PřF:Bi5046 Biostatistika pro mat. biol. - Informace o předmětu
Bi5046 Biostatistika pro matematickou biologii a biomedicínu
Přírodovědecká fakultajaro 2021
- Rozsah
- 2/1/0. 3 kr. (plus ukončení). Ukončení: zk.
- Vyučující
- RNDr. Tomáš Pavlík, Ph.D. (přednášející)
prof. RNDr. Ladislav Dušek, Ph.D. (přednášející)
Mgr. Michal Uher (cvičící) - Garance
- RNDr. Tomáš Pavlík, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: prof. RNDr. Ladislav Dušek, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta - Rozvrh
- Po 1. 3. až Pá 14. 5. St 8:00–10:50 F01B1/709
- Předpoklady
- Nejsou - jde o základní kurz.
- Omezení zápisu do předmětu
- Předmět je nabízen i studentům mimo mateřské obory.
- Mateřské obory/plány
- Molekulární biologie a genetika (program PřF, B-EXB)
- Speciální biologie (program PřF, B-EXB)
- Speciální biologie (program PřF, B-EXB, směr Ekotoxikologie)
- Speciální biologie (program PřF, B-EXB, směr Experimentální biologie rostlin)
- Speciální biologie (program PřF, B-EXB, směr Experimentální biologie živočichů a imunologie)
- Speciální biologie (program PřF, B-EXB, směr Mikrobiologie a molekulární biotechnologie)
- Cíle předmětu
- Předmět má za cíl prezentovat studentům základní biostatistické přístupy a metody spolu s jejich aplikacemi při řešení reálných problémů z oblasti biologie a medicíny. Studenti proniknou do výpočetní podstaty používaných metod a jejich předpokladů a získají přehled v možnostech jejich aplikace. Kurz slouží studentům jako příprava pro pokročilejší přednášky statistiky a aplikované analýzy dat. Biostatistika v matematické biologii je předmět na pomezí základní biostatistiky kurzu pravděpodobnosti a statistiky. Na rozdíl od základního kurzu biostatistiky jde více do hloubky teoretické podstaty metod, proti základnímu kurzu pravděpodobnosti a statistiky zase obsahuje aplikace prezentovaných metod na reálné problémy biologie a medicíny.
- Výstupy z učení
- Na konci tohoto kurzu student:
- rozumí základním pojmům biostatistiky a analýzy dat,
- umí formulovat statistickou hypotézu s ohledem na charakter dat,
- je schopen navrhnout uspořádání biologického a klinického experimentu,
- umí aplikovat statistické metody a testy s ohledem na charakter dat,
- je schopen ověřit předpoklady statistických metod a testů,
- umí korektně interpretovat výsledky vlastních analýz,
- může kriticky hodnotit publikované výsledky statistických metod. - Osnova
- 1. Úvod do biostatistiky; Náplň biostatistiky a její základ ve statistice a pravděpodobnosti; Rozdíl mezi statistikou a analýzou dat a jejich vliv na biostatistiku; Typy biostatistických úloh (odhady parametrů, testování hypotéz, predikce, klasifikace) – jejich rozdíly a příklady z praxe.
2. Vztah pravděpodobnosti, statistiky a biostatistiky; Pojem náhoda a pravděpodobnost; Typy pravděpodobnosti; Podmíněná pravděpodobnost a její význam v biostatistice; Bayesův vzorec; Senzitivita, specificita, prediktivní hodnoty; Analytický, Bayesovský a frekventistický přístup ke zpracování dat a jejich hlavní rozdíly.
3. Data, jejich popis a vizualizace; Jak vznikají data, náhodný vzorek, cílová a výběrová populace; Typy dat: data spojitá, ordinální a nominální; Prezentace naměřených hodnot, význam vizualizace před jejich hodnocením; Popisné statistiky souboru a možnosti jejich vizualizace; Kontrola typu rozdělení pravděpodobnosti.
4. Náhodná veličina, rozdělení pravděpodobnosti a reálná data; Rozdělení pravděpodobnosti – diskrétní a spojité; Normální rozdělení a rozdělení z něj odvozená; Informační hodnota spojité proměnné, vliv kategorizace; Transformace náhodné veličiny. Význam transformací pro zpracování dat.
5. Odhady charakteristik náhodných veličin I; Cíl provádění odhadů. Spojitost variability dat a variability odhadů; Kritéria vhodnosti odhadu – nestrannost, konzistence, invariance; Metoda maximální věrohodnosti; Nestranné a maximálně věrohodné odhady – jejich role v biostatistice a příklady.
