|
|
|
||
Kurz seznámí vyděšeného studenta biologie s vrozenou averzí k matematice se základními metodami prokládání empirických dat křivkou a se základními statistickými metodami zpracování dat. Drtivá většina studentů totiž znalost statistiky bude potřebovat. Všechny modely a simulace jsou prováděny v EXCELu či ve Statistice. Některé příklady budou uvedeny ve volně šiřitelném Pastu.
V rozvrhu jsou pro vás připraveny dvě paralelky a to jak pro přednášku tak pro cvičení. Paralelky poběží vždy ob týden - tj. jedna přednáška + cvičení v sudé ak. týdny, druhá v liché. V rámci "přednášky" dostanete krátký vhled do teorie, a to si vzápětí vyzkoušíte na úlohách v rámci cvičení. Poslední úprava: Mudrák Ondřej, RNDr., Ph.D. (18.09.2024)
|
|
||
J. Lepš, P. Šmilauer (2016): Biostatistika. EPISTEME, České Budějovice, ISBN: 978-80-7394-587-9. http://botanika.prf.jcu.cz/suspa/vyuka/statistika.php R. Reisenauer (1970): Metody matematické statistiky, SNTL, Praha. K. Zvára ( 1989): Regresní analýza. Academia, Praha. N.J. Gotelli, A.M. Ellison (2004): A primer of ecological statistics. Sinauer Assoc. , Mass., USA. Poslední úprava: Kindlmann Pavel, prof. RNDr., DrSc. (02.10.2021)
|
|
||
Studijní materiály s teoretickým výkladem budou dostupné online studentům zapsaným do kurzu. Postupně během semestru, jak bude látka probírána tam nalezne následující: - PowerPointové prezentace jednotlivých přednášek. - Ve formátu MP4 uložené „videopřednášky“, tedy v podstatě "ozvučené filmy", kde přednášející vysvětluje probíranou látku na základě PowerPointového souboru. - Další pomocné soubory využívané při přednášce a při cvičeních, tedy třeba soubory v Excelu s daty a podobně.
Ke splnění zápočtu bude vyžadováno správné vypracování dvou domácích úkolů, jež budou studentovi zadány v průběhu semestru.
Zkouška sestává ze zaškrtávacího testu obsahujícího (výběr zakřížkováním správné ze čtyř možných odpovědí). Test ověřuje osvojení si probrané látky. Poslední úprava: Mudrák Ondřej, RNDr., Ph.D. (18.09.2024)
|
|
||
P1. Základní funkce používané při prokládání dat v biologii, biologický význam jejich parametrů, nalezení prvotních odhadů parametrů na základě znalosti souřadnic význačných bodů (extrémy, asymptoty). Aplikace těchto křivek na běžné biologické závislosti, linearizace dat. Studenti budou schopni identifikovat a vysvětlit základní funkce používané při prokládání dat v biologii. P2. Náhodná rozdělení (rovnoměrné, normální, binomické) a jejich použití v praxi. Typy dat, zobrazení dat, histogramy, tabulky četností. Studenti budou schopni rozpoznat a otestova normální rozdělení. Budou schopni správně zobrazit distribuci dat pomocí histogramů. P3. Míry střední hodnoty a variability a jejich odhady z empirických dat na základě výběru z populace. Studenti budou schopni vypočítat a interpretovat míry střední hodnoty a variability. Naučí se odhadovat tyto míry z empirických dat na základě výběru z populace. P4. Testování hypotéz. Test významnosti rozdílu dvou veličin: t-test. Studenti budou schopni formulovat a testovat hypotézy. Naučí se provádět test významnosti rozdílu dvou proměnných pomocí t-testu. P5. Popisné statistiky, t-test, F-test ve Statistice a Pastu. Studenti budou schopni provádět popisné statistiky, t-test a F-test pomocí software Statistica a Past. Naučí se interpretovat výsledky těchto testů. P6. Kontingenční tabulky. Studenti se naučí používat kontingenční tabulky k analýze vztahů mezi kategoriálními proměnnými. P7. Jednocestná analýza variance. Studenti budou schopni provádět jednocestnou analýzu variance (ANOVA). P8. Dvoucestná analýza variance. Studenti budou schopni provádět dvoucestnou analýzu variance. Naučí se, jak interpretovat interakční efekty a aplikovat výsledky na biologická data. P9. Korelace a regrese. Korelační a determinační koeficienty, jejich výpočet a biologický význam. Metody prokládání dat u statických modelů, minimalizace součtu čtverců odchylek, příklady užití této metody v programu Statistica. Studenti budou schopni vypočítat a interpretovat korelační a determinační koeficienty. Budou schopni aplikovat tyto metody programu Statistica. P10. Prokládání empirických dat křivkou - závislost pokryvnosti na nadmořské výšce, doba vývoje vs. teplota, křivka plodnosti, species-area, rychlost růstu vs. teplota, funkcionální odezva 2. a 3. typu dle Hollinga. Studenti budou schopni prokládat empirická data křivkou v různých biologických závislostech (např. závislost pokryvnosti na nadmořské výšce, doba vývoje vs. teplota). Naučí se aplikovat křivky plodnosti, species-area, rychlost růstu vs. teplota a funkcionální odezvy dle Hollinga. Poslední úprava: Mudrák Ondřej, RNDr., Ph.D. (07.03.2025)
|