Uniwersytet Jagielloński w Krakowie - Punkt LogowaniaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Praktikum z zaawansowanych metod analizy danych doświadczalnych

Informacje ogólne

Kod przedmiotu: WBT-BT2-107 Kod Erasmus / ISCED: (brak danych) / (0542) Statystyka
Nazwa przedmiotu: Praktikum z zaawansowanych metod analizy danych doświadczalnych
Jednostka: Wydział Biochemii, Biofizyki i Biotechnologii
Grupy:
Punkty ECTS i inne: 3.00
zobacz reguły punktacji
Język prowadzenia: polski

Zajęcia w cyklu "Semestr zimowy 2020/2021" (zakończony)

Okres: 2020-10-01 - 2021-01-28
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Małgorzata Dutka
Prowadzący grup: Małgorzata Dutka
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Cele kształcenia:

Zapoznanie z zasadami wnioskowania statystycznego stosowanymi w interpretacji wyników eksperymentów biologiczno-molekularnych.

Wyrobienie umiejętności prawidłowego wyboru metody statystycznej do analizy danych w różnych typach doświadczeń.

Wdrożenie do stosowania oprogramowania specjalistycznego w zakresie metod statystycznych


Efekty kształcenia:

WIEDZA:

Student, który zaliczył przedmiot:

-jest świadomy jakie są założenia, cele i ograniczenia zastosowania metod statystycznych w interpretacji danych doświadczalnych.

-poznał wybrane zagadnienia wnioskowania statystycznego na poziomie umożliwiającym samodzielne opracowywanie wyników własnej pracy doświadczalnej

-w szczególności zapoznał się z rozmaitymi metodami oceny istotności statystycznej wyniku doświadczenia

-rozumie pojęcie modelu matematycznego, procesu „fitowania” oraz orientuje się w sposobach weryfikacji jakości dopasowania funkcji do danych.

[BT2K_W05] ,[BCH2K_W06]

UMIEJĘTNOŚCI:

Student po ukończeniu kursu potrafi:

-wybrać właściwe metody analizy statystycznej do opracowania swoich danych,

-wykonać potrzebne obliczenia i poprawnie zinterpretować wyliczone parametry statystyczne

-posługiwać się oprogramowaniem komputerowym umożliwiającym przeprowadzenie analiz wyników badań

[BT2K_U06] , [BCH2K_U08] , [BT2K_U08], ,[BCH2K_U07]

KOMPETENCJE SPOŁECZNE:

Student, który zaliczył kurs:

-rozumie potrzebę zapoznawania się ze aktualnymi standardami analizy statystycznej w swojej dziedzinie

-ma obiektywny i krytyczny stosunek do rezultatów analizy statystycznej wyników doświadczalnych,

-samodzielnie i terminowo przygotowuje podjęte przez siebie zadania

[BT2K_K02] ,[BCH2K_K06]


Wymagania wstępne:

znajomość podstaw statystyki ( na poziomie kursów z podstaw statystyki, prowadzonych w ramach studiów I stopnia);



Forma i warunki zaliczenia:

Warunkiem dopuszczenia do testu końcowego jest systematyczny udział w zajęciach oraz zaliczenie zadanych prac domowych.

Wymagana jest obecność na ćwiczeniach, liczba zajęć opuszczonych z usprawiedliwionych przyczyn nie może przekroczyć 2.


Końcowa ocena na zaliczenie wynika z 4 składowych:

• Ocena frekwencji i zaangażowania na zajęciach -waga 10%)

• Łączna ocena za zadania e-learningowe –waga 25%

• Łączna ocena za zadania domowe- waga 30%

• Ocena za test zaliczeniowy –waga 35%

Metody sprawdzania i kryteria oceny efektów kształcenia uzyskanych przez studentów:

Ocena przygotowania do zajęć: przeprowadzana na podstawie rozmowy oraz/lub kartkówki, oraz wykonania poleceń zadanych na platformie e-learningowej. Wymagane jest systematyczne i poprawne rozwiązywanie zadań na platformie e-elearningowej za które przyznawane są punkty cząstkowe.

Ocena zadanej pisemnej pracy domowej: wymagana jest terminowość dostarczenia zadania, poprawność wyników obliczeniowych oraz prawidłowa interpretacja, wyrażona w postaci konkretnego komentarza.

Końcowy przekrojowy test zaliczeniowy: wymagane jest uzyskanie progowej ilości poprawnych odpowiedzi.


Metody dydaktyczne - słownik:

Metody podające - prezentacja multimedialna
Metody praktyczne - ćwiczenia przedmiotowe
Metody problemowe - metody aktywizujące - dyskusja dydaktyczna
Metody problemowe - metody aktywizujące - metoda przypadków

Metody dydaktyczne:

Metody praktyczne :

-ćwiczenia przedmiotowe realizowane na pracowni komputerowej –praca na indywidulanych stanowiskach

-metoda przewodniego tekstu;

-metoda przypadków;

metody aktywizujące:

-dyskusja dydaktyczna;

E-learnig.



