Praktická analýza a vizualizace laboratorních dat - MB160C70

• Anglický název: Applied analysis and visualization of laboratory data
• Český název: Praktická analýza a vizualizace laboratorních dat
• Zajišťuje: Katedra parazitologie (31-161)
• Fakulta: Přírodovědecká fakulta
• Platnost: od 2023
• Semestr: zimní
• E-Kredity: 3
• Způsob provedení zkoušky: zimní s.:
• Rozsah, examinace: zimní s.:0/30, Z [HS]
• Počet míst: 22
• Minimální obsazenost: 6
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Poznámka: povolen pro zápis po webu
• Garant: RNDr. Zdeněk Verner, Ph.D.
• Vyučující: RNDr. Iva Kolářová, Ph.D.; RNDr. Tomáš Macháček, Ph.D.; doc. Mgr. Milena Svobodová, Dr.; RNDr. Zdeněk Verner, Ph.D.

Anotace

Kurz je koncipován především jako praktické cvičení pro ujasnění si a rozšíření možností vizualizace a
zhodnocení nejběžnějších laboratorních dat. Jednotlivé tématické bloky mají stručný teoretický úvod
do probírané metodiky následovaný demonstrací metody v doporučeném softwarovém prostředí.
Těžiště bloku je v praktickém procvičení daného tématu. Závěrečný blok je věnovaný diskuzi nad
vlastními daty a možnostmi jejich hodnocení.

Poslední úprava: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Literatura

Šmilauer a Lepš: Biostatistika (2016)

Sokal a Rohlf: Biometry (2011)

Nováková a Veselý: Jazyk R a tvorba grafů (2021)

Poslední úprava: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Požadavky ke zkoušce

Zápočet je udělen na základě minimálně 80% účasti na kurzu a úspěšného vypracování minimálně 60 % domácích cvičení a zápočtových příkladů.

Poslední úprava: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)

Sylabus

●     Základy statistického uvažování: statistika v biologii, formulace a testování hypotéz, chyby, populace/výběr/náhodný výběr, sampling error, bias

●     Data a jejich vizualizace: kvalitativní vs. kvantitativní data, exploratory data analysis, popisné statistiky, vizualizace dat, normální rozložení a transformace dat

●     Experimentální design: observační/experimentální studie, základní pojmy a jejich význam - praktické příklady, randomizovaný design/bloky/faktoriální/nested, replikace/pseudoreplikace

●     Použití MS-Excelu: import dat a jejich formátování, rozdíly mezi absolutními a relativními odkazy, vyhledávání dat v maticích

●     Analýza kategoriálních dat: formulace hypotéz a jejich testování, možnosti kontingenčních tabulek

●     T-testy: předpoklady a jejich ověření, typy t-testů a jejich provedení v MS-Excel RStudiu, on-line alternativy.

●     ANOVA: předpoklady a jejich ověření, typy a jejich provedení v MS-Excel, post-hoc testy a on-line kalkulátory.

●     Vztahy mezi dvěma faktory: korelace a kauzalita, Pearsonův a Spearmanův korelační koeficient, lineární regrese a její hodnocení, prokládání funkce daty v MS-Excel

●     Základy zpracování a analýzy obrazových dat: FIJI, praktické důsledky různých typů bitových zobrazení, použití HiLo tabulky, slučování obrazových kanálů, základní charakteristiky tvarů, slučování snímaných rovin, kolokalizace obrazových bodů a jejich charakteristika pomocí Pearsonova a Mandersova koeficientu

●     Diskuze nad vlastními experimentálními daty a designem pokusů.

 

Poslední úprava: Verner Zdeněk, RNDr., Ph.D. (04.09.2024)

Vstupní požadavky

Vzhledem k praktickému zaměření se předpokládá, že studenti již mají či v blízké budoucnosti začnou sbírat vlastní data. Práce probíhá na vlastních počítačích, nutným SW vybavením je MS-Office 365, RStudio a FIJI.

Poslední úprava: Verner Zdeněk, RNDr., Ph.D. (21.08.2023)