|
Vyučující
|
|
|
|
Obsah předmětu
|
1. Úvod do zpracování dat, typy proměnných z pohledu informatiky a statistiky - Úvod do excelu, vkládání a formátování dat, absolutní a relativní adresace, export a import dat. 2. Tabulková a netabulková data - Operátory a funkce 3. Vizualizace dat, podmíněné formátování, grafy 4. Nástroje citlivostní analýzy, řešitel, seznamy a filtry 5. Křížové tabulky, maticové a předpovědní funkce 6. Úvod do R - RStudio, základní datové typy, proměnné, funkce, vektory, matice 7. Faktory, datové rámce, seznamy, vizualizace v R. 8. Transformace dat s využitím knihovny dplyr. 9. Základy statistiky - Jak navrhnout pokus? Co můžu zjistit? Popisná statistika. Směrová statistika - co s azimutem? 10. Pravděpodobnost, náhodná rozdělení, testy významnosti, výběr testu. Histogramy, boxplot diagramy. 11. Jedna a více proměnných. Vzájemná vazba. Korelace a základy regresní analýzy. 12. Ukázky dalších analýz (analýza významnosti - PCA, shluková analýza). Řešené příklady v Excel a R.
|
|
Studijní aktivity a metody výuky
|
Přednášení, Demonstrace
- Účast na výuce
- 36 hodin za semestr
|
|
Výstupy z učení
|
Cílem předmětu je seznámit studenty se základním zpracováním nejen biologických dat, jejich vizualizací a základní analýzou včetně přípravy pro statistické vyhodnocování.
Student umí efektivně zpracovávat data v prostředích Excel a R. Data umí vhodně vizualizovat a vyhodnocovat. Chápe základní principy pravděpodobnosti a statistického zpracování dat.
|
|
Předpoklady
|
Předpkládá se znalost práce s počítačem na úrovni znalostí střední školy.
|
|
Hodnoticí metody a kritéria
|
Písemná zkouška
Znalost vkládání, zpracování, vizualizace a základní analýzy dat v programech MS Excel a R.
|
|
Doporučená literatura
|
-
Miroslav Navarrů. (2019). Excel 2019: podrobný průvodce uživatele.. Praha.
-
WICKHAM, H a G GROLEMUND. (2016). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data.
-
Zvárová, J. (2016). Základy statistiky pro biomedicínské obory. Praha: Karolinum.
|