The subject represents an introductory course of the mentioned topic for Ph.D. students. The following chapters are discussed: Principles and advances of probability theory, various types of distributions and their parameters, point and interval estimates, linear and nonlinear regression, hypothesis testing. All the theory is supplemented with examples of experimental data processing. Doctoral students' own data (suitable for statistical processing) are welcome to practice.
Last update: Matějka Pavel (31.08.2019)
Předmět reprezentuje vstupní doktorandský kurz do uvedené problematiky. Postupně jsou probrány kapitoly: teorie
pravděpodobnosti a pokroky v této oblasti, různé typy rozdělení a jejich parametry, bodové a intervalové odhady, lineární a nelineární
regrese, testování hypotéz. Veškerá probíraná teorie je doplněna příklady z problematiky zpracování
experimentálních dat. Vlastní data doktorandů (vhodná pro statistické zpracování) jsou vítána pro procvičování.
Last update: Matějka Pavel (31.08.2019)
Aim of the course -
Students will be able to:
describe the principles of statistical treatment of experimental data focused on large data files obtained by multiple experimental techniques
apply the above-mentioned principles on real experimental data emphasizing the solution of physicochemical issues and the use of advanced analytical methods
evaluate the relevancy of outputs of statistical method and to eliminate wrong results and computational artifacts
Last update: Matějka Pavel (31.08.2019)
Studenti budou umět
principy statistického zpracování experimentálních dat se zaměřením na rozsáhlé datové soubory získané vícero experimentálními technikami
aplikovat výše uvedené principy na konkétní experimentální data s důrazem na řešení fyzikálně chemických problémů a využití pokročilých analytických metod
posuzovat relevanci výstupů statistických metod a vyvarovat se chybných výsledků a výpočetních artefaktů
Last update: Dendisová Marcela (29.08.2024)
Literature -
R: Statistical Methods in Analytical Chemistry, Second Edition, PETER C. MEIER, RICHARD E. ZUND, 2000 by John Wiley & Sons, Inc., ISBN 0-47 1-29363-6, Online ISBN:9780471728412 |DOI:10.1002/0471728411
R: Chemometrics: Data Driven Extraction for Science, Second Edition. Richard G. Brereton, 2018 by John Wiley & Sons Ltd., ISBN:9781118904664 |Online ISBN:9781118904695 |DOI:10.1002/9781118904695
A: Chemometrics: Statistics and Computer Application in Analytical Chemistry, Third Edition, Author: Matthias Otto, 2017 Wiley‐VCH Verlag GmbH & Co. KGaA Print ISBN:9783527340972 |Online ISBN:9783527699377 |DOI:10.1002/9783527699377
A: Published review papers and original studies.
Last update: Matějka Pavel (31.08.2019)
Doporučená:
Jaroš, František. Pravděpodobnost a statistika. Praha: Vysoká škola chemicko-technologická, 2002, s. ISBN 80-7080-474-2.
Meloun, Milan, Militký, Jiří. Kompendium statistického zpracování dat. Praha: Karolinum, 2012, s. ISBN 978-80-246-2196-8.
Meier, Peter C., Zünd, Richard E.. Statistical methods in analytical chemistry. New York: Wiley, 2000, s. ISBN 978-0-471-29363-7.
Brereton, Richard G.. Chemometrics, data driven extraction for science. : , , s. ISBN 978-1-118-90466-4.
Matthias Otto. Chemometrics: Statistics and Computer Application in Analytical Chemistry. : Wiley‐VCH Verlag GmbH & Co, 2017, s. ISBN 9783527340972.
Last update: Dendisová Marcela (29.08.2024)
Syllabus -
1) Experimental data and their compatibility, preparation of data input for statistical treatment
2) Variability of experimental data, sources of errors and uncertainties and their propagation
3) Exploratory analysis of vector data — principles
4) Exploratory analysis of vector data — applications and tasks
5) Statistical analysis of vector data — principles
6) Statistical analysis vector data — applications and tasks
7) Statistical analysis of multidimensional data — principles
8) Statistical analysis of multidimensional data — applications and tasks
9) Analysis of variance — principles
10) Analysis of variance — applications and tasks
11) Regression methods — linear and nonlinear — principles
12) Regression methods — linear and nonlinear — applications and tasks
13) Correlation — principles and tasks
14) Interpolation and approximation — principles and tasks
Last update: Matějka Pavel (31.08.2019)
1) Experimentální data a jejich kompatibilita, příprava vstupních dat pro statistické zpracování
2) Variabilita experimentálních dat, zdroje chyb a nejistot a jejich šíření
3) Průzkumová analýza vektorových dat - principy
4) Průzkumová analýza vektorových dat - aplikace a úlohy
5) Statistická analýza vektorových dat - principy
6) Statistická analýza vektorových dat - aplikace a úlohy
7) Statistická analýza mnoharozměrných dat - principy
8) Statistická analýza mnoharozměrných dat - aplikace a úlohy
9) Analýza rozptylu - principy
10) Analýza rozptylu - aplikace a úlohy
11) Regresní metody - lineární a nelineární - principy
12) Regresní metody - lineární a nelineární - aplikace a úlohy
13) Korelace - principy a úlohy
14) Interpolace a aproximace - principy a úlohy
Last update: Matějka Pavel (31.08.2019)
Learning resources -
electronic materials and files available on-line in the domain vscht.cz
Last update: Matějka Pavel (31.08.2018)
elektronické materiály a soubory dostupné v doméně vscht.cz