Ovládání programovacího jazyka R
- webinář ZDARMA -

Přesvědčte se, že nemusíte mít IT geny, abyste pracovali s datovými podklady, vytvářeli grafy, efektní reporty…

úterý 12. 05. 2026 od 15:00
Prohlédnout

Nový formát vzdělávání: Letní škola statistiky 2026
Za 5 dní ovládnete statistiku v R, JASP, nebo Jamovi. Napořád.

20. - 24. 7. 2026
Prohlédnout

Objevte nové možnosti využití statistiky pro svou praxi.

Podívejte se na ZÁZNAM WEBINÁŘE Biostatistika v R
Prohlédnout

Objevte nové možnosti využití statistiky pro svou praxi.

Podívejte se na ZÁZNAM WEBINÁŘE Biostatistika v R

Shlédnout webinář

Propásli jste webinář JAK NA STATISTIKU BEZ PROGRAMOVÁNÍ?

Podívejte se na ZÁZNAM ZDE!

Shlédnout webinář

Obsah

Slovník pojmů

Kvintily: definice, využití a výpočet


Kvintil je statistická míra polohy (typ kvantilu), jež rozděluje uspořádaný soubor hodnot do pěti stejně velkých částí. Každá část tedy obsahuje 20 % ze všech pozorování. Existují 4 kvintily, označované jako Q1/Q0,2, Q2/Q0,4, Q3/0,6 a Q4/0,8.

Spolu s dalšími kvantily jej můžete spočítat u kvantitativních proměnných a ordinálních proměnných. U druhé skupiny je výpočet možný za předpokladu rovnoměrného rozložení dat a dostatečného počtu pozorování v každé kategorii (např. u školních známek, kde předpokládáme stejný rozdíl mezi jednotlivými stupni známkování).

Kvintily se počítají podle tohoto vzorce (viz příklad níže):

\[ Q_k = \frac{(n+1) \cdot k}{5} \]

\(Q_k \) označuje pořadí hodnoty k-tého kvintilu v souboru vzestupně seřazených dat (k = 1 pro první kvintil, k = 2 pro druhý kvintil, k = 3 pro třetí kvintil a k = 4 pro čtvrtý kvintil).

\(n \) je počet hodnot v datovém souboru. V praxi kvintily počítáme s pomocí statistických programů.

V případě, že výsledkem není celé číslo, upravte výsledek lineární interpolací mezi dvěma sousedními hodnotami v uspořádaném datovém souboru. Její vzorec je následující (viz příklad níže):

\[ y = y_1 + \left( \frac{x – x_1}{x_2 – x_1} \right) \cdot (y_2 – y_1) \]

\( x_1 \) a \( x_2 \) je menší, resp. větší pořadí hodnoty, pro které provádíme interpolaci. \( y_1 \) a \( y_2 \) je pak menší, resp. větší hodnota, které interpolujeme.

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

Prohlédnout balíčky kurzů

Pozor – aplikace pro statistickou analýzu, jako je Excel a jazyk R, nevyužívají pro získání výsledku lineární interpolaci, ale složitější postupy. Výsledky se proto mohou od ručního výpočtu lišit.


Využití kvintilů

Kvintil nachází široké využití v sociálních vědách, zejména v analýze socioekonomických dat. Jeho aplikace je cenná např. pro určení rozdělení příjmové nerovnosti, kde pomáhá identifikovat rozsah příjmů v různých částech populace.

V marketingu a obchodní sféře mohou kvintily pomoci segmentovat trh podle výše příjmů, spotřebitelského chování nebo jiných metrik. V oblasti vzdělání můžeme díky kvintilům porovnávat skupiny studentů podle výsledků zkoušek a odhalovat potenciální nerovnosti.

V přítomnosti odlehlých hodnot je vhodnější využít jiné typy kvantilů – decily nebo percentily, které poskytují ještě detailnější pohled na data.

Kvintily také nejsou nejvhodnější volbou při analýze dat s velmi malým vzorkem (do 10 hodnot), kde by segmentace do pěti částí mohla vést k přílišnému zjednodušení a zkresleným výsledkům – v takovém případě zvolte pro interpretaci dat průměr, medián a rozptyl.



Příklad výpočtu kvintilů

Vaším úkolem je spočítat hodnoty kvintilů pro měsíční příjem domácností. K dispozici máte tato data (v tisících Kč/měsíc): 28, 34, 22, 50, 46, 31, 38, 27, 25, 33, 35, 37, 45, 32, 47, 44, 12, 165, 15.

