Applied analysis and visualization of laboratory data - MB160C70

• Title: Praktická analýza a vizualizace laboratorních dat
• Czech title: Praktická analýza a vizualizace laboratorních dat
• Guaranteed by: Department of Parasitology (31-161)
• Faculty: Faculty of Science
• Actual: from 2023
• Semester: winter
• E-Credits: 3
• Examination process: winter s.:
• Hours per week, examination: winter s.:0/30, C [HS]
• Capacity: 22
• Min. number of students: 6
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: taught
• Language: Czech
• Note: enabled for web enrollment
• Guarantor: RNDr. Zdeněk Verner, Ph.D.
• Teacher(s): RNDr. Iva Kolářová, Ph.D.; RNDr. Tomáš Macháček, Ph.D.; doc. Mgr. Milena Svobodová, Dr.; RNDr. Zdeněk Verner, Ph.D.

Annotation

Kurz je koncipován především jako praktické cvičení pro ujasnění si a rozšíření možností vizualizace a
zhodnocení nejběžnějších laboratorních dat. Jednotlivé tématické bloky mají stručný teoretický úvod
do probírané metodiky následovaný demonstrací metody v doporučeném softwarovém prostředí.
Těžiště bloku je v praktickém procvičení daného tématu. Závěrečný blok je věnovaný diskuzi nad
vlastními daty a možnostmi jejich hodnocení.

Last update: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Literature

Šmilauer a Lepš: Biostatistika (2016)

Sokal a Rohlf: Biometry (2011)

Nováková a Veselý: Jazyk R a tvorba grafů (2021)

Last update: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Requirements to the exam

Zápočet je udělen na základě minimálně 80% účasti na kurzu a úspěšného vypracování minimálně 60 % domácích cvičení a zápočtových příkladů.

Last update: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Syllabus

●     Základy statistického uvažování: statistika v biologii, formulace a testování hypotéz, chyby, populace/výběr/náhodný výběr, sampling error, bias

●     Data a jejich vizualizace: kvalitativní vs. kvantitativní data, exploratory data analysis, popisné statistiky, vizualizace dat, normální rozložení a transformace dat

●     Experimentální design: observační/experimentální studie, základní pojmy a jejich význam - praktické příklady, randomizovaný design/bloky/faktoriální/nested, replikace/pseudoreplikace

●     Použití MS-Excelu: import dat a jejich formátování, rozdíly mezi absolutními a relativními odkazy, vyhledávání dat v maticích

●     Analýza kategoriálních dat: formulace hypotéz a jejich testování, možnosti kontingenčních tabulek

●     T-testy: předpoklady a jejich ověření, typy t-testů a jejich provedení v MS-Excel, on-line alternativy.

●     ANOVA: předpoklady a jejich ověření, typy a jejich provedení v MS-Excel, post-hoc testy a on-line kalkulátory.

• Úvod do jazyka R. Výše uvedené statistické postupy v RStudio.

●     Vztahy mezi dvěma faktory: korelace a kauzalita, Pearsonův a Spearmanův korelační koeficient, lineární regrese a její hodnocení, prokládání funkce daty v MS-Excel

●     Diskuze nad vlastními experimentálními daty a designem pokusů.

 

Last update: Verner Zdeněk, RNDr., Ph.D. (04.09.2024)

Entry requirements

Vzhledem k praktickému zaměření se předpokládá, že studenti již mají či v blízké budoucnosti začnou sbírat vlastní data. Práce probíhá na vlastních počítačích, nutným SW vybavením je MS-Office 365, RStudio a FIJI.

Last update: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)