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