Je známo, že pro analýzu reliability testů, které se užívají pro měření v psychologické diagnostice, je k dispozici velice silná a podrobně rozpracovaná metodologie. V diagnostice se však vyskytují i rozličné klasifikační procedury, kdy observovaná proměnná má pouze nominální charakter. U takových klasifikací se informace o jejich reliabilitě vyskytuje velice vzácně. Jedním z důvodů je samozřejmě fakt, že pro nominální klasifikace není k dispozici tak vypracovaná metodologie, jako u testového měření. Analýza spolehlivosti je v těchto případech většinou založena na Cohen-Fleissově kappa koncepci, tedy analýze konkordance při dvou, nebo více replikacích klasifikace. Cílem této stati je prezentace nové, netradiční metody analýzy reliability klasifikačních procedur, jejímž základem je pravděpodobnostní model chyby v klasifikaci. Tento model je založen na analogickém principu jako „true-error“ model klasické teorie testů., It is known that there is a very powerful and detailed methodology for a reliability analysis of tests that are used for the measurement in psychological diagnostics. However, there are also various diagnostic classification procedures in which observed variable is measured only on a nominal scale. For such classifications, the information about their reliability is available very rarely. Of course, one reason for this is the fact that there is no sufficiently developed methodology for the nominal classification, unlike for the test measurements. The analysis of reliability in these cases is usually based on the Cohen-Fleiss kappa conception, i.e. the concordance analysis of two or more replications of classification. The aim of this paper is to present new, innovative methods of the analysis of reliability of classification procedures, based on a probabilistic model of error in classification. This model is based on analogous principles as the „true-error“ model of classical test theory., Petr Boschek., and Obsahuje seznam literatury