Základy biostatistiky - MS710P09

• Anglický název: Statistics for biosciences
• Český název: Základy biostatistiky
• Zajišťuje: Ústav aplikací matematiky a výpočetní techniky (31-710)
• Fakulta: Přírodovědecká fakulta
• Platnost: od 2022
• Semestr: letní
• E-Kredity: 5
• Způsob provedení zkoušky: letní s.:
• Rozsah, examinace: letní s.:2/2, Z+Zk [HT]
• Počet míst: 200
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Poznámka: povolen pro zápis po webu
• Garant: RNDr. Monika Pecková, Ph.D.
• Vyučující: Mgr. Alena Černíková, Ph.D.; RNDr. Monika Pecková, Ph.D.; RNDr. Jana Rubešová, Ph.D.; RNDr. Marie Turčičová, Ph.D.
• Je neslučitelnost pro: MS710P65
• Je prerekvizitou pro: MB120P147

Anotace

čeština

Poslední úprava: 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).

angličtina

Poslední úprava: 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.

Literatura

Poslední úprava: 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

Požadavky ke zkoušce

Poslední úprava: 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.

Sylabus

čeština

Poslední úprava: RNDr. Monika Pecková, Ph.D. (09.02.2020)

1. Popisná statistika, míry polohy, míry variability, závislost dvou znaků.

2. Náhodné jevy, pravděpodobnost, podmíněná pravděpodobnost, nezávislost, Bayesova věta, senzitivita a specificita.

3. Náhodná veličina, marginální a sdružené rozdělení, charakteristiky náhodných veličin.

4. Základní soubor a náhodný výběr, parametr a jeho odhad, princip testování hypotéz.

5. Testy o jenom výběru (klasické i neparametrické).

6. Testy o dvou výběrech: dvouvýběrové, párové (klasické i neparametrické).

7. Analýza rozptylu: jednoduché třídění, dvojné třídění, náhodné bloky.

8. Závislost spojitých veličin, korelace, lineární regrese, mnohonásobná lineární regrese.

9. Test dobré shody, závislost kvalitativních veličin, testy v kontingenčních tabulkách.

10. Epidemiologické studie, poměr šancí, logistická regrese.

 

angličtina

Poslední úprava: 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.