Bilans punktów ECTS:

Udział w zajęciach:

• Ćwiczenia – 30 h

Praca własna studenta:

• Przygotowanie się do ćwiczeń na podstawie zadanej literatury oraz rozwiązanie zadań wstępnych na platformie – 20 h

• Samodzielne opracowanie zadań i projektów zadanych jako praca domowa – 30 h

• Przygotowanie do testu zaliczeniowego

– 10 h


w sumie: 80 h = 3 pkt ECTS


Grupa treści kształcenia:

Grupa treści kierunkowych

Skrócony opis:

Kurs umożliwia praktyczne zapoznanie się z metodami analizy danych, uzyskiwanych w bardziej złożonych eksperymentach prowadzonych m.in. w badaniach biologii molekularnej, biofizyki.

Proponowane ćwiczenia mają na celu wykształcenie umiejętnosci prawidłowego wyboru właściwej metody analizy; wykorzystanie istniejących narzędzi programowych do wykonania potrzebnych obliczeń. szczegółowo omawiane są procedury weryfikacji hipotez statystycznych oraz metody regresji liniowej oraz nieliniowej.

Pełny opis:

Ćwiczenia:

1.Metody wstępnej oceny jakości i rozkładu danych do analizy ( histogramy, parametry statystyki opisowej, „statystyki odporne”, normalność rozkładu danych, obecność danych odstających, wykresy).

2.Statystyczna ocena niepewności wyniku dla pomiarów bezpośrednich (typu A i typu B według klasyfikacji konwencji GUM) oraz wyników złożonych ( prawa propagacji niepewności). Rodzaje graficznej prezentacji niepewności średniej na wykresie.

3.Estymacja punktowa i przedziałowa- określanie przedziałów ufności i ich zastosowanie w procesie wnioskowania o różnicach miedzy grupami danych.

4.Badanie i wyjaśnianie zależności między danymi

( miary korelacji; istotność współczynnika korelacji, wykresy Blanda-Altmana)

5.Schemat procedury testowania ( w szczególności NHST- „null hypothesis significance testing”). Parametryczne i nieparametryczne testy statystyczne- założenia, definicje statystyk testowych, poziom istotności, moc.

6. Dobór właściwego testu do analizowanego zagadnienia, ocena prawdopodobieństwa wystąpienia błędu wnioskowania w testowaniu hipotez.

7. Jedno- i dwuczynnikowa analiza wariancji- założenia, testowanie „post-hoc”.

8.Analiza danych kategorialnych (testy chi-kwadrat, McNemary)

9.Liniowe i nieliniowe modele regresji- w tym zastosowanie metod najmniejszych kwadratów w przypadku dopasowania funkcji nieliniowych do danych empirycznych (np. fitowanie funkcji wykładniczych do zmierzonych sygnałów). Ocena jakości fitu.

10.Analiza współzależności zmiennych- ANCOVA

11.Podstawowe matematyczne procedury opracowywania serii widm (np. widm absorpcyjnych, widm EPR): normalizacja, redukcja szumu, dodawanie i odejmowanie widm, model sigmoidalny, dekompozycja widm na składowe).

Literatura:

Literatura podstawowa:

"Repetytorium ze statystyki" Mariola Piłatowska PWN

"Analiza danych w naukach ścisłych i technice" Andrzej Zięba PWN 2013

"Statystyka medyczna w zarysie" A. Petrie, C. Sabin PZWL

„Statystyka z programem Statistica” M. Rabiej , Helion

Literatura dodatkowa:

"Analiza danych" S. Brandt PWN

"Statistical Analysis Methods for Chemists", (*)

Gardiner W.P.

"Cyfrowe metody przetwarzania sygnałów biomedycznych" J.Moczko, L.Kramer

Excel w obliczeniach naukowych i inżynierskich.

M. Gonet , Helion

ANOVA nad ANCOVA. A GLM approach.

2nd edition Andrew Ruthefrod ed. Wiley 2011 (*)

Applied Logistic Regression 3rd edition (*)

D.W.Hosmer, S. Lemeshow, R.X. Sturdivant , Wiley 2013

(*) pozycje dostępne w zasobach cyfrowych Biblioteki Jagiellońskiej

Uwagi:

Kurs adresowany przede wszystkim do studentów wyższych lat

( końcowy etap studiów licencjackich, uczestnicy studiów magisterskich oraz doktoranckich)

W sem. zimowym 2020/21 kurs realizowany jest w formie zdalnej, za pośrednictwem platformy MS Teams. Studenci powinni pobrać rownież i zainstalować program Statistica, który jest dostępny na UJ.

(na stronie https://dui.uj.edu.pl/statistica).

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Jagielloński w Krakowie.