Sylabus
Aktuální sylabus kurzu je v souboru Syllabus.doc.
Rozpis jednotlivých přednášek je v Excelovém souboru Biostat2-rozpis-prednasek.xls.
Anotace
Navazuje na přednášku Biostatistika a plánování ekologických pokusů a věnuje se tématům mnohorozměrné statistiky, s důrazem na zpracování ekologických dat. Přednáška předpokládá znalost základů jednorozměrné statistiky, zejména práce s lineárními modely.
Přednáška poběží turnusově. Ve školním roce 23/24 poběží v době zimního zkouškového období, ve dnech 8. a 9.1. a 15. a 16.1. v poslucharne BB (seminarium v B2). Dopoledne budou přednášky a odpoledne praktika. Začínáme v 9,00. Počítáme s přestávkou na oběd (tak hodinu) a odpoledním blokem praktik tak ca. do 4 hodin.
Na odpoledni praktickou cast je nezbytne, abyste meli vlastni pocitac a na nem nainstalovane R-ko (stahnout z www.r-project.org). Po instalaci R-ka si nainstalujte balicek vegan takto: Otevrit R -> Packages -> Install.packages, v objevivsim se menu vybrat server, z nejz chcete stahovat (neco blizko, typu Nemecko nebo Rakousko), a v dalsim menu vybrat vegan. Je samozrejme mozne pracovat i v prostredi RStudio.
Stručný syllabus kursu:
***********************
Úvod: typy problémů, typická datová struktura
Princip mnohorozměrných technik na příkladu analýzy hlavních komponent (PCA)
Předpoklady PCA, Standardisace dat používané v PCA
Metody pro data s nelineární strukturou: metody využívající vážených průměrů (korespondenční analýza)
Nepřímé a přímé gradientové techniky: v kterém okamžiku použít nezávislou informaci o prostředí
Kanonické techniky: RDA a CCA
Princip Monte Carlo testů
Analýza s kovariátami: jak odstranit vlivy nezávislých proměnných (typicky proměnných prostředí), které nejsou předmětem studia
Korelativní a manipulativní data v mnohorozměrné situaci
Použití kanonických mnohorozměrných technik pro vyhodnocení dat z manipulativních pokusů (analogie ANOVA)
Speciální případy v randomisačních testech (blokové uspořádání pokusu, "split-plot design", opakovaná měření a další)
Ordinační techniky postavené na matici vzdáleností: mnohorozměrné škálování
Základní klasifikační techniky