• 4. семестар, позиција 4

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

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, врше манипулацију и трансформацију података •Идентификују ограничења података и интервале поузданости статистичких оцена •Моделирају и истраже релације између променљивих •Циљано примењују одабране статистичке анализе на одабрани проблем •Адекватно интерпретирају резултате статистичке анализе и врше предикције понашања посматраних биомедицинских система у будућности

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. Редукција димензионалнoсти. Линеарна регресија –једнострука и вишеструка. Постављање модела, предикција нових опсервација и валидација модела. Типови валидација. Нелинеарни модели. Основни алгоритми машинског учења.

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

Нема услова.

Сала за предавања са рачунаром, видео пројектором, интернет конекцијом и свим потребним пропратним ресурсима. Рачунарска сала са рачунарима на којима су инсталирани непоходни програмски пакети. 1. Писани материјал са предавања и вежби (хандоути) 2. R software & R studio

укупан фонд часова: 75

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

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

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 0
преглед и оцена семинарских радова: 0
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 10
завршни испит: 5

активност у току предавања: 5
тест/колоквијум: 60
лабораторијска вежбања: 0
рачунски задаци: 0
семинарски рад: 0
пројекат: 0
завршни испит: 35
услов за излазак на испит (потребан број поена): 35

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; Ј. Gareth, D. Witten, Т. Hastie. "An Introduction to Statistical Learning: With Applications in R." (2014);