Kurz interaktivní vícerozměrné analýzy dat 
Všechno neznámé se pokládá za velkolepé.
OMNE IGNOTUM PRO MAGNIFICO EST.
Publius Cornelius Tacitus (asi 55 - kol 120), De vita Iulii Agricolae, 30
Po hodině teorie následuje vždy hodina praktických úloh na počítači.
Kurz je založen na užívání nové učebnice Kompendium statistického zpracování dat + CD.
Zaplatit na číslo účtu: 37030561/0100, variabilní symbol: 453800XXX
Termíny: Každoročně vždy v měsících únoru, červnu a září (dotažte se na termín nejbližšího kurzu na adrese Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript. )
Místo: Elektronická učebna LE1, UNIVERZITA PARDUBICE, 532 10 Pardubice
Organizátor: Katedra analytické chemie, Fakulta chemicko-technologická, Univerzita Pardubice, 53210 Pardubice,
Telefon: 466037026, Fax: 466037068, E-mail: \n Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript.
Cena: 12.000,- Kč (DPH 0%) zahrnuje nové Kompendium úloh za 700,- Kč, ale neobsahuje ubytování a stravu.
Popis kurzu
Přednosti kurzu: interaktivní (dialog s PC) matematicko-statistické analýza dat, za účelem získání maximálního množství informace. Absolvent kurzu bude schopen statisticky zpracovávat data na počítači.
Určení kurzu: pro pracovníky kontrolních laboratoří OHS, OTK, OKŘJ, dále zdravotnických, veterinárních a vodo-hospodářských laboratoří, potravinářské a zemědělské inspekce, chemických, potravinářských, farmaceutických a zemědělských výrob. Pro pracovníky kontroly životního prostředí všech odvětví průmyslu, energetiky a zemědělství, pro technology, pracovníky řízení jakosti, a především pro vedoucí pracovníky.
Odborná garance a přednášející v kurzu: Prof. RNDr. Milan Meloun, DrSc., Univerzita Pardubice,
Osvědčení o kurzu: po absolvování kurzu obdrží každý účastník kurz univerzitní osvědčení
Každodenní rozvrh v kurzu:
08.00 - 11.50 Přednášky a cvičení na PC.
11.50 - 13.00 Oběd v jídelně univerzity.
13.00 - 15.50 Přednášky a cvičení na PC.
09.45 - 10.00, 14.45 - 15.00 Přestávka na kávu, čaj.
Středa, 18.00 - 21.00 Společná večeře v restauraci.
Pátek, 15.00 Ukončení kurzu.
Organizační informace
1. Místo konání: elektronická učebna LE1, budova Univerzity, Studentská, 53210 Pardubice. Elektronická učebna má 28 míst u počítačů.
2. Přihlašování do kurzu: vyplněnou přihláškou poslat na Katedru analytické chemie (Milan Meloun).
3. Doprava: z vlakového nádraží v Pardubicích trolejbusy a autobusy směrem do centra.
4. Ubytování: hotely města Pardubic nebo vysokoškolské koleje. Hotel si zaplatí každý v recepci sám.
5. Obědy a snídaně: snídaně v restauraci hotelu jsou součástí ubytování. Obědy nabízíme v zaměstnanecké jídelně univerzity za 56,- Kč. Platí při prezentaci kurzu v pondělí v 8.00 hodin.
6. Účastníci ze Slovenské republiky: platí také v českých korunách, platbou ze Slovenska dle kurzu pro den převodu.
7. Odhlášení a náhrada: v případě nutnosti (nemoci, naléhavých služebních povinností, atd.) je výhodnější vyslat náhradníka, jinak se platí vysoké storno poplatky.
8. Užívaná literatura ( je zahrnuta v ceně kurzu): M. Meloun, J. Militký: Kompendium statistického zpracování experimentálních dat s CD, 2. vyd., 980 stran, Karolinum Praha 2013, 700,- Kč. Od 1. listopadu 2006 je 2. rozšířené vydání v prodejnách knih.
Sylabus kurzu a obsah úloh
1. Data vícerozměrných pozorování v chemické laboratoři: datová matice, objekty a proměnné, typy proměnných, vícerozměrný náhodný vektor, odhady parametrů polohy a rozptýlení vícerozměrných dat, příklady vícerozměrných dat v analýzách životního prostředí.
