Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2009
Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Rozvrh
Čt 16:00–19:50 F01B1/709
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Prediktivní modelování
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2008
Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Základy stochast. modelování
This subject is suitable for more advanced students with good knowledge of statistics. More advanced statistical software will be presented.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět Analýza dat na PC III je určen pro pokročilé studenty s dobrými znalostmi statistiky. Cílem předmětu je naučit studenty práci s pokročilými statistickými software na takové úrovni, aby byli schopni samostatné analýzy dat.
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Metody hodnocení
Zápočet z předmětu je udělován za účast na výuce
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2023

Předmět se v období podzim 2023 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2022

Předmět se v období podzim 2022 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2021

Předmět se v období podzim 2021 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2020

Předmět se v období podzim 2020 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2019

Předmět se v období podzim 2019 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2018

Předmět se v období podzim 2018 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: z.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2017

Předmět se v období podzim 2017 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2016

Předmět se v období podzim 2016 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2015

Předmět se v období podzim 2015 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2014

Předmět se v období podzim 2014 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2013

Předmět se v období podzim 2013 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2012

Předmět se v období podzim 2012 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2011

Předmět se v období podzim 2011 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2010

Předmět se v období podzim 2010 nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Prediktivní modelování
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2011 - akreditace

Předmět se v období podzim 2011 - akreditace nevypisuje.

Údaje z období podzim 2011 - akreditace se nezveřejňují

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.

Bi8661 Analýza dat na PC III: Pokročilý SW pro analýzu dat

Přírodovědecká fakulta
podzim 2010 - akreditace

Předmět se v období podzim 2010 - akreditace nevypisuje.

Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: kz.
Vyučující
RNDr. Eva Gelnarová (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Jiří Jarkovský, Ph.D.
Předpoklady
Bi5040 Biostatistika - základní kurz && Bi7490 Pokročilé neparametrické metod
Studenti s pokročilou znalostí statistiky.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
V průběhu kurzu získá student - přehled možností a ovládání statistického software R - znalost práce s popisnou statistikou a vizualizací dat v software R - znalost práce se software R v oblasti testování hypotéz - základy regresní analýzy v software R - zkušenost s praktickou analýzou dat v R software
Osnova
  • 1. Úvod do R, základní statistické metody a) Základy software R- historie, instalace, načtení dat, základní datové typy a struktury, tvorba funkcí, knihovny, formátování výstupů, operace s maticemi b) Vizualizace dat – boxplot, histogram, scatter-plot c) Operace s daty, transformace, přehled statistických rozdělení, korelační koeficienty d) Statistické testy – testy normality, jednovýběrové a dvouvýběrové t-testy, neparametrické testy e) Analýza rozptylu 2. Pokročilé statistické metody v R a) Kontingenční tabulky – tvorba tabulek, Chi-kvadrát test nezávislosti b) Lineární regresní modely – odhad parametrů, diagnostika reziduí, diagnostika odlehlých pozorování, výběr vysvětlujících proměnných c) Zobecněné lineární modely – logistická regrese, poissonovská regrese d) Analýza hlavních komponent – vlastní čísla matice 3. Volitelná náplň dle komunikace se studenty, varianty: a) Samostatná analýza reálného datového souboru v R, tvorba reportu b) Krátký úvod do dalšího statistického software (Matlab, SPSS) nebo ArcGis
Literatura
  • Zar, J.H.: Biostatistical analysis. New Jersey 1984, Prentice-Hall
  • StatSoft, Inc. (2007). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/stathome.html
  • www.r-project.org
  • Snedecor, G.W., Cochran, W.G.: Statistical methods, Iowa 1971, Iowa State University Press.
  • Legendre, P., Legendre, L. (1998) Numerical ecology. Elsevier, 2nd ed.
  • ter Braak, C.J.F. (1996). Unimodal models to relace species to environment. DLO-Agricultural Mathematics Group, Wageningen Flury, B., Riedwyl, H. (1988) Multivariate statistics. A practical approach. Chapman and Hall, London.
Výukové metody
Cvičení na počítačích
Metody hodnocení
Individuální projekt korektní aplikace statistických metod na příkladových datech
Informace učitele
Pokud bude příhlašen dostatečný počet studentů, výuka proběhne ve třech blocích a to 8.10.2009, 22.10.2009 a 5.11.2009. Vždy od 16:00 do 19:45.
Další komentáře
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2008, podzim 2009.