|
Vyučující
|
-
Koutecký Petr, Mgr. Ph.D.
|
|
Obsah předmětu
|
Obsah přednášek: Základní pojmy, deduktivní a induktivní uvažování, obecná vědecká metoda, konfirmační analýza dat, jak lze pomocí statistiky lhát a jak na to lze přijít. Základní soubor a výběr, deskriptivní statistiky. Analýza kategoriálních dat, principy testování hypotéz. Analýza spojitých dat klasifikovaných do skupin (t-test, ANOVA). Vztah dvou kvantitativních proměnných, regrese a korelace. Poissonovo rozdělení, binomické rozdělení a jejich užití. Metody mnohorozměrné statistiky a jejich využití. Neparametrické metody jsou probírány vždy s příslušnými metodami parametrickými. Obsah cvičení: Ve cvičeních se prakticky užívají metody probírané na přednáškách s použitím programu R (a RStudio).
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Písemná práce (např. u souborných zkoušek, klauzur), Demonstrace, Projekce (statická, dynamická), Nácvik pohybových a pracovních dovedností
- Příprava na zápočet
- 40 hodin za semestr
- Semestrální práce
- 16 hodin za semestr
- Příprava na zkoušku
- 40 hodin za semestr
- Účast na výuce
- 56 hodin za semestr
- Domácí příprava na výuku
- 28 hodin za semestr
|
|
Výstupy z učení
|
Cílem přednášky je seznámit studenty se základními principy statistického uvažování a s jejich aplikací na data biologických oborů. Celá přednáška je zaměřena na pochopení principů a především na aplikaci statistických metod a na správnou interpretaci výsledků statistických testů. Absolvent kurzu bude připraven zpracovat data pro účely vlastní bakalářské či diplomové práce a správně výsledky testů interpretovat. Dále bude chápat význam statistických hodnocení, které se vyskytují prakticky ve všech odborných článcích současných oborů biologie. Neměl by se nechat zmást tam, kde složitý statistický aparát zastírá chabou podstatu dat. Vše je demonstrováno na biologických příkladech, pokud možno blízkých těm, které bývají v bakalářských a magisterských pracech. Studenti se naučí zpracovat data pomocí statistického programu R/RStudio.
Absolventi budou schopni: (1) převést výzkumné otázky na testovatelné hypotézy a odpovídající nulové statistické hypotézy, a take navrhnout uspořádání pokusu či pozorování, které povede k získání kvalitních dat (2) identifikovat typy dat, která danému problému odpovídají, a určit typy statistických modelů a metod, která jsou pro dané typy dat vhodná (3) zvolit a aplikovat vhodné typy statistických metod a modelů, zahrnující například test dobré shody, analýzu kontingenčních tabulek, jednovýběrový, párový a dvouvýběrový t-test (plus odpovídající neparametrické testy), analýzu variance (plus odpovídající neparametrické testy) včetně analýzy dat s blokovým uspořádáním, metody jednoduché a mnohonásobné regrese. Dále budou schopni ověřit základní předpoklady těchto metod (4) pomocí výběrových statistik a vhodných grafů shrnout analyzovaná data a hlavní závěry jejich analýzy
|
|
Předpoklady
|
Matematické znalosti v rozsahu středoškolského učiva (lineární algebra, teorie pravděpodobnosti).
|
|
Hodnoticí metody a kritéria
|
Esej, Kombinovaná zkouška, Test, Průběžné hodnocení
Účast na cvičeních je kontrolována (max. 2 nevysvětlené absence). V polovině semestru jsou znalosti ze cvičení ověřovány průběžným testem (0-5 bodů), jehož výsledky se kombinují se závěrečným zápočtovým testem (0-45 bodů). Minimální počet bodů pdo zápočet je 27. Před ústní zkouškou musí student dodat esej reprezentující fiktivní odborný článek se zaměřením na analýzu dat. Při ústní zkoušce je esej diskutována a bodována (0-5 bodů), spolu s odpověďmi na dvě otázky náhodně vybrané z obsahu kurzu (u nich se hodnotí znalost teorie, 0-5 bodů každá). Pro úspěšné absolvování zkoušky je minimální počet bodů 88.
|
|
Doporučená literatura
|
-
Lepš J., Šmilauer P. Biostatistika. Episteme, České Budějovice, 2016. ISBN 978-80-7394-587-9.
-
Sokal R.R., Rohlf F.J. Biometry. 4th edition. Freeman, San Francisco, 2012.
-
Zar J.H. Biostatistical analysis, 5th edition. Pearson, San Francisco, 2010.
|