Статистика у биомедицинским мерењима

ID: 1341
врста предмета: стручно-апликативни
носилац предмета: Јефтић Д. Бранислава
извођачи: Јефтић Д. Бранислава, Станковић М. Ивана
контакт особа: Јефтић Д. Бранислава
ниво студија: основне академске студије
ЕСПБ: 6
облик завршног испита: писмени
катедра: катедра за биомедицинско инжењерство

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 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.

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, 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

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

садржај практичне наставе

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

услов похађања

Нема услова.

ресурси

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

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: 0
рачунски задаци: 30
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: 0
преглед и оцена семинарских радова: 0
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 10
завршни испит: 5

провера знања (укупно 100 поена)

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

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