|
Vyučující
|
-
Šmilauer Petr, doc. RNDr. Ph.D.
-
Lepš Jan, prof. RNDr. CSc.
|
|
Obsah předmětu
|
Obsah přednášek: Testování hypotéz, korelace a kauzalita, konfirmativní a explikativní analýza dat. Úloha experimentu, experiment v terénu a na úrovni společenstva a ekosystému - teorie a praktická omezení. Typy experimentálního uspořádání. Latinské čtverce, bloky. Pseudoreplikace a jejich důsledky. Hodnocení experimentů se zvláštním důrazem na různé modely ANOVy a jejich vztah k experimentálnímu uspořádání. Hodnocení zákonitostí ve složení společenstev - metody mnohorozměrné analýzy: míry podobnosti, mezidruhové vazby, klasifikace, ordinační analýza; užití mnohorozměrných metod pro explikativní a konfirmativní analýzu dat, především pro hodnocení experimentů. Diskuse a procvičení modelových příkladů: od plánu experimentu, přes určení nezbytného počtu pozorování a statistické zpracování k biologické interpretaci výsledků. Obsah cvičení: Ve cvičeních jsou prakticky aplikovány metody, a to pomocí příslušných statistických programů.
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Projekce (statická, dynamická), Nácvik pohybových a pracovních dovedností, E-learning
- Příprava na zápočet
- 16 hodin za semestr
- Účast na výuce
- 56 hodin za semestr
- Příprava na zkoušku
- 20 hodin za semestr
- Semestrální práce
- 32 hodin za semestr
- Domácí příprava na výuku
- 45 hodin za semestr
|
|
Výstupy z učení
|
Cílem přednášky je seznámit studenty se základními principy navrhování a testování hypotéz ve vědecké práci, s hypoteticko-deduktivním přístupem, s významem experimentů, s organizací experimentálního uspořádání a se statistickým hodnocením experimentů ale i pozorování. Ve všech případech bude kladen důraz na praktické aspekty a na problémy, které vznikají při práci v terénu. Studenti musí pochopit rozdíl mezi zjištěním korelace a kauzální závislosti a roli manipulativních experimentů pro zjišťování kauzality. Po absolvování přednášky by studenti měli být schopni naplánovat experiment nebo terénní sledování tak, aby statistické vyhodnocení bylo možné bez znásilňování základních principů statistiky a díky vysokému podílu praktik by měli být schopni vyhodnotit většinu vlastních dat. V představovaných statistických metodách je kladen důraz na metody mnohorozměrné analýzy dat s užitím programů CANOCO a TWINSPAN, a dále na pokročilé ANOVA modely.
Absolvent kurzu bude schopen: (1) správně naplánovat a vyhodnotit experimenty v oblasti teoretické i aplikované ekologie a taxonomie, zejména na úrovni populací a společenstev, ale take experimenty produkující mnohorozměrná molekulárně-biologická data (2) rozlišit otázky zodpověditelné pomocí neomezené a omezené ordinace a správně zvolit odpovídající metodu (3) interpretovat výsledky permutačních testů mnohorozměrných hypotéz a take správně interpretovat grafickou reprezentaci ordinačních metod (ordinační diagramy) (4) zvolit a aplikovat vhodné metody klastrové analýzy nebo metody TWINSPAN
|
|
Předpoklady
|
Studenti potřebují způsobilosti odpovídající kurzu Biostatistiky (KBE/012 či KBO/012), zejména pokud jde o testování hypotéz, analýzu variance a lineární modely. Studenti mají dostatečné porozumění anglickému jazyku, ve kterém je kurz vyučován.
|
|
Hodnoticí metody a kritéria
|
Esej, Kombinovaná zkouška, Průběžné hodnocení
Studenti během semestru vypracovávají 5-7 domácích úkolů, které jsou bodovány přednášejícím. Na konci semestru posílají studenti vypracovanou esej, reprezentující analýzu vlastních (či přednášejícím dodaných) dat s použitím metod probíraných v kurzu.
|
|
Doporučená literatura
|
-
Jongman R. H. et al. (1987): Data analysis in community and landscape ecology. - Pudoc, Wageningen.
-
P. Legendre, L. Legendre. Numerical Ecology. Third English Edition. Elsevier, Amsterdam, 2012. ISBN 978-0-444-53868-0.
-
Šmilauer P., Lepš J. Multivariate analysis of ecological data using Canoco 5. Cambridge University Press, Cambridge, UK, 2014. ISBN 978-1-107-69440-8.
|