Témata přednášek: (2 hod/týden) 1. Náhodný jev a vlastnosti míry pravděpodobnosti. Náhodná veličina, distribuční funkce, kvantily. 2. Pravděpodobnostní modely diskrétních rozdělení (distribuční funkce, momenty), vybrané typy. 3. Pravděpodobnostní modely spojitých rozdělení (distribuční funkce, momenty), vybrané typy. 4. Zákon velkých čísel, centrální limitní věta. Bodový a intervalový odhad. Odhad rozsahu výběru. 5. Testování hypotéz (nulová a alternativní hypotéza, hladina významnosti, p-hodnota). Jedno-výběrový test. 6. Testy typu chí-kvadrát (test dobré shody a test nezávislosti). 7. Párový a dvou-výběrový test (parametrická a neparametrická verze). 8. Jedno-faktorová ANOVA (parametrická a neparametrická verze, verze s opakovanými měřeními, posthoc testy). 9. Dvou-faktorová ANOVA, model bez interakcí a s interakcemi. 10. Jednoduchá lineární regrese a korelace. 11. Model logistické regrese. Klasifikace (senzitivita, specificita a další míry přesnosti, ROC křivka). Témata seminářů: (2 hod/týden) 1. Výpočty pravděpodobností náhodných jevů, včetně aplikace Bayesovy věty. R-project: ecdf 2. Výpočty pravděpodobností v diskrétních modelech. R-project: pbinom, qbinom, rbinom, phyper, ppois 3. Výpočty pravděpodobností ve spojitých modelech. R-project: punif, pexp, pnorm, rnorm 4. Zákon dvou sigma. Konstrukce oboustranných a jednostranných intervalů spolehlivosti. R-project: qnorm, qt 5. Provedení jedno-výběrového testu a testu normality. R-project: t.test, shapiro.test 6. Provedení testu dobré shody. Práce s kontingenční tabulkou a test nezávislosti. R-project: chisq.test 7. Provedení párového a dvou-výběrového testu. R-project: t.test, wilcox.test 8. Provedení testu ANOVA v případě jednoho faktoru. R-project: as.factor, aov, kruskal.test, friedman.test 9. Provedení testu ANOVA v případě dvou faktorů, včetně jejich interakce. R-project: aov 10. Sestrojení modelu jednoduché lineární regrese, včetně jeho vyhodnocení. R-project: lm, cor, plot, abline 11. Práce s modelem logistické regrese, sestrojení ROC křivky, interpretace výsledků. R-project: glm, roc
|
Student se seznámí se statistickými metodami, zaměřenými na analýzu dat, obvyklých při zpracování výzkumných úkolů ve zdravotnictví. Student dokáže samostatně zpracovat odpovídající statistická data s využitím SW R-project, výsledky umí správně interpretovat. V multidisciplinárním týmu dokáže fundovaně komunikovat s odborníkem statistikem.
Odborné znalosti: Absolvent předmětu zná biostatistickou terminologii, zná vybrané typy statistických testů a chápe obecné principy statistické indukce. Odborné dovednosti: Absolvent předmětu umí používat statistický SW. Je schopen zvolit správné deskriptivní metody (charakteristiky, grafy) a orientuje se v metodách statistického testování. Obecné způsobilosti: Absolvent předmětu je schopen samostatně aplikovat adekvátním způsobem statistické metody a dokáže statistické výsledky správně interpretovat.
|
-
CRAWLEY, M. J., 2013. The R book. Hoboken: Wiley. ISBN 978-0-470-97392-9..
-
HRACH, K., 2010. Sbírka úloh ze statistiky. Ústí nad Labem: UJEP. ISBN 978-80-7044-845-8..
-
MOŠNA, F., 2017. Základní statistické metody. Praha: PF UK. ISBN 978-80-7290-972-8.
-
NEUBAUER, J., M. SEDLAČÍK a O. KŘÍŽ, 2021. Základy statistiky: aplikace v technických a ekonomických oborech. Praha: Grada Publishing. ISBN 978-80-271-3421-2..
-
ZVÁRA, K., 2013. Základy statistiky v prostředí R. Praha: Karolinum. ISBN 978-80-246-2245-3..
-
ZVÁROVÁ, J., 2016. Základy statistiky pro biomedicínské obory. Praha: Karolinum. ISBN 978-80-246-3416-6..
|