Detail předmětu

Pokročilé metody v biostatistice

FEKT-MPC-STAAk. rok: 2021/2022

Předmět je koncipován jako prakticky orientovaný kurz zaměřený na pokročilou aplikaci vícerozměrné statistiky a stochastického modelování na biologická a medicínská data. Předmět navazuje na základní metodologii jednorozměrné analýzy dat. Probírány jsou metody deskriptivní vícerozměrné analýzy se speciálním důrazem na možnosti grafického zviditelnění vícerozměrných dat, stochastické modelování a predikce. Teoretické aspekty jsou uváděny vždy formou příkladů a důraz je kladen i na praktickou stránku výuky. Veškeré výpočetní techniky jsou procvičovány s pomocí běžně dostupných softwarových nástrojů (Statistica for Windows, SPSS).

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Daniel Schwarz, Ph.D.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Po absolvování předmětu je schopen:
• vyhodnotit předpoklady vícerozměrné analýzy dat/modelování a vybrat vhodnou metodu pro řešení daného problému,
• aplikovat základy ordinačních metod a shlukové analýzy,
• použít nástroje vícerozměrné lineární a logistické regrese,
• vybrat a použít zobecněné lineární modely,
• použít vícerozměrné analýzy a modely ve statistickém softwaru

Prerekvizity

Jsou požadovány znalosti biostatistiky (ASTA) na úrovni bakalářského studia, práce s PC, práce se software Statistica.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Splnění požadavků pro ukončení cvičení: účast na cvičeních, 3 průběžné písemky na více než 50% bodů.
Závěrečná písemná zkouška za více než 50 % bodů. Zkouška je zaměřena na testování přehledu v oblasti vícerozměrné statistiky a stochastického modelování.

Osnovy výuky

1. Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod
2. Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi
3. Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice I
4. Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice II
5. Shluková analýza
6. Ordinační analýzy – principy redukce dimenzionality
7. Ordinační analýzy – přehled metod
8. Diskriminační analýza
9. Principy stochastického modelování
10. Lineární modely – základy
11. Logistická regrese, analýza ROC křivek; Pokročilé metody predikce - přehled
12. Strategie analýzy vícerozměrných klinických dat, vícerozměrná data v klinických studiích, základy metaanalýzy
13. Přehled metod analýzy časových řad

Učební cíle

Cílem kurzu je předat studentům dovednosti v aplikaci vícerozměrné analýzy a stochastického modelování na biologická a klinická data.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na cvičení je povinná, povoleny jsou 2 absence, v případě více absencí je možné cvičení po dohodě s vyučujícím nahradit (optimálně v jiné paralelní skupině).

Základní literatura

LEGENDRE, Piere a Louis LEGENDRE. Numerical Ecology 2. vyd. Elsevier Science, 1998. ISBN 978-0444892508. (EN)
MELOUN, Milan a Jiří MILITKÝ. Statistické zpracování experimentálních dat. 1. vyd. Praha: Plus, 1994. ISBN 80-85297-56-6. (CS)

Zařazení předmětu ve studijních plánech

  • Program MPC-BTB magisterský navazující 1 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

RNDr. Jiří Jarkovský, Ph.D.

Osnova

1. Smysl a cíle vícerozměrné analýzy dat a modelování, vztah jednorozměrných a vícerozměrných statistických metod
2. Vícerozměrné statistické rozdělení a testy, operace s vektory a maticemi
3. Zviditelnění vícerozměrných dat
4. Podobnosti a vzdálenosti ve vícerozměrném prostoru, asociační matice
5. Shluková analýza
6. Ordinační analýzy - principy redukce dimenzionality
7. Ordinační analýzy - přehled metod
8. Diskriminační analýza
9. Principy stochastického modelování
10. Logistická regrese, analýza ROC křivek
11. Zobecněné lineární modely - základy
12. Pokročilé metody predikce - přehled
13. Strategie analýzy vícerozměrných klinických dat, vícerozměrná data v klinických studiích, základy metaanalýzy

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

RNDr. Jiří Jarkovský, Ph.D.

Osnova

BLOK A: Vizualizace a příprava analýz vícerozměrných dat
1. Metody vizualizace vícerozměrných dat
2. Transformace dat

BLOK B: Aplikace vícerozměrných metod analýzy dat
3. Výpočet asociační matice
4. Hierarchická shluková analýza
5. Nehierarchická shluková analýza
6. Analýza hlavních komponent, statorová analýza
7. Základy metaanalýzy, vícerozměrné vážení, třídění parametrů
8. Diskriminační analýza

BLOK C. Stochastické modelování
9. Lineární regrese
10. Logistická regrese
11. ROC křivky
12. Zobecněné lineární modely
13. Modelová analýza vícerozměrného souboru