2. Transformace a zobrazování vícerozměrných dat: druhy transformací, centrování a normování dat, druhy zobrazení vícerozměrných dat, průzkumová analýza vícerozměrných dat, vyhledávání odlehlých měření, stopová analýza.
3. Statistické testování vícerozměrných náhodných výběrů: statistická analýza vektoru středních hodnot, statistická analýza kovariančních matic, testy normality.
4. Analýza kovariance: výklad kovarianční matice, předpoklady analýzy kovariance, využití kovariance v analýze vícerozměrných dat.
5. Analýza korelace: analýza korelační matice, korelační modely pro více náhodných veličin, párový korelační koeficient, parciální korelační koeficient, vícenásobný korelační koeficient.
6. Analýza hlavních komponent: podstata a matematický popis metody, vlastnosti hlavních komponent, geometrický význam, interpretace hlavních komponent, využití ve spektrální analýze, využití v analýze dat GC a HPLC, metody rozpoznání vzoru.
7. Faktorová analýza: model faktorové analýzy, odhad parametrů faktorového modelu, odhad faktorového skóre, rotace faktorů, Kankareho metoda určení počtu částic ve vícesložkové směsi, Wernimontova metoda klasifikace spektrofotometrů.
8. Shluková analýza: podstata shlukové analýzy, kritéria pro posouzení kvality rozkladu do shluků, vzdálenost a podobnost objektů, hierarchická posloupnost rozkladů.
9. Hledání a verifikace nelineárního regresního modelu: formulace nelineárního regresního modelu, geometrie nelineární regrese, statistická analýza v nelineární regresi, postup při výstavbě složitějšího regresního modelu.
Diagnoza dat = veškerá tajemství ukrytá v datech
(1) V datech jsou skryté problémové hodnoty. Odhalíme hrubé chyby, systematické chyby, odlehlé hodnoty, extrémy. Musíme rozhodnout, zda odstraníme neobvyklé hodnoty z další analýzy či je ponecháme či je opravíme.
(2) Nezávislost dat znamená, že prvky analyzovaného výběru nejsou spojeny žádným skrytým vztahem a byly získány nezávisle, bez ovlivnění člověkem, přístrojem, bez ovlivnění postupem odběru dat.
(3) Soubor obsahuje chybějící data. Pak je třeba upravit tabulku dat, která má "díry" tak, aby data přesto poskytla co nejspolehlivější výsledky.
(4) Průzkum v datech provádíme rozličnými grafickými pomůckami. Do dat se lze podívat různými diagnostikami a odhalit v datech symetrii rozdělení, druh rozdělení, lokální koncentraci dat, homogenitu dat, anomálie a velikost šumu.
(5) Soubor obsahuje málo dat. Když v laboratoři získáme málo dat, je třeba aplikovat Hornův postup pivotů. Jedině tak odhadneme objektivní míry polohy a rozptýlení, a to bodové i intervalové.
(6) Efektivní analýza dat pozná zvláštní hodnoty, které jsou v datech velmi vlivné. Vlivné body totiž významně ovlivňují hledané parametry. Vlivným bodům je třeba proto věnovat zvláštní péči.
(7) Filtrování vlivu jednotlivých proměnných. Data monitorují výsledek, který je složen z vlivů několika proměnných. Parciální grafy dokáží odfiltrovat působení právě zvolené proměnné a vyříznout graf jejího působení z vícerozměrného prostoru. Je proto užitečné se podívat, jak je tento systém v datech monitorován.
|
Přihlášku do nejbližšího kurzu napište dle tohoto vzoru a odešlete co nejdříve. Na základě Vaší přihlášky obdržíte fakturu a po jejím zaplacení budete zařazen do kurzu. Přihlášky lze vyplňovat a odesílat v průběhu celého roku, kurzy se naplňují průběžně. |
|
Přihláška do Intenzivního týdenního kurzu - Kurz pokročilých úloh s KompendiemPřihlašuji se do kurzu Pokročilých úloh s Kompendiem v rozsahu 33 hodin za 12.000,- Kč. Účastník (tituly, jméno, příjmení):......................................................................... Organizace (název, adresa, PSČ): ........................................................................ IČO: .........................DIČ: ....................... Pracovní zařazení: .......................... Telefon (včetně směru): ............................. Fax (včetně směru): ......................... E-mail: ..................................................... Bydliště (adresa včetně PSČ a telefonu): ......................................................................................................................... Podpis odpovědného pracovníka a razítko organizace: ............. Datum:........... |