Detail předmětu

Zpracování experimentálních dat - ŽP

FCH-BC_ZDZAk. rok: 2023/2024

Základní statistické postupy a mírně pokročilé metody zpracování environmentálně zaměřených experimentálních dat. Principy deskritpivní statistiky a základy multivariační analýzy dat.

Jazyk výuky

čeština

Počet kreditů

3

Garant předmětu

Mgr. Helena Doležalová Weissmannová, Ph.D.

Zajišťuje ústav

Ústav chemie a technologie ochrany životního prostředí (ÚCHTOŽP)

Vstupní znalosti

Základní znalosti matematické statistiky a počtu pravděpodobnosti v rozsahu středoškolského studia, schopnost pracovat v prostředí MS Excel.

Pravidla hodnocení a ukončení předmětu

Úspěšné absolvování zápočtového testu and odevzdání vyhovující seminární práce.
Účast na přednáškách je doporučená, ale není kontrolována. Pro studenty kombinované formy jsou organizovány konzultace v rozsahu přednášek pro studenty denní formy studia.
Konzultace jsou poskytovány i studentům denního studia na vyžádání.
Nedílnou součástí výuky i kombinované formě výuky je e-learning výukový kurz rozdělen do bloků, v rámci které jsou studentům k dispozici pro podporu učení, včetně elektronických učebnic, prezentací, přednášek a dalších doplňkových materiálů.

Učební cíle

Cílem předmětu je prohloubení a doplnění znalostí v oblasti statistiky, metod deskriptivní statistiky, metod statistických analýz (jednorozměrná analýza a mnohorozměrná analýza dat), statistického zpracování experimentálních dat. Seznámení se specifikým zpracováním experimentálních dat v environmentální analýze.
Absolvováním předmětu student získá nové znalosti a zkušenosti v oblastech:
1. Základních statistických postupů analýzy experimentálních dat, základní statistické zpracování výsledků analýz.
2. Metod numerického zpracování jednorozměrných dat, základy deskriptivní statistiky
3. Testování statistických hypotéz
4. Metod konfirmační analýzy (např. intervaly spolehlivosti, regresní analýza ap.) a explorační analýzy (např. shluková analýza, explorační faktorová analýza, metoda hlavních komponent (PCA),
5. Základy vícerozměrné analýzy
6. Praktické použití získaných poznatků při zpracování experimentálních dat z vybraných tématických okruhů v prostředí MS-Excel. popř. Statistica


Základní literatura

M. Meloun, J. Militký, Kompendium statistického zpracování dat. Academia 2001, ISBN 80-200-1008-4
Doležalová: Studijní opory.https://www.vutbr.cz/elearning/course (CS)
Hebák,P., Hustopecký, J. et al.:Vícerozměrné statistické metody. Praha: Informatorium, 2004. (CS)
J. Pavlík a kol., Aplikovaná statistika, VŠCHT Praha, 2005, ISBN 80-7080-569-2
Miller J.N., Miller J.C.: Statistics and Chemometrics for Analytical Chemistry. Pearson, Harlow 2005 (CS)
Richard C. Graham: Data Analysis for the Chemical Sciences. VCH Publishers, Inc., New York, 1993, ISBN 1-56081-048-3 (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program BPCP_ECHBM bakalářský 3 ročník, letní semestr, povinně volitelný
  • Program BKCP_ECHBM bakalářský 3 ročník, letní semestr, povinně volitelný

Typ (způsob) výuky

 

Seminář

26 hod., povinná

Vyučující / Lektor

Mgr. Helena Doležalová Weissmannová, Ph.D.

Osnova

1. Úvod, základní pojmy, chyby výsledků.
2. Popisné charakteristiky statistických souborů. Míry úrovně: aritmetický průměr, modus, medián, soustava kvantilů. Míry variability: variační rozpětí, rozptyl, směrodatná odchylka, variační koeficient.
3. Pravděpodobnost a statistika. Rozdělení pravděpodobnosti.
4. Základy statistické indukce - Bodový odhad, Intervalový odhad, Testy statistických hypotéz, Základní parametrické a neparametrické testy (jednovýběrový T- test, dvouvýběrový T- test, párový T- test, neparametrické testy).
5. Regresní analýza. Regresní modely jednoduché závislosti. Volba a výpočet regresních funkcí. Lineární regresní funkce interpretace jejich parametrů. Hodnocení kvality regresních funkcí.
6. Korelační analýza: principy hodnocení těsnosti (intenzity) závislosti, korelační modely, korelační koeficienty.
7. Multivariační statistické metody - Faktorová analýza (FA), Shluková analýza, diskriminační analýza (DA), korespondenční analýza (CA), analýza hlavních komponent (PCA).
8. Souhrn aplikace vícerozměrných metod v analýze dat.
9. Praktické použití získaných poznatků při zpracování experimentálních dat z vybraných tématických okruhů v prostředí MS-Excel. popř. Statistica.
10. Práce se MS-Excel, SW Statistica - základy
11. Deskriptivní statistika - SW Statistica
12. Regresní a korelační analýza - SW Statistica
13. Příklady vícerozměrné analýzy - SW Statistica


Elearning

eLearning: aktuální otevřený kurz