D:Meloun M., Militký J., Hill M: Počítačová analýza vícerozměrných dat v příkladech, Academia Praha 2005, ISBN 80-200-1335-0

A:Meloun M., Militký J., Hill M: Počítačová analýza vícerozměrných dat v příkladech, Academia Praha 2005, ISBN 80-200-1335-0

1. Základní pojmy vícerozměrných statistických metod a zdrojová data - datový vektor, datová matice a základní operace

2. Vícerozměrná rozdělení, výběrová rozdělení

3. Metody úpravy zdrojových dat - korekce šumu a jiných parazitních signálů, agregace dat, normalizační algoritmy

4. Zpracování a úpravy datové matice, velkých datových souborů

5. Vícerozměrná analýza rozptylu, odhady a testování hypotéz

6. Průzkumová analýza dat

7. Multivariátní klasifikační metody včetně shlukové analýzy a diskriminační analýzy

8. Multivariátní regresní metody

9. Kanonická korelace

10. Využití umělé inteligence v multivariátní analýze dat

11. Využití umělé inteligence s ohledem na dimenzionalitu dat a vliv parazitních signálů

12. Zpracování kritického rozboru zadaného/vybraného publikovaného článku pojednávajícího o aplikaci multivariátních statistických metod

13. Samostatné zpracování dat - návrh vhodného postupu zvolenými multivariátními metodami

14. Závěrečný seminář porsentace výstupů kritického rozboru a návrhu vhodného postupu

1. Data vector, data matrix and fundamental operation

2. Multivariate statistical distributions, probability distributions

3. Data corrections - methods of noise suppression, baseline corrections, multiplicative scatter correction

4. Data matrix processing and data treatment

5. Estimations and hypothesis testing

6. Multivariate analýza rozptylu

7. Exploratory data analysis

8. Principal component analysis

9. Discrimination analysis

10. Cluster analysis

11. Fuzzy cluster analysis

12. Partial least squares approach

13. Canonic correlation

14. Multivariate regression methods

elektronické materiály dostupné v doméně vscht.cz

electronic materials - available in the domain vscht.cz

Studenti budou umět:

Popsat základní principy vícerozměrné statistiky.

Připravit experimentální vícerozměrná data pro jejich statistické zpracování a vyhodnocení.

Vysvětlit principy multivariátních chemometrických metod, ať již klasifikačních, tak i regresních, a uplatnit tyto principy na konkrétních výsledcích spektrometrických měření.

Students will be able to:

Describe fundamental concepts of multivariate statistics.

Prepare experimental multidimensional data for their statistical processing and evaluation.

Explain the principles of multivariate chemometric methods, including exploratory, classification and regression approaches and to use them for specific analytical and spectroscopic measurements.

žádné

none