Detail předmětu

Pokročilé metody v biostatistice

FEKT-FSTAAk. rok: 2010/2011

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

prof. RNDr. Ladislav Dušek, Ph.D.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Předpoklady vícerozměrné analýzy dat a modelování, základy ordinačních metoda shlukové analýzy, vícerozměrná lineární a logistická regrese, základy zobecněných lineárních modelů.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia.

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

Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Osnovy výuky

Výuka předmětu je rozdělena do 13 bloků procházejících aplikaci pokročilých statistických metod od jejich vazby na jednorozměrnou statistiku, strategii vizualizace vícerozměrných dat, zjednodušení vícerozměrného prostoru až po modelování a různé typy predikcí. Praktická cvičení jsou rozdělena do tří základních bloků pokrývajících vizualizaci vícerozměrných souborů dat, vícerozměrné statistické metody a stochastické modelování.

Učební cíle

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

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

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

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 BTBIO-F magisterský navazující

    obor F-BTB , 1 ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Daniel Schwarz, 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

doc. Ing. Daniel Schwarz, Ph.D.
RNDr. Jiří Jarkovský, Ph.D.
prof. RNDr. Ladislav Dušek, Ph.D.
Mgr. Simona Littnerová

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