Prvním krokem je vzestupné seřazení hodnot:

Pořadí hodnoty 1 2 3 4 5 6 7 8 9 10
Měsíční příjem (tis. Kč) 12 15 22 25 27 28 31 32 33 34
Pořadí hodnoty 11 12 13 14 15 16 17 18 19
Měsíční příjem (tis. Kč) 35 37 38 44 45 46 47 50 165

Pro výpočet 1. kvintilu dosadíme tyto hodnoty do výše uvedené rovnice:

\[ Q_k = \frac{(n+1) \cdot k}{5} \] \[ Q_1 = \frac{(19+1) \cdot 1}{5} \] \[ Q_1 = 4 \]

Q1 odpovídá 4. hodnotě, tedy měsíčnímu příjmu 25 000 Kč u domácností ve vzorku.

Stejným způsobem spočítáme i 2., 3. a 4. kvintil:

\[ Q_k = \frac{(n+1) \cdot k}{5} \] \[ Q_2 = \frac{(19+1) \cdot 2}{5} \] \[ Q_2 = 8 \] \[ Q_3 = \frac{(19+1) \cdot 3}{5} \] \[ Q_3 = 12 \] \[ Q_3 = \frac{(19+1) \cdot 4}{5} \] \[ Q_4 = 16 \]

Q2 odpovídá 8. hodnotě (32 000 Kč/měsíc), Q3 odpovídá 12. hodnotě (37 000 Kč/měsíc) a Q4 odpovídá 16. hodnotě (46 000 Kč/měsíc).



Příklad výpočtu kvintilů s lineární interpolací

Vyjdeme ze stejných dat jako v předchozím příkladu, pouze přidáme navíc jednu hodnotu (měsíční příjem domácnosti 78 000 Kč):

Pořadí hodnoty 1 2 3 4 5 6 7 8 9 10
Měsíční příjem (tis. Kč) 12 15 22 25 27 28 31 32 33 34
Pořadí hodnoty 11 12 13 14 15 16 17 18 19 20
Měsíční příjem (tis. Kč) 35 37 38 44 45 46 47 50 78 165

Opět dosadíme hodnoty do vzorce pro výpočet prvního kvintilu:

\[ Q_k = \frac{(n+1) \cdot k}{5} \] \[ Q_1 = \frac{(20+1) \cdot 1}{5} \] \[ Q_1 = 4.2 \]

Pořadí číslo 4,2 (\( x \)) samozřejmě neexistuje. Proto musíme provést lineární interpolaci mezi hodnotami na 4. a 5. místě (\( x_1 \) a \( x_2 \)). Tyto hodnoty (25 000 a 27 000 Kč měsíčně, tedy \( y_1 \) a \( y_2 \)) dosadíme do příslušného vzorce (viz výše):

\[ y = y_1 + \left( \frac{x – x_1}{x_2 – x_1} \right) \cdot (y_2 – y_1) \] \[ y = 25000 + \left( \frac{4.2 – 4}{5 – 4} \right) \cdot (27000 – 25000) \] \[ y = 25400 \]

Hodnota 1. kvintilu se tedy rovná 26 600 Kč/měsíc. Stejným postupem se u 2., 3. a 4. kvintilu dostaneme k následujícímu pořadí hodnot:

\[ Q_2 = 8.4 \] \[ Q_3 = 12.6 \] \[ Q_4 = 16.8 \]

Po použití lineární interpolace pak vychází tyto hodnoty:

  • 2. kvintil = 32 400 Kč/měsíc,
  • 3. kvintil = 37 600 Kč/měsíc,
  • 4. kvintil = 46 800 Kč/měsíc.


