Bi8600c Vícerozměrné metody - cvičení

Přírodovědecká fakulta
podzim 2018
Rozsah
0/1/0. 1 kr. Ukončení: z.
Vyučující
RNDr. Eva Koriťáková, Ph.D. (cvičící)
Mgr. Lucie Kubínová (cvičící)
Mgr. Eva Budinská, Ph.D. (cvičící)
Garance
prof. RNDr. Ladislav Dušek, Ph.D.
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: RNDr. Eva Koriťáková, Ph.D.
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Rozvrh
Po 17. 9. až Pá 14. 12. Po 15:00–16:50 F01B1/709
Předpoklady
Současný zápis předmětu Bi8600 Vícerozměrné metody.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Cílem předmětu je prohloubení teoretických a praktických znalostí vícerozměrné analýzy dat. V průběhu cvičení se studenti naučí zobrazovat vícerozměrná data, proniknou do výpočetní podstaty vícerozměrných metod a procvičí se v interpretaci výsledků získaných těmito metodami.
Výstupy z učení
Po absolvování předmětu je student schopen:
  • popsat a vizualizovat vícerozměrná data;
  • použít vícerozměrné statistické testy;
  • vybrat a spočítat podobnosti a vzdálenosti pomocí vhodné metriky;
  • vypočítat a vizualizovat asociační matice;
  • provést shlukování pomocí adekvátního shlukovacího algoritmu;
  • aplikovat metody ordinační analýzy na vícerozměrná data;
  • interpretovat výsledky získané prostřednictvím vícerozměrných metod.
  • Osnova
    • 1. Popis a vizualizace vícerozměrných dat
    • 2. Vícerozměrné statistické testy: vícerozměrný t-test, vícerozměrná analýza rozptylu
    • 3. Podobnosti a vzdálenosti ve vícerozměrném prostoru a jejich výpočet
    • 4. Asociační matice, jejich výpočet a využití
    • 5. Shluková analýza a její aplikace při analýze vícerozměrných dat
    • 6. Ordinační analýzy – analýza hlavních komponent (PCA)
    • 7. Ordinační analýzy – korespondenční analýza (CA) a mnohorozměrné škálování (MDS)
    Literatura
    • Zar, J.H. (1998) Biostatistical Analysis. Prentice Hall, London. 4th ed
    • Legendre, P., Legendre, L. (1998) Numerical Ecology. Elsevier, 2nd ed
    • FLURY, B., H. RIEDWYL: Multivariate Statistics. A Practical Approach, Chapman and Hall, London — New York 1988
    • THEODORIDIS, Sergios. Introduction to pattern recognition : a MATLAB approach. Amsterdam: Academic Press, 2010, x, 219. ISBN 9780123744869. info
    Výukové metody
    Výuka probíhající formou cvičení je založená na řešení konkrétních příkladů analýzy dat s využitím vícerozměrných metod. Příklady budou doplněny o názorné vizualizace a ukázky pomocí systémů Matlab a R.
    Metody hodnocení
    Předmět je ukončen zápočtem. Podmínkou k úspěšnému ukončení předmětu je vypracování dvou domácích úloh.
    Další komentáře
    Studijní materiály
    Předmět je vyučován každoročně.
    Předmět je zařazen také v obdobích podzim 2014, podzim 2015, podzim 2016, podzim 2017, podzim 2019, podzim 2020, podzim 2021.