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 •Циљно 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: Увод у теорију вероватноће. 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. АНОВА за поновљена мерења.Корелација. Линеарна регресија –једнострука и вишеструка. Процена модела, предикција нових опсервација и валидација модела. Машинско учење - основни алгоритми.Типови валидација. Анализа груписања. Хијерархијска анализа груписања. Нехијерархијска анализа груписања – метод средина К. Редукција димензионалнoсти. Анализа главних компоненти.

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. 1. Писани материјал са предавања и вежби (хандоути) 2. R software & R studio

укупан фонд часова: 60

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

аудиторне вежбе: 0
лабораторијске вежбе: 0
рачунски задаци: 20
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: 6
завршни испит: 4

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

Diez, D., Çetinkaya-Rundel, M., Barr, C.,OpenIntro Statistics. Duke University, Fourth edition, 2019.; McClave, James T., and Terry T. Sincich. Statistics. 13th global edition, Pearson Higher Ed, 2017.; R. D. Peng, Exploratory Data Analysis in R, Lean Publishing, 2015; Gareth, J., Witten,D., Hastie, T., "An Introduction to Statistical Learning: With Applications in R.", 2014; Adler, J., R in a Nutshell, Second Edition, O’Reilly Media, Inc., USA 2012;