|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KALCH / C012A
:
Popis předmětu
Pracoviště / Zkratka
|
KALCH
/
C012A
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Chemometrics I
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
4
[HOD/TYD]
|
Zápočet před zkouškou
|
Ne
|
Zápočet před zkouškou
|
Ne
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Angličtina
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / -
|
0 / -
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Angličtina
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je interaktivní statistická analýza, která umožňuje vyšetřit statistické zvláštnosti výběru průzkumovou analýzou dat, ověřit předpoklady o datech, provést zhodnocení kvality výběru. Analyzovaná data mívají své anomálie a rušivé poruchy, jež mohou vlastní analýzu dat mnohdy značně zkomplikovat. V datech bývají skryté chyby, systematické chyby, odlehlé hodnoty, extrémy a je třeba rozhodnout, zda je nutné je z další analýzy odstranit. Prvotní průzkum v datech se provádí 18 grafickými diagnostikami exploratorní analýzy EDA s cílem odhalit druh a symetrii rozdělení, lokální koncentraci dat, homogenitu dat, anomálie a velikost šumu. Malé výběry jsou analyzovány Hornovým postupem pivotů. Řešením úloh z laboratoře na počítači jsou probrány základy metrologie, odhady popisných statistik polohy, rozptýlení a tvaru, nejistoty analytického stanovení a analýza rozptylu chemických výsledků. Výstavba lineárního a nelineárního regresního modelu slouží k validaci nové analytické metody, kalibraci, nalezení vícerozměrné regresní závislosti, interpolaci, aproximaci a vyhlazování křivek. Regulační diagramy slouží k posouzení a řízení kvality ve výrobě. Software interaktivní statistické analýzy dat (ADSTAT, QCEXPERT, NCSS2007, STATISTICA) je užíváno v úlohách z laboratoře. Předmět je zakončen samostatným vyřešením 10 úloh v individuální semestrální práci a písemnou zkouškou.
|
Požadavky na studenta
|
Praktické ovládání interaktivní statistické analýzy prokáže student vypracováním 10 úloh ve své semestrální práci, což představuje 40% zkoušky.
Teoretické znalosti postupů počítačové interaktivní statistické analýzy prokáže student v písemné zkoušce, což představuje 60% zkoušky.
|
Obsah
|
1. Chyby instrumentálních měření: charakteristika přesnosti přístrojů, klasifikace chyb měření, kvantilové odhady chyb a jejich sčítání, momentové odhady chyb.
2. Zákon propagace chyb: hromadění chyb výsledků instrumentálních metod: metoda Taylorova rozvoje, metoda bodového určování, metoda simulačního určování.
3. Průzkumová (exploratorní) analýza EDA spojitých dat: metody a grafy identifikace statistických zvláštností dat: kvantilový graf, diagramy rozptýlení a krabicové grafy, graf polosum, graf symetrie, graf špičatosti, graf šikmosti, diferenční kvantilový graf, graf rozptýlení s kvantily.
4. Konstrukce a identifikace rozdělení výběru: jádrový odhad frekvenční funkce, histogram, kvantilo-kvantilový graf, rankitový a podmíněný rankitový graf.
5. Mocninná a Box-Coxova transformace: zlepšení symetrie rozdělení a stabilizace rozptylu transformací dat, selekční Hines-Hinesův graf, graf logaritmu věrohodnostní funkce, dva přístupy ke zpětné transformaci.
6. Ověření předpokladů o datech: předpoklad minimálního rozsahu, normality výběru, nezávislosti a homogenity výběru.
7. Klasická statistická analýza jednorozměrných výběrů: bodové a intervalové odhady charakteristik polohy, rozptýlení a tvaru, charakteristiky u vybraných rozdělení (normální rozdělení, rovnoměrné r., Laplaceovo r., exponenciální r., Poissonovo r.,).
8. Analýza malých výběrů: Hornův postup na bazi pivotů, pivotová polosuma, pivotové rozpětí, pivotová testační statistika.
9. Robustní analýza souborů obsahujících vybočující měření: robustní odhady parametrů polohy a rozptýlení: medián, uřezaný průměr, robustní M-odhady, neparametrické odhady rozptylů.
10. Testování statistických hypotéz: testy o paramerech jednoho souboru, testy o parameterech dvou souborů. Testy shody průměrů, testy shody rozptylu.
11. ANOVA (Analýza rozptylu): jednofaktorová a dvoufaktorová ANOVA: modely s pevnými efekty a modely s náhodnými efekty, ověření normality chyb, ověření konstantnosti rozptylu. Řešení metodou lineární regresního modelu.
12. Lineární regresní modely: formulace lineárního regresního modelu; geometrie lineárního modelu, testování homogenity úseků a směrnic; testování shody regresních přímek. Validizace nové metody.
13. Vícerozměrné lineární regresní modely: hledání nejsprávnějšího modelu, vyšetření významnosti parametrů modelu, předpoklady metody nejmenších čtverců a jejich ověření, statistické vlastnosti vícerozměrné lineární regrese.
