Detail předmětu

Biostatistika

FCH-MC_BSTAk. rok: 2023/2024

Předmět se zaměřuje na specifickou oblast statistiky, kterou lze efektivně využívat při zpracování dat z přírodovědné a chemicko-technologické oblasti. Podrobně jsou rozváděna témata z okruhu základní i pokročilé deskriptivní analýzy, testování hypotéz, korelační a regresní analýzy a komplexní vícerozměrné analýzy dat. Teoretické znalosti z přednášek jsou přeneseny do praxe pomocí cvičení, v nichž se studenti naučí využívat pokročilých statistických softwarů, jako je například Statistica. Během cvičení jsou řešeny vědecko-výzkumné problémy nejen na modelových datech, ale i na aktuálních datasetech studentů z probíhajících diplomových prací. 



Jazyk výuky

čeština

Počet kreditů

3

Garant předmětu

Ing. Jaromír Pořízka, Ph.D.

Zajišťuje ústav

Ústav chemie potravin a biotechnologií (ÚCHPBT)

Vstupní znalosti

Dobrá znalost matematiky. Základní dovednosti práce v excelu. Schopnost základní analýzy a zpracování chemických a biologických dat.

Pravidla hodnocení a ukončení předmětu

Podmínky zisku klasifikovaného zápočtu:

Aktivní účast na všech cvičeních

V průběhu semestru splnit všechny zadané příklady z cvičení.

V závěru semestru prezenční zápočtový test za 50 bodů, minimum pro splnění: 25 bodů. 

Prezentace podstatných výsledků z řešení zadaného výzkumného problému


V průběhu semestru budou studenti zpracovávat aplikované úlohy (prezenční forma ve cvičení, kombinovaná forma jako korespondenční úkoly). Jednotlivé úkoly budou bodově ohodnoceny. Závěrečný zápočet se bude sestávat ze zápočtového testu. Dále student před zápočtovým týdnem dostane zadaný konkrétní problém, který bude muset samostatně vyřešit pomocí statistických postupů. Podsatné výsledky poté bude během zápočtu veřejně prezentovat.

Učební cíle

Studenti se v předmětu Biostatistika seznámí se základními i pokročilými statistickými metodami a jejich aplikací při vyhodnocování dat přírodovědného a chemicko-technologického typu. Zásadním posláním předmětu je předat znalosti o způsobu extrakce informací z velkých datasetů. Tyto znalosti jsou esenciální pro objektivní interpretaci výsledků vědeckých studií a při psaní odborných textů.
Absolvováním tohoto předmětu posluchači rozšíří své znalosti v oblasti pokročilého statistického zpracování experimentálních dat. Naučí se ovládat komplexní statistický software Statistica. Tyto nové znalosti a dovednosti jsou široce aplikovatelné v mnoha technických a přírodovědných oborech. Dalším benefitem je přímá návaznost tohoto předmětu na realizaci diplomových prací. Může tak přispět k vyšší kvalitě VŠKP realizovaných na FCH VUT.

Základní literatura

Doerffek K., Eckschlager K.: Optimální postup chemické analýzy, SNTL, Praha, Československo, 1988. (CS)
Lepš J., Šmilauer P.: Biostatistika. Nakladatelství Jihočeské univerzity, České Budějovice, Česká republika, 2016. (CS)
Meloun M., Militký J.: Statistická analýza experimentálních dat. Academia, Praha 2004. (CS)
Meloun M.: Počítačová analýza vícerozměrných dat, Academia, Praha, Česká republika, 2005. (CS)
Meloun M.: Statistická analýza vícerozměrnýcg dat v příkladech, Karolinium, Praha, Česká republika, 2017. (CS)

Elearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program NPCP_CHMA magisterský navazující

    specializace BF , 2 ročník, zimní semestr, povinně volitelný
    specializace CHBL , 2 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

13 hod., nepovinná

Vyučující / Lektor

Ing. Jaromír Pořízka, Ph.D.

Osnova

Studenti se v předmětu Biostatistika seznámí se základními i pokročilými statistickými metodami a jejich aplikací při vyhodnocování biologických a chemicko-analytických dat. Zásadním posláním předmětu je předat znalosti o způsobu zpracování věděckých studií s důrazem na objektivní prezentaci výsledků a závěrů.

1. týden:  Úvod do biostatistiky, základní statistické pojmy a metody
2. - 3. týden: Teorie pravděpodobnosti, centrální limitní věta, z- a t- distribuce, standardizace hodnot pomocí z a t skóre, interval spolehlivosti, bodové odhady střední hodnoty, intervalové odhady střední hodnoty, posouzení správnosti a shodnosti výsledků, systematizace a eliminace chyb
4.- 5. týden:. Základní deskriptivní analýza dat - grafy, testy normality, identifikace odlehlých výsledků. Design experimentu.
6. - 7. týden: Parametrické a neparametrické hypotézové testy - T-testy, U-test, jednofaktorová a vícefaktorová ANOVA, MANOVA, Kruskal Wallisova ANOVA
8.- 9. týden: . Korelační a regresní analýza dat, aplikace lineární regrese v biotechnologické a chemické praxi, polynomická regrese, určení stupně polynomu. Tvorba modelů.
10. -11. týden: Vícerozměrná analýza dat 1 - shluková analýza - hierarchická, K-průměr , analýza hlavních komponent (PCA)
12. - 13. týden: Vícerozměrná analýza dat 2 - kanonická a lineární diskriminační analýza, tvorba klasifikačních modelů

Témata cvičení přímo navazují na přednášky, kdy studenti řeší konkrétní statistické problémy za použití softwarů Statistica a Excel.

Konzultace v kombinovaném studiu

26 hod., nepovinná

Vyučující / Lektor

Ing. Jaromír Pořízka, Ph.D.

Cvičení

26 hod., povinná

Vyučující / Lektor

Ing. Jaromír Pořízka, Ph.D.

Elearning

eLearning: aktuální otevřený kurz