Last update: RNDr. Jana Rubešová, Ph.D. (06.01.2003)
Data analysis principles. Descriptive statistics. Introduction to inferential statistics (statistical hypothesis, statistics, significance level, p value, confidence interval). One/two independent samples procedures. Regression. Contingency tables.
Last update: RNDr. Monika Pecková, Ph.D. (08.01.2024)
Základy pravděpodobnosti a matematické statistiky a jejich aplikace v biologii. Výuka především pro 2. ročník biologických oborů. Cílem výuky je seznámit posluchače s principy statistického uvažování, základy testování a modelování. Cvičení probíhají v počítačových laboratořích s použitím statistického programu R Studio. Student by se měl naučit samostatně používat běžné biostatistické postupy. Na cvičeních jsou vítána reálná data studentů.
Podmínkou pro zapsání předmětu je znalost matematiky minimálně v rozsahu předmětu Matematika C (MS710P56).
Literature - Czech
Last update: doc. RNDr. Karel Zvára, CSc. (19.02.2014)
Zvára K.: Základy statistiky v prostředí R (Biomedicínská statistika IV), Karolinum, Praha 2013
Zvára K.: Biostatistika, Karolinum, Praha 1998, 2000, 2001.
Zvára K., Prášková Z..: Pravděpodobnost a matematická statistika, SPN, Praha 1986, 1989
Havránek T.: Statistika pro biologické a lékařské vědy. Academia, Praha 1993
Requirements to the exam - Czech
Last update: RNDr. Monika Pecková, Ph.D. (13.03.2024)
Požadavky k zápočtu: Aktivní účast na cvičeních. 3 domácí úkoly dle pokynů cvičícího.
Zkouška je praktická a ústní, probíhá v počítačové laboratoři. Student samostatně vyřeší několik úloh, potom následuje ústní zkouška, při které student vysvětlí svá řešení a zodpoví doplňující otázky.
Syllabus -
Last update: RNDr. Monika Pecková, Ph.D. (24.02.2021)
1. Types of data; samples and populations; descriptive statistics. 2. Introduction to probability; independence; Bayes theorem. 3. Random variables; probability distributions; quantiles; mean; variance.
4. Discrete distributions: binomial, Poisson; continuous distributions: normal, Student's t, chi-square; central limit theorem. 5. Introduction to estimation and hypothesis testing; confidence intervals. 6. Testing the hypotheses about the mean of one sample of one or two samples: t-tests.
7. Introduction to nonparametric tests. 8. Introduction to analysis of variance. 9. Correlation; simple regression; least squares method; assumptions of regression.
10. Multiple regression models, confounding, choice of the model. 11. Multinomial distribution, goodness-of-fit test, test of independence for discrete variables.
12. Contingency tables, Fisher exact test, McNemar test of symmetry.
13. Designs of epidemiological studies; odds ratio; logistic regression.
Last update: RNDr. Monika Pecková, Ph.D. (09.02.2020)
1. Popisná statistika, míry polohy, míry variability, závislost dvou znaků.