14. Regresní diagnostika u (vícerozměrných) lineárních regresních modelů: posouzení regresního tripletu (data a model a metoda); odhalení vlivných bodů (extrémy a vybočující body), hete?roskedasticita chyb, autokorelace chyb, normalita chyb, multikolinearita.
15. Kalibrace: druhy kalibrace a kalibrační modely, přesnost kalibrace, kalibrační přímka, kalibrační křivka. Mez detekce, mez stanovení, kritická úroveň.
16. Korelace: korelační modely pro dvě náhodné veličiny a pro více náhodných veličin; korelační koeficienty: globální, párový a parciální korelační koeficient.
17. Nelineární regresní modely: formulace nelineárního regresního modelu; modely chyb měření; formulace kritéria nelineární regrese; geometrie nelineární regrese; výskyt lokálních minim, špatná podmíněnost parametrů v modelu, testování spolehlivosti určení parametrů.
18. Statistická analýza v nelineární regresi: nelinearita modelu, oblasti spolehlivosti parametrů; konfidenční intervaly parametrů, testy hypotéz o odhadech parametrů, spolehlivost odhadů parametrů.
19. Výstavba regresního modelu: regresní diagnostika: statistická analýza reziduí a odhalení vlivných bodů; spolehlivost odhadů parametrů na základě těsnosti proložení.
20. Interpolace, approximace a vyhlazování křivek. Spline funkce. Regrese po částech.
21. Shewhartovy regulační diagramy, typy diagramů ke kontrole a řízení kvality.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
M. Meloun, J. Militký. KOMPENDIUM STATISTICKÉHO ZPRACOVÁNÍ DAT. Academia Praha, 2002. ISBN 80-200-1008-4.
-
Základní:
M. Meloun, J. Militký. KOMPENDIUM STATISTICKÉHO ZPRACOVÁNÍ DAT. Academia Praha, 2006. ISBN 80-200-1396-2.
-
Základní:
M. Meloun, J. Militký. STATISTICKÁ ANALÝZA EXPERIMENTÁLNÍCH DAT v chemometrii, biometrii, ekonometrii a v dalších oborech přírodních, technických a společenských věd,. EAST PUBLISHING Praha, 1998. ISBN 80-7219-003-2.
-
Základní:
M. Meloun, J. Militký. STATISTICKÁ ANALÝZA EXPERIMENTÁLNÍCH DAT v chemometrii, biometrii, ekonometrii a v dalších oborech přírodních, technických a společenských věd, . Praha, 2004. ISBN 80-200-1254-0.
-
Doporučená:
Meloun, M.; Militký, J.; Forina, M. Chemometrics for Analytical Chemistry, Volume 1: PC-Aided Statistical Data Analysis. Ellis Horwood, Chichester, 1992. ISBN 0-13-126376-5.
-
Doporučená:
Meloun, M.; Militký, J.; Forina, M. Chemometrics for Analytical Chemistry, Volume 2: PC-Aided Regression and Related Methods. Ellis Horwood, Chichester, 1994. ISBN 0-13-123788-7.
-
Doporučená:
M. Meloun, J. Militký, M. Hill. Počítačová analýza vícerozměrných dat v příkladech. Academia Praha, 2005. ISBN 80-200-1335-0.
-
Doporučená:
M. Meloun, J. Militký. Sbírka úloh pro Statistické zpracování experimentálních dat. Univerzita Pardubice 1996, 1996. ISBN 80-7194-075-5.
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Příprava na zkoušku
|
40
|
Vypracování seminární práce
|
20
|
Účast na výuce
|
30
|
Praktická výuka
|
30
|
Celkem
|
120
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
Nejsou kladeny žádné zvláštní požadavky na studenta nebo předpoklady na jeho předběžné znalosti statistiky a matematiky. Student by měl pouze ovládat práci s počítačem a se základním softwarem (např. Microsoft Office), a to při práci s textem a s grafy. Výuka probíhá v elektronické učebně dle pravidla: "po hodině přednášek následuje vždy hodina řešení praktických úloh na počítači". V úlohách se počítačově diagnostikuje, vyšetřuje a extrahuje skrytá objektivní informace, ukrytá v datech.
|
Získané způsobilosti |
Po absolvování předmětu je student schopen objektivně vyhodnotit jednorozměrná data, odhadnout parametry polohy, rozptýlení a tvaru, testovat správnost a shodnost, nalézt vybočující hodnoty, a vyextrahovat z dat maximální množství užitečné informace. Moderní počítačová interaktivní statistická analýza mu umožní vyšetřit statistické zvláštnosti dat průzkumovou analýzou dat, ověřit předpoklady o datech výběru, provést zhodnocení kvality dat. Do regrese patří také validace nových metod a lineární a nelineární kalibrace stanovení neznámé koncentrace. Výstavba lineárního a nelineárního regresního modelu je v interakci s počítačem na bázi regresního tripletu (kritika dat, kritika modelu a kritika metody). |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Metody samostatných akcí
- Nácvik dovedností
|
Hodnotící metody |
- Písemná zkouška
- Posouzení zadané práce
|
|
|
|