PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/2017 1. NAZWA PRZEDMIOTU: BIOSTATYSTYKA METODY ZAAWANSOWANE (fakultet międzywydziałowy) 2. NAZWA JEDNOSTKI (jednostek ) realizującej przedmiot: Katedra i Zakład Informatyki i Statystyki 3. Adres jednostki odpowiedzialnej za dydaktykę: Adres: ul. Dąbrowskiego 79, 60-529 Poznań Tel. 61 854 68 08; Fax. 61 854 69 43 Strona WWW: www.kzis.ump.edu.pl E-mail: magda@ump.edu.pl 4. Kierownik jednostki: Prof. dr hab. Jerzy A. Moczko 5. Osoba zaliczająca przedmiot w E indeksie z dostępem do platformy WISUS Prof. dr hab. Jerzy A. Moczko 6. Osoba odpowiedzialna za zajęcia fakultatywne z dostępem do platformy WISUS do list studentów Nazwisko: dr Agnieszka Wiesiołowska Tel. kontaktowy: 61 854 68 09 E-mail: agnes@ump.edu.pl Osoba zastępująca: dr Barbara Kołodziejczak, dr Izabela Miechowicz Tel. kontaktowy: 61 854 68 09 E-mail: bkolodziejczak@ump.edu.pl, iza@ump.edu.pl 7. Miejsce w programie studiów: Rok: V-VI Semestr: 9-12
8. Liczba godzin ogółem: 15 liczba pkt ECTS: 1 Jednostki uczestniczące w nauczaniu Semestr zimowy/letni/ liczba godzin W Ć Ćwiczenia kategoria S Katedra i Zakład Informatyki i Statystyki 15 B (max 12 osób) 9. Cel nauczania Nabycie wiedzy z zakresu tworzenia zbiorów danych w pakiecie STATISTICA PL. Nabycie wiedzy z zakresu wykorzystania pakietu statystycznego STATISTICA PL do wielowymiarowej analizy statystycznej. Nabycie wiedzy z zakresu podstaw stosowania technik Data Mining. Nabycie umiejętności praktycznego wykorzystania pakietu STATISTICA PL do wielowymiarowej analizy statystycznej i Data Mining. Zdolność do autonomicznego i odpowiedzialnego wykonywania powierzonych badań. 10.SYLABUS Nazwa /modułu Wydział Nazwa kierunku studiów Poziom kształcenia Forma studiów Język Rodzaj Biostatystyka - metody zaawansowane LEKARSKI I lekarski jednolite magisterskie stacjonarne polski Rok studiów/semestr V VI 11 12 8 9 10 Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć Założenia i cele 15, w tym: 0- wykłady, 0- seminaria, 0 ćwiczenia, 15 fakultety Nabycie wiedzy z zakresu tworzenia zbiorów danych w pakiecie STATISTICA PL. Nabycie wiedzy z zakresu wykorzystania pakietu statystycznego STATISTICA PL do wielowymiarowej analizy statystycznej. Nabycie wiedzy z zakresu podstaw stosowania technik Data Mining. Nabycie umiejętności praktycznego wykorzystania pakietu STATISTICA PL do wielowymiarowej analizy statystycznej i Data Mining. Zdolność do autonomicznego i odpowiedzialnego wykonywania powierzonych badań. Symbol efektów kształcenia zgodnie ze standardami OPIS KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA WIEDZA (ZGODNIE ZE SZCZEGÓŁOWYMI EFEKTAMI Metody weryfikacji osiągnięcia zamierzonych efektów kształcenia:
B.W31 B.W32 B.W34 B.U12 B.U13 B.U14 Zna podstawowe metody statystyczne, zna medyczne bazy danych Zna metody testowania hipotez statystycznych oraz znaczenie korelacji i regresji w badaniu przyczynowości zjawisk Zna i rozróżnia podstawowe rodzaje badań naukowych UMIEJĘTNOŚCI (ZGODNIE ZE SZCZEGÓŁOWYMI EFEKTAMI Stosuje metody statystyczne. Potrafi dobrać odpowiednie testy statystyczne do opracowania danych z badań, ocenia rozkład zmiennych losowych, wyznacza średnią, medianę, przedział ufności, wariancję i odchylenie standardowe, formułuje i testuje hipotezy statystyczne oraz dobiera i stosuje metody statystyczne w opracowaniu wyników obserwacji i pomiarów. Potrafi rozróżnić rodzaje badań klinicznych i obserwacyjnych oraz wyznaczyć wymaganą liczebność próby reprezentacyjnej lub określić moc badania przy określonej liczebności próby Potrafi samodzielnie zaplanować badanie naukowe, przeprowadzić je, przeanalizować i zinterpretować wyniki. KOMPETENCJE SPOŁECZNE (ZGODNIE Z OGÓLNYMI EFEKTAMI obserwacja pracy studenta podczas zajęć obserwacja pracy studenta podczas zajęć; zaliczenie praktyczne przy komputerze PUNKTY ECTS 1 TREŚCI MERYTORYCZNE PRZEDMIOTU: Tematyka I. Tworzenie zbiorów danych w pakiecie STATISTICA PL. II. Wnioskowanie statystyczne (testy wielowymiarowe) A. Model regresji wielowymiarowej. B. Model regresji logistycznej. C. Analiza dyskryminacyjna III. Techniki Data Mining (drzewa regresyjno-klasyfikacyjne, metoda k-najbliższych sąsiadów). Forma (wykłady,seminaria, ćwiczenia, zaj. fakultatywne, itp ) Zaj. fakultatywne (praktyczne) w laboratorium komputerowym LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA: 1. Petrie A., Sabin C., Statystyka medyczna w zarysie ; Wydawnictwo Lekarskie PZWL Warszawa 2006 2. Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, t.ii i t. III; StatSoft Kraków 2006 3. Moczko J.A., Bręborowicz G.H., Nie samą biostatystyką...;own Poznań 2010 4. Wagner W., Błażczak P., Statystyka matematyczna z elementami doświadczalnictwa, Wydawnictwo Akademii Rolniczej, Poznań 1992 5. Luszniewicz A., Słaby T., Statystyka stosowana, Polskie Wydawnictwo Ekonomiczne, Warszawa 1996 6. Kala R., Statystyka dla przyrodników, Wydawnictwo Akademii Rolniczej im. Augusta Cieszkowskiego, Poznań 2002 WARUNKI UZYSKANIA ZALICZENIA PRZEDMIOTU: 1. Zaliczenie praktyczne przy komputerze 2. Obecność na wszystkich zajęciach.
