Kurz počítačové interaktivní statistické analýzy dat    

Lenošení bez vzdělávání znamená hrob pro žijícího člověka.
OTIUM SINE LITTERIS MORS EST ET HOMINIS VIVI SEPULTURA.
Lucius Annaeus Seneca (4 př. n. l. – 65 n. l.), Epistulae morales ad Lucilium 82, (3).

Motto: Po hodině teorie následuje vždy hodina praktických úloh na počítači.

Kurz je založen na užívání nové učebnice Kompendium statistického zpracování dat + CD

Termín nejbližšího kurzu 30330 / 45 / VZ350001 :   

 učebna S4 nebo 11. 06. 2018 - 15. 06. 2018 (dle emailového zájmu a počtu lidí bude měsíc před kurzem oznámeno)

Zaplatit na číslo účtu: 37030561/0100, variabilní symbol: 45330002

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 S04, UNIVERZITA PARDUBICE, Studentská 573, 532 10 Pardubice

Organizátor: Katedra analytické chemie, Fakulta chemicko-technologická, Univerzita Pardubice, Studentská 573, 53210 Pardubice,

Telefon: 466037026, Fax: 466037068, E-mail: 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 750,- Kč, ale neobsahuje ubytování a stravu

Popis kurzu

Organizační informace

1. Místo konání: elektronická učebna S04, budova Univerzity, Studentská 573, 53210 Pardubice. Elektronická učebna má pouze 28 židlí u 28 počítačů.
2. Přihlašování do kurzu: vyplněnou přihláškou poslat emailem na Katedru analytické chemie Tato e-mailová adresa je chráněna před spamboty. Pro její zobrazení musíte mít povolen Javascript..
3. Doprava: z vlakového nádraží v Pardubicích trolejbusy a autobusy směrem do centra, trolejbus č. 3, vystoupit na stanici u kolejí či Univerzitní knihovny a pak 100 m pěšky.
4. Ubytování: hotely města Pardubic nebo vysokoškolské koleje. Hotel si zaplatí každý v recepci sám.
5. Obědy a snídaně: snídaně v restauraci hotelu jsou obvykle součástí ubytování. Pro ubytované na kolejích je v budově pod červenou recepcí chemické fakulty nový buffet (snídaně, obědy). Obědy jsou v zaměstnanecké jídelně univerzity za hotové od 60,- do 75,- Kč celé menu výběr na místě z 5 jídel.
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, Academia Praha 2006, 750,- Kč. Od 1. listopadu 2006 je 2. rozšířené vydání v prodejnách knih.

Sylabus kurzu a obsah úloh v Interaktivní statistické analýze dat

1. Základy metrologie: klasifikace chyb měření, přesnost přístrojů, mezní hodnoty chyb, třída přesnosti přístroje, kvantilové a momentové chyby, chyby analytických výsledků, nejistoty výsledků, propagace chyb absolutních a relativních, propagování nejistot u analytických stanovení. Hromadění nejistot u instrumentálního stanovení.
2. Interaktivní statistická analýza jednorozměrných dat: diagnostiky exploratorní analýzy dat (grafy: krabicové, kvantilový, polosum, symetrie, Q-Q, rankitový, hustoty pravděpodobnosti, kruhový), ověření předpokladů o datech, transformace dat. Druhy rozdělení a určení rozdělení výběru. Základní statistiky polohy a rozptýlení při analýze výběru. Robustní statistiky ve stopové analýze. Hornův postup analýzy malých výběrů. Statistické testování, testy správnosti a testy přesnosti. Porovnávání výsledků s normou a validace analytických postupů. Párový test. Kalibrace pipet. Analýza krve. Test čistoty komerční chemikálie. Testy analýz v hutní analytice.
3. Analýza rozptylu: Základní pojmy. Jednofaktorová analýza rozptylu. Technika vícenásobného porovnávání. Dvoufaktorová analýza rozptylu vyvážená a nevyvážená. Vliv hnojiva na výnos plodiny. Vliv konzervačního činidla na trvanlivost potravin. Vliv člověka na analytické stanovení.Vliv druhu penicilinu na bacil B substilis.
4. Regresní modely: Lineární a nelineární regresní modely. Předpoklady metody nejmenších čtverců. Regresní diagnostika při výstavbě modelu. "Regresní triplet" (DATA, MODEL, METODA). Validizace analytické metody, porovnání s normou. Párový test dvou metod. Heteroskedasticita, autokorelace a multikolinearita v experimentálních závislostech. Věrohodnost stanoveného modelu. Výstavba vícerozměrného lineárního a nelineárního modelu. Analýza polynomů a odstranění multikolinearity. Aproximace spekter a titračních křivek.
5. Kalibrace (lineární a nelineární): Intervalový odhad neznámé koncentrace (obsahu). Limity přesnosti kalibrace: kritická úroveň, mez detekce a mez stanovení. Kritická hladina a šum metody. Určení kalibračního modelu pomocí regresní diagnostiky. Analýza vlivných bodů. Vliv přesnosti přístroje, metody a experimentu na limitu detekce.

Data přejímáme přímo z databazí, spreadsheetů nebo ASCII souborů či si je sami pořídíme do datové tabulky. Pak je třeba z dat vyextrahovat maximum informace a diagnozy, a to cestou statistických diagnostik odhalit v datech ukrytá tajemství:
(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.