Detail předmětu

Chemometrie

FCH-MC_CHMAk. rok: 2023/2024

Předmět zahrnuje přehled statistického zpracování experimentálních dat. Předmět je rozdělen do několika tematických celků : Deskriptivní statistika (Popisná statistika - základní pojmy, klasifikace typů proměnných, třídění dat). Základní charakteristiky souborů dat, Charakteristiky variability) Základy pravděpodobnosti. Typy rozdělení. Bodový a intervalový odhad. Interval spolehlivosti. Regresní a korelační analýza. Neparametrické a robustní metody. Základy vícerozměrné analýzy dat. Předmět se skládá z přednášek a cvičení, ve cvičení budou studenti prakticky aplikovat poznatky z přednášek s použitím SW Statistica.

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

Hodnocení předmětu je v návaznosti na skladbu předmětu, tj. cvičení. Celkové hodnocení je ve formě zápočtu, udělení zápočtu na cvičeních (100% účast na seminářích a odevzdání semestrální práce).

Účast na přednáškách je doporučená, ale není kontrolována. 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.
Pro studenty kombinované formy studia jsou organizovány konzultace o tématech pro studenty prezenční formy studia. Konzultace jsou poskytovány i pro studenty prezenční formy studia na vyžádání.

Učební cíle

Cílem předmětu je podat studentům přehled statistického zpracování experimentálních dat. Schopnost provádět správnou statistickou analýzu experimentálních dat ve výzkumné i průmyslové praxi. Doplnit a získat nové teoretické informace a praktické dovednosti potřebné k numerickému zpracování dat získaných vlastní experimentální činností.

Zvládnutí základních statistických postupů analýzy experimentálních dat.
Praktické použití získaných poznatků při zpracování experimentálních dat z vybraných tématických okruhů v prostředí MS-Excel.

1. Studenti budou schopni provádět základní statistické zpracování výsledků experimentálních dat.
2. Studenti porozumí základním postupům zpracování a interpretace environmentálních dat a budou je umět aplikovat v praxi.

Základní literatura

Doležalová: Elearningové studijní opory,https://www.vutbr.cz/elearning/course/ (CS)
GRAFEN A. Modern statistics for the life sciences. Oxford: Oxford University Press, 2002. ISBN 01-992-5231-9. (CS)
HANRAHAN G. Environmental chemometrics: principles and modern application. CRC Press, 2009, 292 s. ISBN: 14-200-6796-6. (CS)
Hebák,P., Hustopecký, J. et al.:Vícerozměrné statistické metody. Praha: Informatorium, 2004. (CS)
Hendl J.: Přehled statistických metod zpracování dat. Portál, Praha 2004. (CS)
J. Pavlík a kol., Aplikovaná statistika, VŠCHT Praha, 2005, ISBN 80-7080-569-2 (CS)
Milan Meloun a Jiří Militký: Kompendium statistického zpracování dat. Academia 2002;2008;2015 (CS)
Miller J.N., Miller J.C.: Statistics and Chemometrics for Analytical Chemistry. Pearson, Harlow 2005 (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program NKCP_ECHT magisterský navazující 1 ročník, zimní semestr, povinný
  • Program NPCP_ECHT magisterský navazující 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Konzultace v kombinovaném studiu

26 hod., nepovinná

Vyučující / Lektor

Mgr. Helena Doležalová Weissmannová, Ph.D.

Cvičení

26 hod., povinná

Vyučující / Lektor

Mgr. Helena Doležalová Weissmannová, Ph.D.

Osnova

1. Popisná statistika - základní pojmy, klasifikace typů proměnných, třídění dat.
2. Popisná statistika - charakteristiky. Různé druhy průměrů. Modus, medián, kvantily. Charakteristiky variability. Rozptyl, směrodatná odchylka.
4. Diskrétní náhodná veličina. Pravděpodobnostní a distribuční funkce, střední hodnota a rozptyl.
5. Spojitá náhodná veličina. Hustota pravděpodobnosti, distribuční funkce. Typy rozdělení. Bodový a intervalový odhad. Interval spolehlivosti.
6. Regresní analýza.
7. Korelační analýza.
8. Neparametrické a robustní metody.
9. Základy vícerozměrné analýzy.
10. Práce se SW Statistica - základy
11. Deskriptivní statistika - SW Statistica
12. Regeresní a korelační analýza - SW Statistica
13. Příklady vícerozměrné analýzy - SW Statistica

Elearning

eLearning: aktuální otevřený kurz