Základy statistického modelování - MS710P69

• Anglický název: Biostatistical Modelling
• Český název: Základy statistického modelování
• Podoba výuky: přednáška+cvičení
• Zajišťuje: Ústav aplikací matematiky a výpočetní techniky (31-710)
• Fakulta: Přírodovědecká fakulta
• Platnost: od 2026
• Počet semestrů výuky: 1
• Semestr: zimní
• E-Kredity: 3
• Způsob provedení zkoušky: zimní s.:
• Rozsah, examinace: zimní s.:2/1, Z [HT]
• Počet míst: 20
• Maximální kapacita předmětu: 20
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Vysvětlení: rozvržení může být upraveno po dohodě s přihlášenými
• Možnost opakovaného zápisu: 2 / 2 / 2 / 2
• Poznámka: povolen pro zápis po webu
• Garant: RNDr. Monika Pecková, Ph.D.
• Vyučující: RNDr. Monika Pecková, Ph.D.

Anotace

V přednášce se studenti seznámí se základními modely pro spojité i kategorické veličiny a s modely pro cenzorovaná data. Podrobně se budeme věnovat různým aspektům lineárních modelů a nejužívanějších zobecněných lineárních modelů. Cvičení budou probíhat v počítačových laboratořích, budeme používat statistický program RStudio. Studenti budou aplikovat teoretické znalosti na reálná data, vlastní data jsou vítána. Předpokládá se znalost základů statistického testování v rozsahu předmětu Základy biostatistiky (MS710P09) nebo obdobného základního statistického kurzu. Předchozí zkušenost s RStudiem je vítána, ale není nutnou podmínkou.

Poslední úprava: Pecková Monika, RNDr., Ph.D. (04.08.2026)

Kontroly studia předmětu a podmínky pro jejich úspěšné vykonání, způsob hodnocení

Přemět je ukončen zápočtem. Zápočet bude udělován za účast na cvičeních a zápočtový projekt.

Jako zápočtový projekt studenti zpracují analýzu dat. Zpracování vlastních vhodných dat studentů je vítáno.

Poslední úprava: Pecková Monika, RNDr., Ph.D. (04.08.2026)

Sylabus

1. Základní statistické pojmy: Náhodný výběr, pravděpodobnostní rozdělení, testování hypotéz, interval spolehlivosti, t-testy, korelace.
2. Lineární modely: Jednoduchý regresní model, metoda nejmenších čtverců, význam regresních koeficentů, CI a predikční intervaly, ANOVA a regrese.
3. Lineární modely: Regresní diagnostika, nesplněné předpoklady modelu, transformace, odlehlá pozorování.
4. Lineární modely: Regresní diagnostika, permutační testy, mnohonásobná regrese, polynomiální regrese.
5. Lineární modely: ANOVA jako lineární model, interakce v ANOVě, F-testy v ANOVě, obecný lineární model.
6. Lineární modely: Výběr modelu, validace modelu, kritéria pro výběr modelu, korelace mezi regresory, chybějící pozorování.
7. Lineární modely: Závislosti v datech, náhodné efekty, smíšené modely.
8. Zobecněné lineární modely:  Obecný tvar modelu, linková funkce, metoda maximální věrohodnosti, deviance, měření závislostí v kategorických datech, podíl šancí.
9. Logistická regrese: Model, koeficienty a jejich význam, deviance, výběr modelu.
10. Loglineární modely: Modelování kontingenční tabulky, odhady koeficientů, význam koeficientů, souvislost loglineárního modelu s logistickou regresí.
11. Analýza cenzorovaných dat: Odhad funkce přežití, logrank test, Coxův model.
12. Aplikace probraných metod na reálných datech.

Poslední úprava: Pecková Monika, RNDr., Ph.D. (04.08.2026)