Výpočet kvintilů v Excelu

# buňky A1 až A100 obsahují naměřené hodnoty

# funkce pro výpočet kvintilů
=PERCENTILE.INC(A1:A100, 0.2)  # pro výpočet Q0,2/Q1
=PERCENTILE.INC(A1:A100, 0.4)  # pro výpočet Q0,4/Q2
=PERCENTILE.INC(A1:A100, 0.6)  # pro výpočet Q0,6/Q3
=PERCENTILE.INC(A1:A100, 0.8)  # pro výpočet Q0,8/Q4


Výpočet kvintilů v jazyce R

# naměřené hodnoty
data <- c(3, 5, 6, 7, 8)

# funkce pro výpočet kvintilů
quantile(data, probs = c(0.2, 0.4, 0.6, 0.8))

# funkce pro výpočet kvintilů lineární interpolací
quantile(data, probs = c(0.2, 0.4, 0.6, 0.8), type = 6)


Zpátky na slovník pojmů

Mohlo by vás zajímat

Naše kurzy

Časové řady a predikce v jazyce R

Přihlásit na kurz Lektor: RNDr. Václav Čapek, PhD. Trvání kurzu: 2 dny Naučte se správně pracovat s časovými řadami a predikovat další vývoj pozorovaných veličin v programovacím jazyce R. Na praktických příkladech vás seznámíme s metodami časových řad a vysvětlíme vám, jak jejich chování predikovat a jak ohodnotit a interpretovat správnost získaných výsledků. 2denním kurzem vás provede RNDr. Václav Čapek, PhD., nezávislý datový konzultant na volné noze, který spolupracuje např. s Akademií věd ČR, Institutem klinické a experimentální medicíny nebo společností Dell Computer (viz profil lektora). Procvičování příkladů probíhá v anglické verzi aplikace RStudio. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: pracujete s časově zatíženými daty a potřebujete je umět správně vyhodnotit (výzkumní a technologičtí pracovníci, datoví analytici ad.), rozumíte základům časových řad, ale chcete jednotlivé metody pochopit do větší hloubky a umět je správně používat. Jaké vstupní znalosti jsou potřeba? Pro absolvování tohoto kurzu je vhodné mít znalosti v rozsahu kurzů: Základní kurz statistiky I v programovacím jazyce R a Základní kurz statistiky II v programovacím jazyce R. Co se na kurzu naučíte? porozumět základním pojmům z oblasti časových řad (stacionární procesy, exponenciální vyrovnávání, různé typy modelů), pochopit specifika práce s časovou řadou oproti ostatním datovým typům, pracovat s běžně používanými metodami pro analýzu časových řad, vyhodnotit, která metoda je vhodná pro danou úlohu (ARMA, nestacionární a sezónní modely ad.). na co si při vyhodnocování časových řad dát pozor a čemu se vyhnout Chci vidět podrobný sylabus kurzu Úvod Úvod do časových řad Příklady časových řad Odhadování trendu a predikce pomocí regresní analýzy Hodnocení předpovědí v časových řadách Dekompozice časových řad Exponenciální vyrovnávání Bez trendu S trendem Bez sezónního vlivu Se sezónním vlivem Stacionární procesy Stacionární modely Autokorelační funkce (ACF, PACF) Predikce stacionárních časových řad Testování šumové náhodné posloupnosti ARMA modely ACF a PACF pro ARMA (p, q) Odhad řádu ARMA Nestacionární a sezonní modely ARIMA modely Sezonní SARIMA modely Názory spokojených účastníků Chci vidět další názory účastníků kurzu Jaké školící materiály obdržíte? na kurzu obdržíte tištěné prezentace probírané látky, které vám následně zašleme v elektronické verzi Jak dlouho kurz trvá? 2 pracovní dny Kdo vás bude školit? Kurzem vás provede RNDr. Václav Čapek, PhD., absolvent Matematicko-fyzikální fakulty Univerzity Karlovy v Praze, který působí jako nezávislý konzultant v oboru statistiky, zpracování dat, fnančního řízení, managementu, logistiky a implementace informačních systémů. Spolupracuje např. s Akademií

R programming language control

Learn to evaluate research and development data from scratch using R – with functions that significantly simplify working with this powerful coding language.

