Курс: Статистика в біомедичних дослідженнях

Про курс прикладної статистики у біомедичних дослідженнях

Статистичне навчання - це вирішальній інструмент для будь-кого, хто бажає зрозуміти свої дані та екстрагувати корисні патерни з масиву інформації. Ця галузь науки поєднує як методи класичної статистики, так і сучасні методи машинного навчання, які спрямовані на створення моделей, що описують складні взаємовідносини між даними, а також дозволять зробити необхідні висновки щодо природи цієї взаємодії. На курсі розглядаються основні поняття та методи прикладної статистики.

Оголошення Форум

Теми лекцій та семінарів.

Основні визначення та принципи методів класичної статистики.

Статистичне навчання, основні визначення. Нульова та альтернативна гіпотези. Статистична значущість, величина ефекту.

Основні інструменти дослідника у проведенні статистичного аналізу

Огляд основних інструментів для виконання статистичного навчання. Мови програмування R та Python як найбільш гнучкі та потужні варіанти.

Методи порівняння середніх між 2 групами

Параметричні та непараметричні методи для порівняння середніх між 2 групами. Метод Уелча. Метод Стьюдента. Перевірка нормальності та гомоскедастичності даних.

Метод однофакторного дисперсійного аналізу.

Основні принципи методу. Особливості застосування. Перевірка основних припущень методу. Корекція на множинність порівнянь.

Дисперсійний аналіз

Двофакторний дисперсійний аналіз. Дисперсійний аналіз із змішаними ефектами.

Особливості застосування двофакторного дисперсійного аналізу. Багатофакторний дисперсійний аналіз. Дисперсійний аналіз із повторними вимірами.

Оцінка сили зв’язку між змінними

Кореляція та коваріація. Кореляція як величина ефекту. Основні види кореляцій. Часткова кореляція.

Оцінка частотної характеристики між змінними

Особливості методу хі-квадрат. Розрахунок очікуваної частоти явища. Точний метод Фішера

Навички та досвід після проходження курсу

Здатність проводити статистичний аналіз даних за допомогою основних методів класичної статистики

Застосовувати мову програмування Python для проведення статистичного аналізу, інтерпретації отриманих результатів та їх коректний опис.

Застосовувати набуті знання у самостійній роботі та наукових дослідженнях, доповідати та представляти результати власних досліджень та досліджень інших авторів, вміти приймати участь в обговореннях та змістовно відповідати на запитання