Data wydruku: 21.01.2017 03:34 Strona 1 z 2 Nazwa przedmiotu

Nazwa przedmiotu
Statystyka medyczna II
Kod przedmiotu
MAT2012
Jednostka
Katedra Rachunku Prawdopodobieńswa i Biomatematyki
Kierunek
Matematyka
Obszary
kształcenia
Nauki ścisłe
Profil kształcenia
ogólnoakademicki
Rok studiów
1
Typ przedmiotu
Obowiąkowy
Semestr studiów
2
Poziom studiów
II stopnia
ECTS
5.0
Liczba punktów
ECTS
Aktywność studenta
gk
Udział w zajęciach dydaktycznych objętych planem studiów
60
Udział w konsultacjach
pw
5
Praca własna studenta
Suma
Wykładowcy
60
65
60
Łączna liczba godzin pracy studenta
125
Liczba punktów ECTS
5.0
dr Grzegorz Krzykowski (Osoba opowiedzialna za przedmiot)
Prowadzący:
mgr inż. Michał Krzemiński
dr Grzegorz Krzykowski
Cel przedmiotu
Wprowadzenie do zaawansowanych metod analizy danych medycznych uwzględniające ich prawidłowe
wykorzystanie i poprawną interpretację wyników.
Data wydruku:
02.03.2017 18:48
Strona
1 z 3
Efekty kształcenia
Odniesienie do efektów
kierunkowych
Efekt kształcenia z przedmiotu
Sposób weryfikacji efektu
[K_W05] ma pogłębioną wiedzę w
wybranej dziedzinie matematyki:
1) zna większość klasycznych
definicji i twierdzeń oraz ich
dowody
Student wyprowadza analityczną
postać modeli regresji wielorakiej.
[K_W12] zna dobrze co najmniej
jeden pakiet oprogramowania,
służący do obliczeń symbolicznych
i jeden pakiet do statystycznej
obróbki danych
Student wykonuje wykresy, tabele [SW3] Ocena opracowania
i tablice na potrzeby statystycznej tekstowego
analizy danych. Na podstawie
analizy danych określa rozkłady
empiryczne i teoretyczne. Student
wykorzystuje i interpretuje wyniki
działania pakietów statystycznych
w R.
[K_U12] orientuje się w
podstawach statystyki
(zagadnienia estymacji i
testowanie hipotez) oraz w
podstawach statystycznej obróbki
danych
Zna podstawowe metody dla
danych ciągłych, takie jak t-test,
ANOVA, współczynnik korelacji,
liniowa regresja dla jednego
predyktora. Bada zależności
pomiędzy danymi dyskretnymi,
liczbowymi i porządkowymi,
analizuje tablice kontyngencji, zna
podstawowe miary zależności
pomiędzy danymi. Posługuje się
metodami analizy przeżycia.
[K_U11] zna podstawowe rozkłady
probabilistyczne i ich własności;
potrafi je stosować w
zagadnieniach praktycznych
Student opisuje rozkłady
[SU3] Ocena umiejętności
prawdopodobieństwa za pomocą
wykorzystania wiedzy uzyskanej
parametrów średniej, mediany,
w ramach różnych modułów
mody, parametrów skali i kształtu,
kwantyli, odchylenia
standardowego i wariancji.
Student potrafi analizować
rozkłady próbki i na podstawie
danych estymować parametry
rozkładów.
[K_W01] posiada pogłębioną
wiedzę z zakresu podstawowych
działów matematyki
Student uzyskuje oceny punktowe
nieznanych parametrów rozkładu
jak i wyznacza ich przedziały
ufności.
[SW1] Ocena wiedzy
faktograficznej
[K_W09] zna podstawy
modelownia stochastycznego w
matematyce finansowej i
aktuarialnej lub w naukach
przyrodniczych, w szczególności
fizyce, chemii lub biologii
Stosuje metody regresji w
inżynierii finansowej,
biotechnologii i medycynie.
[SW2] Ocena prezentacji
[K_W04] ma pogłębioną wiedzę w
wybranej dziedzinie matematyki
teoretycznej lub stosowanej
Student zna podstawy modeli
regresji logistycznej
[SW1] Ocena wiedzy
faktograficznej
[SW1] Ocena wiedzy
faktograficznej
[SU4] Ocena umiejętności
korzystania z metod i narzędzi
[SU3] Ocena umiejętności
wykorzystania wiedzy uzyskanej
w ramach różnych modułów
Sposób realizacji
na uczelni
Wymagania
wstępne i
dodatkowe
znajomość treści przedmiotów: rachunek prawdopodobieństwa , statystyka medyczna I
Zalecane
komponenty
przedmiotu
Treść przedmiotu
WYKŁAD: Rozkłady łączne i brzegowe, Estymator Kaplana-Meyera, Czułość i swoistość, przedziały ufności
dla czułości i swoistości, Funkcje hazardu, Model hazardu Coxa, Testowanie hipotez, Regresja liniowa,
Zagadnienie estymacji, Metoda największej wiarogodności
SEMINARIUM,PROJEKT: Metody opisu danych, Podstawowe metody statystyczne – powtórzenie, Regresja
liniowa, Regresja logistyczna,
Analiza przeżycia, Ogólne modele liniowe, Braki danych, Planowanie i
wykonywanie analizy danych, wybór odpowiednich metod
Data wydruku:
02.03.2017 18:48
Strona
2 z 3
Zalecana lista
lektur
Literatura podstawowa
- E. Vittinghoff, D.V. Glidden, S.C. Shiboski, C.E. McCulloch, Regression Methods in Biostatistics. Linear,
Logistic, Survival, and Repeated Measures Models, Springer, 2nd ed., 2012
- J.H. Zar, Biostatistical Analysis, Prentice Hall International (2009)
- S. Trybuła, Statystyka matematyczna z elementami teorii decyzji, Oficyna Wydawnicza Politechniki
Wrocławskiej (2001)
- M. Górkiewicz, J. Kołacz, Statystyka medyczna, Wydawnictwo UJ (2001)
Literatura uzupełniająca
J.E. Freunds, Mathematical Statistics, Prentice Hall International (1999)
J. Bartoszewicz, Wykłady ze statystyki matematycznej, PWN (1996)
R. Magiera, Modele i metody statystyki matematycznej, Oficyna Wydawnicza GiS (2002)
R. Pruim, Foundations and Applications of Statistics: An Introduction Using R, AMS (2011)
Formy zajęć i
metody nauczania
Forma zajęć
Liczba godzin zajęć
Suma godzin dydaktycznych w semestrze,
objętych planem studiów
Wykład
Ćwiczenia
Laboratorium
Projekt
Seminarium
30.0
0.0
0.0
15.0
15.0
60
W tym kształcenie na odległość: 0.0
Metody i kryteria
oceniania
Kryteria oceniania: składowe
Próg zaliczeniowy
Procent oceny
końcowej
Projekt
51.0
35.0
Kolokwium/egzamin
51.0
40.0
Zadania domowe
51.0
25.0
Przykładowe zagadnienia / Przykładowe zadania / Realizowane zadania
Określ typ zmiennych (zmienna ciągła/dyskretna, liczbowa/kategoryczna, porządkowa/nominalna).
Na podstawie zbioru danych wyznacz określone ryzyko.
Zinterpretuj wartość parametru w modelu regresji logistycznej, w konkretnym zagadnieniu analizy danych
medycznych.
Język wykładowy
polski
Praktyki zawodowe Nie dotyczy
Data wydruku:
02.03.2017 18:48
Strona
3 z 3