Pokročilá biostatistická analýza v jazyce R

Kurz biostatistiky I v jazyce R + Kurz biostatistiky II v jazyce R Přihlásit na kurz Lektor: Mgr. Bc. Silvie Bělašková, PhD. Trvání kurzu: 4 dny Naučte se v jazyce R zpracovat a vyhodnotit klinická a biologická data základními i pokročilými metodami statistiky. Najděte ve svých měřeních skryté souvislosti a výrazně zvyšte kvalitu svých výzkumných publikací. Balíček za zvýhodněnou cenu kombinuje: A/ Kurz biostatistiky I v jazyce R (2 dny) – design vědeckého experimentu, testování medicínských a biologických hypotéz pomocí parametrických (t-test, ANOVA, lineární regrese ad.) a neparametrických metod (Wilcoxnovy testy, Kruskal-Wallisova ANOVA), využívání kontingenčních tabulek. B/ Kurz biostatistiky II v jazyce R (2 dny) – vyhodnocení dat pomocí korelační analýzy, logistické regrese a dalších metod, základy vícerozměrných statistických metod a časových řad, metodiky servival a risk analysis. Procvičování příkladů probíhá v anglické verzi aplikace RStudio. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Spokojených absolventů Adresa konání kurzu Délka kurzu Z kurzů budete mít největší užitek, pokud: se chcete naučit ovládat programovací jazyk R pro vyhodnocování dat ze svého klinického či biologického výzkumu základními i pokročilými metodami, potřebujete ve svých datech rychle najít důležité vazby a souvislosti, chcete výrazně zvýšit svou šanci na publikování v prestižním periodiku. Jaké vstupní znalosti jsou potřeba? Pro účast na kurzech je vhodné absolvovat nejprve kurz Ovládání programovacího jazyka R. Co vše se naučíte? A/ Kurz biostatistiky I v jazyce R jaké typy proměnných existují a jaké jsou mezi nimi rozdíly, co je průměr, medián, směrodatná odchylka a další popisné statistiky, kdy a jak je použít a jak je vizualizovat, jak otestovat normalitu dat a kdy použít parametrickou a neparametrickou statistiku, jak v programovacím jazyce R vyhodnocovat data a testovat hypotézy pomocí základních parametrických (t-test, ANOVA ad.) a neparametrických metod (Wilcoxnovy testy, Kruskal-Wallisova ANOVA), jak mezi sebou porovnat a otestovat dva a více datových souborů pomocí kontingenčních tabulek a chí-kvadrát testu, jak sestavit a použít jednoduchý regresní model, jak z pohledu biostatistiky správně nadesignovat vědecký experiment, jak správně zpracovat statistické pasáže ve vědeckých publikacích a na co si dát pozor. Kurz biostatistiky I v jazyce R – podrobný sylabus Úvod do analýzy dat Typy proměnných. Popisná statistika (charakteristiky polohy a variability). Vhodné vizualizace dat. Normální rozdělení a ověření normality dat. Parametrická a neparametrická statistika Testování hypotéz Úvod do testování hypotéz. Parametrické testy. Jednovýběrový t test. Dvouvýběrový t test. Párový t test. Analýza rozptylu (ANOVA). Základní neparametrické testy. Wilcoxnovy testy. Kruskal-Wallisova

Statistická analýza dat bez programování

Přihlásit na kurz Lektor: Ing. et Ing. Aneta Mazouchová, Ph.D. Trvání kurzu: 2 dny Naučte se analyzovat svá výzkumná data v bezplatných statistických programech bez nutnosti programování. Získáte praktické dovednosti pro správnou interpretaci výsledků a jejich prezentaci ve vědeckých publikacích. V kurzu pro výzkumné pracovníky vás provedeme zpracováním dat pomocí uživatelsky přívětivých nástrojů, jako je JASP či Jamovi. Po absolvování školení zvládnete základní i pokročilou statistickou analýzu bez nutnosti psát jediný řádek kódu. 2denním kurzem vás provede Ing. et Ing. Aneta Mazouchová, Ph.D., zkušená lektorka (mj. výuka na Univerzitě Karlově a Soukromé vysoké škole ekonomické v Praze) a konzultantka statistiky a datové analýzy na volné noze (viz profil lektora).  Procvičování probíhá na praktických příkladech v aplikaci JASP, resp. Jamovi či v jiném freewaru. Na konkrétním programu se s účastníky dohodneme před konáním kurzu. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: potřebujete rychle a přehledně analyzovat výzkumná data, ale nechcete se učit programovat, chcete používat statistické metody správně a rozumět jejich podstatě, hledáte alternativu k placeným statistickým programům. Jaké vstupní znalosti jsou potřeba? Pro absolvování kurzu nejsou potřeba žádné specifické znalosti. Jde o kurz pro úplné začátečníky. Co se na kurzu naučíte? jak importovat data do zvoleného freewaru a připravit je pro analýzu, jak správně zvolit a provést základní statistické testy podle typu výzkumné otázky, jak interpretovat výsledky statistických analýz pro vědecké publikace, jak vytvořit přehledné grafy a vizualizace dat, jak používat pokročilé statistické metody včetně faktorové analýzy bez nutnosti programování. Chci vidět podrobný sylabus kurzu Úvod do freewarových programů Představení programů JASP a Jamovi Srovnání s komerčními alternativami (SPSS, SAS) Instalace a základní nastavení programů Orientace v uživatelském rozhraní Úvod do analýzy dat Co je to průzkumová analýza dat Třídění proměnných Popisné statistiky Základní popisné statistiky, charakteristiky polohy a variability Vizualizace dat a jejich použití Analýza vztahu dvou veličin Normální rozdělení a ověření normality dat Testování hypotéz Úvod do teorie testování statistických veličin Úvod do parametrického testování – jednovýběrový t-test, dvouvýběrový t-test, párový t-test, jednoduchá analýza rozptylu Základní neparametrické testy – Wilcoxonovy testy, analýza asociačních tabulek, test nezávislosti dvou kategoriálních znaků Úvod do korelační analýzy Význam korelační analýzy Parametrické vs. neparametrické koeficienty korelace Pearsonův korelační koeficient Úvod do lineární regrese Význam regresní analýzy Jednoduchá lineární regresní analýza Vícerozměrná lineární regrese Názory spokojených účastníků „Přestože s jazykem R pracuji již více jak 11 let, dozvěděl

