Статистика у биомедицинским мерењима

ID: 1006
врста предмета: стручно-апликативни
носилац предмета: Лазић В. Драган
извођачи: Лазић В. Драган, Матија Р. Лидија
контакт особа: Мунћан С. Јелена
ниво студија: основне академске студије
ЕСПБ: 6
облик завршног испита: писмени
катедра: катедра за аутоматско управљање

извођења

  • 4. семестар, позиција 4

циљ

Циљ предмета је да се студенти упознају са основама статистичких метода које се користе у обради података у оквиру биомединских истраживања и праксе. Савладавање креирања скупа података од интереса, њихова обрада и анализа oмогућују студенту да донeсе закључке релевантне за истраживање, развој и примену у биомедицинским проблемима.

исход

По успешном завршетку овог курса, студенти би требало да буду оспособљени да: •Користе Р софтверски пакет за статистичку обраду података •Креирају и обрађују велике скупове статистичких података •Идентификују ограничења података и интервале поузданости •Моделирају и истраже релације између променљивих •Циљно примењују одабране статистичке анализе на одабрани проблем •Адекватно интерпретирају резултате статистичке анализе и врше предикције понашања посматраних биомедицинских система у будућности

садржај теоријске наставе

Теоријска настава обухвата следеће области: Типови променљивих и графичка презентација података. Основе дескриптивне статистике. Статистички софтвери и увод у програмски језик R и његово софтверско окружење. Статистичке хипотезе, поступак тестирања хипотеза и врсте тестова. Једнострука и вишеструка анализа варијансе. Анализа груписања. Хијерархијска анализа груписања. Нехијерархијска анализа груписања – К метод средина. Редукција димензионалнoсти. Анализа главних компоненти. Линеарна регресија –једнострука и вишеструка. Постављање модела, предикција нових опсервација и валидација модела. Типови валидација. Нелинеарни модели. Основни алгоритми машинског учења: метода потпорних вектора и Naïve Bayes класификација.

садржај практичне наставе

Практична настава се састоји од аудиторних вежби и пројектних задатака на рачунару који прате поглавља обрађена теоријском наставом са практичним радом у R софтверском окружењу.

услов похађања

Нема услова.

ресурси

1.Материјал са предавања 2. R software

фонд часова

укупан фонд часова: 75

активна настава (теоријска)

ново градиво: 20
разрада и примери (рекапитулација): 10

активна настава (практична)

аудиторне вежбе: 0
лабораторијске вежбе: 30
рачунски задаци: 0
семинарски рад: 0
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0

провера знања

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 8
преглед и оцена семинарских радова: 0
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 4
завршни испит: 3

провера знања (укупно 100 поена)

активност у току предавања: 5
тест/колоквијум: 40
лабораторијска вежбања: 25
рачунски задаци: 0
семинарски рад: 0
пројекат: 0
завршни испит: 30
услов за излазак на испит (потребан број поена): 35

литература

J.Adler, R in a Nutshell, Second Edition, O’Reilly Media, Inc., USA 2012; M.Gardener, Beginning R The Statistical Programming Language, John Wiley& Sons, Inc., USA 2012; R. D. Peng, Exploratory Data Analysis in R, Lean Publishing, 2015; V. Bloomfield, Analysis in Molecular Biology and Biophysics Computer Simulation and Data: An Introduction Using R, Springer, Holland 2009 ;