Analýza a management dat pro zdravotnické obory, Analýza klinických dat |
Úvod do statistické analýzy dat pro zdravotnické obory |
Aplikovaná analýza přežití |
Biostatistika pro matematickou biologii |
Výstupy z výukové jednotky |
Úvod |
Cíl biostatistiky a základní pojmy |
Typy biostatistických úloh |
Příklady biostatistických úloh |
Klíčové pojmy biostatistiky |
Literatura |
Data, jejich popis a vizualizace |
Výstupy z výukové jednotky |
Typy dat |
Význam popisu a vizualizace dat |
Identifikace odlehlých hodnot |
Literatura |
Náhodná veličina, rozdělení pravděpodobnosti a reálná data |
Výstupy z výukové jednotky |
Náhodná veličina a distribuční funkce |
Spojité a diskrétní náhodné veličiny |
Charakteristiky náhodných veličin |
Normální rozdělení pravděpodobnosti |
Standardizované normální rozdělení |
Další rozdělení pravděpodobnosti |
Bodové a intervalové odhady |
Chí-kvadrát rozdělení – χ2(k) |
Studentovo t rozdělení – t(k) |
Logaritmicko-normální rozdělení |
Fisherovo F rozdělení – F(k1,k2) |
Binomické rozdělení – Bi(n,π) |
Literatura |
Výstupy z výukové jednotky |
Nestranné odhady |
Srovnání průměru a mediánu |
Teoretické pozadí intervalových odhadů |
Intervalové odhady |
Úvod do testování hypotéz |
Konstrukce intervalů spolehlivosti pro parametry normálního rozdělení |
Interpretace intervalu spolehlivosti |
Šířka intervalu spolehlivosti |
Literatura |
Výstupy z výukové jednotky |
Nulová hypotéza |
Statistický test |
P-hodnota a její interpretace |
Poznámky k testování hypotéz |
Testování hypotéz o kvantitativních proměnných |
Spojitost testování hypotéz s intervaly spolehlivosti |
Statistická a praktická významnost |
Faktory ovlivňující sílu testu |
Literatura |
Výstupy z výukové jednotky |
Postup statistického testování |
Testy o parametrech jednoho rozdělení |
Analýza rozptylu (ANOVA) |
Test o střední hodnotě při známém rozptylu (z-test pro jeden výběr) |
Test o střední hodnotě při neznámém rozptylu (t-test pro jeden výběr) |
Neparametrický test pro jeden výběr (Wilcoxonův test) |
Test o rozdílu párových (závislých) pozorování (párový t-test) |
Testy o parametrech dvou rozdělení |
Výstupy z výukové jednotky |
Přínos analýzy rozptylu |
Variabilita výběrových souborů a princip výpočtu |
Předpoklady analýzy rozptylu a jejich ověření |
Neparametrická alternativa analýzy rozptylu – Kruskalův-Wallisův test |
Literatura |
Testování hypotéz o kvalitativních proměnných |
Výstupy z výukové jednotky |
Úvod |
Testování hypotéz o podílech |
Analýza kontingenčních tabulek |
Fisherův exaktní test |
Testy o rozdělení náhodné veličiny |
Literatura |
Základy korelační analýzy |
Výstupy z výukové jednotky |
Úvod |
Pearsonův korelační koeficient |
Řešené příklady |
Výpočet Pearsonova korelačního koeficientu |
Interval spolehlivosti pro Pearsonův korelační koeficient |
Test hypotézy o nulové korelaci dvou náhodných veličin |
Spearmanův korelační koeficient |
Literatura |
Základy software Statistica |
Popisná statistika v software Statistica |
Příklad 1: Jednovýběrový t-test |
Příklad 2: Nepárový dvouvýběrový t-test |
Příklad 3: Párový dvouvýběrový t-test |
Příklad 4: Mann – Whitney U test |
Příklad 5: Neparametrický párový test (Wilxoxonův, znaménkový) |
Příklad 6: Kruskalův- Wallisův test |
Příklad 7: Kontingenční tabulka |

Předpoklady analýzy rozptylu a jejich ověření
Analýza rozptylu má stejně jako většina dalších statistických metod svoje předpoklady, bez jejichž splnění nelze na její výsledky spoléhat, respektive, bez jejichž splnění bychom tuto metodu vůbec neměli na dané hodnoty použít. Předpoklady analýzy rozptylu jsou následující:
- Nezávislost pozorovaných hodnot. Tento předpoklad často bereme za automatický, nicméně automatický není a vždy je třeba se zamyslet nad původem jednotlivých pozorování, zda jsou či nejsou vzájemně nezávislá.
- Normalita hodnot jednotlivých náhodných výběrů. Tento předpoklad je nutno korektně ověřit, buď pomocí příslušného testu, nebo alespoň pomocí grafických metod (histogramu, krabicového grafu).
- Stejný rozptyl hodnot ve všech srovnávaných skupinách. Pro ověření tohoto předpokladu platí to samé, co platí v případě ověření normality. Opět musíme buď použít adekvátní test (např. F-test), nebo si pozorované hodnoty alespoň zobrazit pomocí histogramu či krabicového grafu