Zpracování geodat v programovacím jazyce R

Přihlásit na kurz Lektor: Mgr. Ondřej Ledvinka, PhD. Trvání kurzu: 2 dny Naučte se od základu vyhodnocovat geoprostorová data (geodata) v programovacím jazyce R pomocí funkcí, které jejich hromadné zpracování zjednodušují a urychlují. V kurzu pro vědecké pracovníky z oblasti geověd vás naučíme, jak geodata zpracovat a transformovat na tzv. tidy formát i jak je analyzovat a vizualizovat (tvořit mapy). Po absolvování školení tak zvládnete rychle vytvořit analytické skripty pro geodata. 2denním kurzem vás provede Mgr. Ondřej Ledvinka, PhD., specialista Oddělení hydrofondu a bilancí ČHMÚ a odborný asistent Katedry fyzické geografie a geoekologie Univerzity Karlovy, který se zpracování geodat věnuje v oblasti hydrologie a klimatologie (viz profil lektora). Procvičování probíhá v anglické verzi aplikace RStudio. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Po skončení kurzů navíc získáte přes 40 skriptů, které použijete k analýze vlastních dat. Chci se přihlásit 60 minutový webinář jako OCHUTNÁVKA ZDARMA Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: se chcete naučit ovládat programovací jazyk R pro vyhodnocování dat, jejichž nedílnou součástí je geometrie (vektorová geodata, rastrová geodata), nemáte se zpracováním geodat v jazyce R žádné zkušenosti a potřebujete jejich analýzu využívat ve své práci (výzkumní pracovníci z oblasti geografie, geologie, hydrologie, klimatologie, ochrany životního prostředí, dálkového průzkumu Země a dalších geověd), máte s jazykem R zkušenosti, ale potřebujete své znalosti adaptovat pro zpracování geodat, potřebujete zefektivnit analýzu geodat ve své organizaci. Jaké vstupní znalosti jsou potřeba? Pro účast na kurzu je vhodné mít znalosti v rozsahu kurzu Ovládání programovacího jazyka R. Co se na kurzu naučíte? jak se orientovat v prostředí aplikace RStudio (zejm. pokud jde o specifické vlastnosti geodat v prostředí RStudia), jak importovat geodata různých formátů do R z různých zdrojů (souborů, serverových služeb a prostřednictvím specifických funkcí v R balíčcích), jak naopak efektivně ukládat geodata do souborů, aby nedocházelo ke ztrátě pracně vytvořených výsledků nebo meziproduktů, proč geograficky zatížená data zpracovávat pomocí na sebe navazujících algoritmických sekvencí (tzv. pipelines), jak využívat ekosystém balíčků tidyverse vzhledem ke zpracování vektorových geodat (především funkce balíčku sf), jak tvořit nová vektorová a rastrová geodata se specifikací souřadnicového referenčního systému – jak z existujících souřadnic, tak ze zcela nově definovaných souřadnicových párů (funkce balíčků sf, sfheaders) či rozsahu a horizontálního rozlišení (funkce balíčku terra), jak při zpracování geodat pomáhá funkcionální programování v R s definicemi anonymních funkcí, jak v R tvořit statické (tematické) mapy prostřednictvím funkcí balíčku ggplot2 a jemu podobných (např. tidyterra, ggspatial) nebo