6. Odhady charakteristik náhodných veličin II; Odhady parametru polohy, odhady parametru měřítka; Parametrické a neparametrické odhady charakteristik náhodných veličin (střední hodnoty, rozptylu); Centrální limitní věta, interval spolehlivosti odhadu a jeho interpretace.
7. Testování hypotéz - úvod; Princip testování hypotéz, prvky testování hypotéz a jejich interpretace; P-hodnota a její interpretace; Chyba I. a II. druhu, síla testu a souvislost s velikostí vzorku; Statistická versus klinická/biologická významnost – příklady.
8. Testování hypotéz o kvantitativních proměnných; Parametrické testy o parametrech 1 a 2 rozdělení; Neparametrické testy, permutační testování; Testy o rozdělení náhodné veličiny, testy normality rozdělení.
9. Analýza rozptylu (ANOVA); Cíl analýzy rozptylu a souvislost s ostatními testy; Předpoklady analýzy rozptylu; Princip a metodika výpočtu; Zobecnění postupu a rozšíření o další proměnné.
10. Testování hypotéz o binárních a kategoriálních proměnných, testy dobré shody; Kontingenční tabulka, relativní riziko, poměr šancí (odds ratio); Multinomické rozdělení a Chi2 rozdělení v analýze kontingenčních tabulek; Testy nezávislosti dvou faktorů, Fisherův exaktní test, McNemarův test.
11. Plánování velikost vzorku biologického/klinického experimentu; Důvody plánování experimentu; Výběr cílového parametru hodnocení; Souvislost charakteristik dat, testování hypotéz a klinicky významného rozdílu.
12. Korelační a regresní analýza; Princip korelace dvou náhodných veličin, korelační míry/koeficienty; Korelace a kauzalita; Princip regresního modelování, návaznost na analýzu časových řad; Lineární regresní model; Normální rovnice, metoda nejmenších čtverců pro odhad regresních koeficientů; Vyčerpaná variabilita dat, rezidua modelu.
13. Úvod do stochastického modelování; Pojem model a jeho komponenty, matice plánu; Zobecněné lineární modely a příklady jejich použití; Regresní koeficienty a metody jejich odhadu; Interval spolehlivosti regresního koeficientu; Analýza reziduí.
14. Úvod do analýzy přežití; Data přežití a princip cenzorování; Funkce přežití a riziková funkce – vzájemná souvislost; Neparametrické a parametrické odhady křivky přežití a rizikové funkce; Coxův model proporcionálních rizik; Předpoklady Coxova modelu a jejich ověření.
- 1. Úvod do biostatistiky; Náplň biostatistiky a její základ ve statistice a pravděpodobnosti; Rozdíl mezi statistikou a analýzou dat a jejich vliv na biostatistiku; Typy biostatistických úloh (odhady parametrů, testování hypotéz, predikce, klasifikace) – jejich rozdíly a příklady z praxe.
- Literatura
- Zar, J.H. (1998) Biostatistical analysis. Prentice Hall, London. 4th ed.
- Sokal, R.R., Rohlf, F.J. (1994) Biometry, W. H. Freeman, 3th ed.
- Výukové metody
- V semestru Jaro 2021 bude výuka probíhat v online režimu přes MS Teams dle pokynů vyučujícího. Z online výuky přes MS Teams bude pořizován záznam, k využití pro studenty tohoto předmětu prostřednictvím aplikace Online výuka IS MU.
V průběhu přednášky jsou studenti aktivně zapojováni do probírané látky tak, že je od nich požadována pomoc s odvozováním klíčových prvků probírané látky a jsou po nich požadovány jednoduché příklady, se kterými se mohli potkat. - Metody hodnocení
- V semestru Jaro 2021 bude způsob ukončení předmětu upřesněn dle aktuálních opatření. Předmět je uzavřen písemnou zkouškou zaměřenou na pochopení principů biostatistiky a výpočetní dovednosti studentů. Písemka pokrývá celý rozsah kurzu od popisné statistiky, předpokladů statistického testovní až po aplikaci konkrétních testů na reálných příkladech.
V průběhu semestru píší studenti dva krátké testy zaměřené na aktuální probíranou látku, jejichž hodnocení bude zohledněno v celkové známce. - Navazující předměty
- Informace učitele
- http://portal.matematickabiologie.cz/
- Další komentáře
- Studijní materiály
Předmět je vyučován každoročně. - Nachází se v prerekvizitách jiných předmětů
- Statistika zápisu (jaro 2021, nejnovější)
- Permalink: https://is.muni.cz/predmet/sci/jaro2021/Bi5046