Number of the records: 1
Využití bayesovských metod v psychologických, sociálních a medicínských aspektech veřejného zdraví
Title statement Využití bayesovských metod v psychologických, sociálních a medicínských aspektech veřejného zdraví [rukopis] / Jana Fürstová Additional Variant Titles Využití bayesovských metod v psychologických, sociálních a medicínských aspektech veřejného zdraví Personal name Fürstová, Jana (dissertant) Translated title The use of Bayesian methods in psychological, social and medical aspects of public health Issue data 2022 Phys.des. 135 Note Ved. práce Michal Kryl Ved. práce Vít Hušek Ved. práce Peter Tavel Oponent Andrea Madarasová gecková Ved. práce Vladimír Chrz Oponent Lenka Hodačová Another responsib. Kryl, Michal, 1966- (zkoušející) Hušek, Vít, 1971- (zkoušející) Tavel, Peter, 1966- (zkoušející) Madarasová gecková, Andrea, (opponent) Chrz, Vladimír, (zkoušející) Hodačová, Lenka, (opponent) Another responsib. Univerzita Palackého. Katedra křesťanské výchovy (degree grantor) Keywords vyhodnocení dat při měření determinant zdraví * bayesovské metody * podmíněná pravděpodobnost * testování hypotéz * hierarchické studie * validační studie * data evaluation for measuring health determinants * Bayesian methods * conditional probability * hypothesis testing * hierarchical study * validation study Form, Genre disertace dissertations UDC (043.3) Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Ph.D. Degree program Doktorský Degree program Humanitní studia Degreee discipline Sociální a spirituální determinanty zdraví book
Kvalifikační práce Downloaded Size datum zpřístupnění 00281798-961163612.pdf 0 3.2 MB 17.03.2024 Posudek Typ posudku 00281798-opon-395439227.pdf Posudek oponenta 00281798-ved-506931419.pdf Posudek vedoucího 00281798-opon-879480428.pdf Posudek oponenta Průběh obhajoby datum zadání datum odevzdání datum obhajoby přidělená hodnocení typ hodnocení 00281798-prubeh-643269235.pdf 22.06.2021 18.03.2022 15.06.2022 S Hodnocení známkou
V této práci jsou vysvětleny důvody, proč je zapotřebí správně pracovat s nejistotou, která je součástí každých experimentálních dat. Nevhodné používání statistických metod se spolupodílelo na vzniku replikační krize v mnoha odvětvích. Jako jeden z kroků, který může pomoct při řešení replikační krize, navrhujeme širší využívání bayesovské inference. Na rozdíl od klasické (frekventistické) statistiky, výsledkem bayesovských metod není rozhodnutí, zda danou hypotézu zamítnout, či nikoliv, ale pravděpodobnost, že zkoumaná hypotéza platí. Bayesovské metody umožňují zkombinovat apriorní znalosti s informací, kterou přinesla data. Představují proto přirozený rámec pro práci s daty, který je vhodný pro široké využití napříč vědeckými obory.In this piece of work, the necessity of proper handling the noise in experimental data was explained. The inappropriate use of statistical methods has contributed to the replication crisis in science. A wider use of Bayesian inference might help in solving the replication crisis. Unlike classical (frequentist) statistics, the Bayesian methods do not result in a decision whether to reject a given hypothesis or not. The Bayesian results give us the probability that the hypothesis under study is valid. Bayesian methods make it possible to combine our a priori knowledge with the information provided by the data. Therefore, they represent a natural framework for working with data across scientific disciplines.
Number of the records: 1