11.Tematyka poszczególnych ćwiczeń i seminariów Ćwiczenia - Semestr zimowy/letni Ćwiczenie 1. Ćwiczenie 2. Ćwiczenie 3. Ćwiczenie 4. Ćwiczenie 5. Tematyka ćwiczeń Wnioskowanie statystyczne (testy wielowymiarowe oraz wybrane techniki data mining) Model regresji wielowymiarowej Model regresji logistycznej Analiza dyskryminacyjna Drzewa klasyfikacyjno-regresyjne Osoba odpowiedzialna Prof. dr hab. Jerzy A. Moczko 12. Organizacja zajęć: Zajęcia fakultatywne odbywają się zgodnie z planem zajęć ustalonym z Dziekanatem. REGULAMIN ZAJĘĆ: 1. Obecność studentów na ćwiczeniach jest obowiązkowa i kontrolowana. 2. Nieobecność na ćwiczeniach musi być usprawiedliwiona i odrobiona w terminie ustalonym indywidualnie z prowadzącym zajęcia, lecz nie później niż przed ostatnimi ćwiczeniami. Nie odrobienie zajęć powoduje niezaliczenie zajęć fakultatywnych, co jest jednoznaczne z otrzymaniem oceny niedostatecznej w pierwszym terminie. Zgodnie z regulaminem studiów (rozdział III, 11) w wyjątkowych sytuacjach dopuszcza się usprawiedliwioną nieobecność na zajęciach. 3. Warunkiem uzyskania zaliczenia z jest: a. obecność i aktywność na wszystkich ćwiczeniach, b. zaliczenie praktyczne przy komputerze (próg 60%). W przypadku otrzymania oceny niedostatecznej istnieje możliwość dwukrotnego jej poprawienia w terminach uzgodnionych z prowadzącym. 4. Spóźnienia na ćwiczeniach przekraczające 15 minut traktowane są jako nieobecność. 5. Studentów obowiązuje znajomość treści i nabycie umiejętności z zakresu prezentowanego na poprzednich ćwiczeniach. PROGRAM ZAJĘĆ: I. Tworzenie zbiorów danych w pakiecie STATISTICA PL. II. Wnioskowanie statystyczne (testy wielowymiarowe) A. Model regresji wielowymiarowej. B. Model regresji logistycznej. C. Analiza dyskryminacyjna. III. Techniki Data Mining (drzewa regresyjno-klasyfikacyjne, metoda k-najbliższych sąsiadów).
PROGRAM NAUCZANIA Wymagania wstępne: zaliczenie zajęć z Biostatystyka z elementami informatyki cz1, cz2 Przygotowanie do zajęć: znajomość problemów poznanych na dotychczasowych zajęciach z tego Wymagania końcowe: student potrafi korzystać z niestandardowych metod statystycznych oraz posługiwać się oprogramowaniem STATISTICA PL. 13.Kryteria zaliczenia : Zaliczenie kryterium zaliczenia Obecność i aktywność na wszystkich zajęciach. Zaliczenie praktyczne przy komputerze 14. Literatura: 1. Petrie A., Sabin C., Statystyka medyczna w zarysie ; Wydawnictwo Lekarskie PZWL Warszawa 2006 2. Stanisz A., Przystępny kurs statystyki z zastosowaniem STATISTICA PL na przykładach z medycyny, t.ii i t. III; StatSoft Kraków 2006 3. Moczko J.A., Bręborowicz G.H., Nie samą biostatystyką...;own Poznań 2010 4. Wagner W., Błażczak P., Statystyka matematyczna z elementami doświadczalnictwa, Wydawnictwo Akademii Rolniczej, Poznań 1992 5. Luszniewicz A., Słaby T., Statystyka stosowana, Polskie Wydawnictwo Ekonomiczne, Warszawa 1996 6. Kala R., Statystyka dla przyrodników, Wydawnictwo Akademii Rolniczej im. Augusta Cieszkowskiego, Poznań 2002 15. Podpis osoby odpowiedzialnej za nauczanie lub koordynatora