Zpracování dat a prezentace výsledků v akademické literatuře

Přihlásit na kurz Lektor: Mgr. Patrik Galeta, PhD. Zpracujte data ze svého výzkumu tak, aby váš článek bez problémů prošel recenzním řízením ve všech vědeckých časopisech. V kurzu pro vědecké pracovníky získáte praktický návod, jak vybrané statistické metody využít a popsat je v odborném článku. Po absolvování školení budete umět připravit podklady (rukopis, tabulky, grafy, dopis editorovi) pro recenzní řízení. Během kurzu pracujeme s praktickými ukázkami ze známých vědeckých periodik. 2denním kurzem vás provede Mgr. Patrik Galeta, PhD., odborný asistent katedry antropologie Západočeské univerzity v Plzni, který se statistice věnuje v rámci demografických studií (viz profil lektora). Procvičování probíhá na příkladech z přírodních a společenských věd v české verzi aplikace Tibco Statistica, popř. RStudio. Počítač vám zapůjčíme na místě, není třeba nosit vlastní. Chci se přihlásit Adresa konání kurzu Délka kurzu Z kurzu budete mít největší užitek, pokud: připravujete tabulky a grafy do rukopisu článku a potřebujete výchozí data správně zpracovat (vědečtí pracovníci), potřebujete porozumět standardům statistické analýzy ve vědeckých periodikách. Jaké vstupní znalosti jsou potřeba? Pro absolvování kurzu nejsou potřeba žádné specifické znalosti. Co se v kurzu naučíte? jak vyhodnotit vztah dvou a více proměnných pomocí t-testů, analýzy rozptylu, kontingenčních tabulek a regrese, co z výsledků analýzy do odborného článku vybrat, jak připravit tabulky s popisnými statistikami, jakým způsobem v odborné literatuře vhodně vizualizovat data, jaká je základní struktura odborného článku (kapitoly úvod, materiál, metody, výsledky, diskuse, závěr), podle jakých vzorových formulací se statistické výsledky píší, jak připravit rukopis do recenzního řízení (a popř. jej upravit na základě zpětné vazby). Chci vidět podrobný sylabus kurzu R a Rstudio Základy ovládání R pomocí knihoven tidyverse Popisná statistika Četnostní tabulky Popisné ukazatele (průměr, medián, rozptyl) Grafy v knihovně ggplot2   Opakování hodnocení vztahu proměnných t-testy, ANOVA Kontingenční tabulky Regrese a korelace   Základní struktura odborného článku s analýzou kvantitativních dat Kapitoly Úvod, Materiál, Metody, Výsledky, Diskuze, Závěr Co je obsahem jednotlivých kapitol Jak si vytvořit „vědecký prostor“   Prezentace základních analýz v odborném článku Struktura kapitol Materiál a Metody Strukturované psaní kapitoly Výsledky Očekávaný formát tabulek v rukopisu článku Očekávaný formát grafů, nutné minimum   Příklady dobré praxe Vzorové články s prezentací základních analýz Kritický rozbor textu Typy používaných formulací   Příprava podkladů pro rukopis článku Text rukopisu, soubory s grafy a tabulky, titulky grafů Dopis editorovi ukázka portálu pro odevzdání u mezinárodního odborného časopisu (např. https://mc.manuscriptcentral.com/) Návrh recenzentů   Základy zpracování odpovědi na recenzní řízení Úprava rukopisu Podrobná odpověď na připomínky recenzentů Názory spokojených účastníků Chci

Zvýhodněné balíčky kurzů

Zakupte si balíček 2 nebo více vybraných kurzů a ušetřete

Prohlédnout balíčky kurzů
[24. 4. 2024] Webinář ZDARMA: Jak získat 82% příspěvek na školení statistiky přes MPSV

Pod vedením zakladatele Datové akademie Dávida Tkáče mj. zjistíte:

  • kam a jak se registrovat, abyste se na kurzy mohli přihlásit,
  • kde najít nabídku kurzů a jak poslat přihlášku (a co se po jejím odeslání stane),
  • jak probíhá vyúčtování a platba za kurz,
  • na co si dát pozor a s čím je potřeba počítat.
Více informací