowania a precyzja pomiaru; 3.3.3. Rozkład normalny; 3.3.3.1. Standaryzacja Z; 3.3.4. Testy statystyczne; 3.3.4.1. Centralne Twierdzenie Graniczne; 3.3.5. Estymacja przedziałowa; 3.4. Hipotezy i testowanie, czyli statystyczna „gra o tron”; 3.4.1. Podejście częściowe vs Bayesowskie; 3.4.2. Hipotezy statystyczne (zerowa i alternatywna); 3.4.3. Bład I i II rodzaju; 3.4.4. Poziom istotności (α) i poziom ufności; 3.4.4.1. Przedziały ufności; 3.4.5. Moc testu; 3.4.6. Statystyka testowa; 3.4.7. Wartość p i wartość krytyczna – istotność statystyczna wyników; 3.4.8. Dobre praktyki i błędy w raportowaniu wyników; 3.4.8.1. Miary siły efektu; 3.4.8.2. Zapis wartości p. Rozdział 4. Statystyki opisowe, czyli jak rozbić bank?: 4.1. Statystyczna ruletka; 4.2. O co zakład?; 4.3. Statystyki opisowe, czyli jak liczyć pieniądze? 4.3.1. Miary tendencji centralnej; 4.3.1.1. Miara klasyczna – średnia arytmetyczna (M, µ); 4.3.1.2. Miary pozycyjne – mediana oraz kwantyle; 4.3.1.3. Miary pozycyjne – dominanta (moda); 4.3.2. Miary rozproszenia; 4.3.2.1. Rozstęp; 4.3.2.2. Wariancja i odchylenie standardowe; 4.3.2.3. Rozstęp międzykwartylowy (IQR); 4.3.3. Miary asymetrii i obserwacji odstających; 4.3.3.1. Skośność; 4.3.3.2. Kurtoza. Część 3. Wybrane testy statystyczne: Rozdział 5. La Familia χ2, czyli o statystycznej mafii: 5.1. Włoska rodzina; 5.1.1. Tabele krzyżowe i sumy brzegowe; 5.1.2. Procenty w tabelach krzyżowych; 5.2. Don, Capo i żołnierze; 5.2.1. Test χ2 niezależności; 5.2.2. Test χ2 zgodności/dobroci dopasowania; 5.2.3. Test McNemara i Q Cochrana; 5.2.3.1. Test McNemara; 5.2.3.2. Test Q Cochrana; 5.3. Żelazne zasady mafii, czyli co należy zrobić, aby przyjęli cię do rodziny; 5.4. Jak rozdzielić towar? Wnioskowanie na podstawie χ2; 5.4.1. Standaryzowane i skorygowane reszty Pearsona; 5.4.2. Współczynniki siły efektu; 5.4.2.1. Interpretacja siły efektu; 5.5. Część praktyczna; 5.5.1. Case study – test χ2 niezależności. Rozdział 6. Test t Studenta…, czyli o matematycznym wzorze na dobre piwo: 6.1. I wtedy wchodzi on… cały na biało, czyli o Studencie słów kilka!; 6.1.1. Badanie małych prób i rozkład t; 6.2. Rodzina testów t Studenta, czyli trzech synów matka miała…; 6.2.1. Warianty testu t – podobieństwa i różnice; 6.2.2. Hipotezy statystyczne dla testów t; 6.2.2.1. Test t dla jednej próby; 6.2.2.2. Test t dla dwóch prób niezależnych; 6.2.2.3. Test t dla dwóch prób zależnych; 6.3. Kryteria stosowania testów t, czyli co musisz założyć, żeby ich użyć…; 6.4. To kto w końcu i kiedy pije najwięcej piwa…, czyli o wnioskowaniu na podstawie wyników testów t; 6.4.1. Miary siły efektu; 6.5. Część praktyczna; 6.5.1. Case study 1 – test t Studenta dla jednej próby; 6.5.2. Case study 2 – test t Studenta dla prób niezależnych; Case study 3 – test t Studenta dla prób zależnych. Rozdział 7. Analiza wariancji…, czyli what the F?: 7.1. Im więcej, tym weselej…, czyli o ANOVA słów kilka!; 7.2. What the F? Czyli o co chodzi w analizie wariancji?; 7.3. Kryteria stosowania analizy wariancji, czyli powtórka z rozrywki; 7.4. Co pić, żeby zdać? Czyli o wnioskowaniu na podstawie wyników ANOVA; 7.4.1. Testy post-hoc; 7.4.2. Miary siły efektu; 7.5. Część praktyczna; 7.5.1. Case study 1. ANOVA. Rozdział 8. O korelacji…, czyli o najbardziej romantycznej relacji w statystyce!: 8.1. O relacjach w świecie nauki, czyli nie wszystko złoto, co się świeci… na czerwono!; 8.2. Testowanie związku, czyli „Nie czytasz? Nie idę z Tobą do łóżka!”; 8.3. Oczekiwania…, czyli o założeniach analizy korelacji; 8.4. Sztuka interpretacji związku; 8.4.1. Siła i współczynnik determinacji związku; 8.4.2. Przyczynowość i problem trzeciej zmiennej w analizie korelacji; 8.5. Część praktyczna; 8.5.1. Case study 1. Analiza korelacji. Rozdział 9. Regresja, czyli o oglądaniu memów w służbie ego: 9.1. O statystycznej regresji w służbie ego…; 9.2. Statystyczne proroctwa, czyli o wróżeniu z liczb i roli Sylvestra Stallone…; 9.2.1. Funkcja liniowa; 9.2.2. Równanie regresji i jego parametry; 9.2.2.1. Liczby ustalone a i b; 9.2.3. Metoda najmniejszych kwadratów i linia najlepszego dopasowania; 9.2.4. Hipotezy statystyczne; 9.2.5. Analiza wariancji w regresji; 9.2.6. Współczynnik standaryzowany Beta; 9.3. O re(sz)ty! Czyli o założeniach regresji!; 9.4. Wnioskowanie, czyli one meme a day keeps doctor away?; 9.5. Część praktyczna; 9.5.1. Case study 1. Analiza regresji; 9.5.2. Case study 2. Analiza regresji. Zakończenie.

Publikacja dofinansowana przez: Uniwersytet pedagogiczny im. Komisji Edukacji Narodowej w Krakowie i Uniwersytet SPWS