Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
Об утверждении прейскуранта цен на платные услуги по основному виду деятельности муниципального автономного учреждения культуры «Балаковская городска...полностью>>
'Учебное пособие'
Печатается в соответствии с решением кафедры общей географии, краеведения и туризма геолого-географического факультета ЮФУ, протокол № 7 от 9 июня 20...полностью>>
'Документ'
Принципы корпоративного права и управления не нашли должного отражения в законодательстве. Существующая доктрина из числа специальных принципов права...полностью>>
'Документ'
Области аттестации (с указа-нием порядкового номера нормативного правового акта и нормативно-технического документа соответствующей области аттестации...полностью>>

Рабочая программа дисциплины (модуля) (1)

Главная > Рабочая программа
Сохрани ссылку в одной из сетей:

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

РОССИЙСКОЙ ФЕДЕРАЦИИ

Саратовский государственный университет имени Н.Г. Чернышевского

____________________ физический факультет ____________________

(Наименование института, факультета)

УТВЕРЖДАЮ

Проректор СГУ по

учебно-методической работе

___________________ Е.Г.Елина

"__" ____________________20__ г.

Номер внутриуниверситетской регистрации

_______________

Рабочая программа дисциплины (модуля)

_________ Биометрия _________

(Наименование дисциплины (модуля)

Направление подготовки

_______Физика________

Профиль подготовки

_____Биофизика____

Квалификация (степень)

______Магистр____

Форма обучения

__________очная_________

Саратов,2011 год

1. Цели освоения дисциплины

Целями освоения дисциплины «Биометрия»

являются: расширение и углубление знаний студентов по вопросам статистической обработки данных в биологии и медицине, позволяющего выпускнику успешно работать в избранной сфере деятельности в РФ и за рубежом, обладать универсальными и предметно специализированными компетенциями, способствующими его социальной мобильности, востребованности на рынке труда и успешной профессиональной карьере.

2.Место дисциплины в структуре ООП магистратуры

Дисциплина «Биометрия» относится к профессиональному циклу ФТД1, читается в 9 семестре. Форма итоговой аттестации — зачет.

Статистические методы включают как простые методы, которые доступны даже неподготовленным пользователям, так и сложные математические процедуры, доступные лишь квалифицированным специалистам высокого класса.

Данный курс лекций ориентирован на изучение простых, но наиболее часто используемых методов статистической обработки данных.

Анализ больших объемов данных невозможен без применения компьютеров, поэтому упор при изучении данного курса делается на использование компьютерных методов обработки.

Последовательность изучения основных разделов курса, в большой степени отвечает построению изложения материала, принятому в учебном пособии “В.Н. Калинина, В. Ф. Панкин. Математическая статистика. 2-е издание, стереотипное, М: Высшая школа, 1998, 336 с.”

Курс лекций преподается с использованием компьютерной сети. Лекционный материал содержит множество конкретных примеров, которые разбираются в интерактивном режиме.

При изучении курса “Биометрия” студенты должны иметь теоретическую подготовку по информатике и основным разделам математического анализа, дифференциального и интегрального исчисления. Студенты также должны обладать начальными практическими навыками работы на компьютере.

Контроль знаний поводится в виде тестирования

3 Компетенции обучающегося, формируемые в результате освоения дисциплины (модуля)

В результате освоения дисциплины «Биометрия» должны формироваться в определенной части следующие компетенции:

общекультурные:

способность использовать в познавательной и профессиональной деятельности базовые знания в области математики и естественных наук (ОК-1);

способность приобретать новые знания, используя современные образовательные и информационные технологии (ОК-3);

способность к письменной и устной коммуникации на родном языке (ОК-13);

способность получить и использовать в своей деятельности знание иностранного языка (ОК-14) – в части использования;

способность использовать в познавательной и профессиональной деятельности навыки работы с информацией из различных источников (ОК-16).

общепрофессиональные:

способность использовать специализированные знания в области физики для освоения профильных физических дисциплин (в соответствии с профилем подготовки) (ПК-4);

способность понимать и излагать получаемую информацию и представлять результаты физических исследований (ПК-19).

Данный курс лекций носит не теоретический, а сугубо практический и прикладной характер. В результате освоения дисциплины обучающийся должен:

Знать: основные методы обработки статданных. Особое внимание при разборе материала уделяется анализу ошибок, которые обычно делают начинающие исследователи при применении того или иного метода статистической обработки

Уметь: применить методы статистики к обработке биометрических данных.

Владеть: навыками применения набора стандартных методов статистической обработки данных с использованием стандартных компьютерных программ.

4. Структура и содержание дисциплины (модуля)

«Биометрия»

Общая трудоемкость дисциплины составляет 2 зачетных единицы 36 часов, включая 18 часов лекций.

4.1. Структура дисциплины

№ п/п

Наименование раздела, подраздела, темы лекции

Бюджет учебного времени

Форма текущ. и итог. контр.

семестр

в том числе

Лек

ции

Лабор. и практ.

семи­нарские занятия

Самост. работа

1

Очная полная программа

1

Предмет биометрия. Выборочное наблюдение

9

2

2

тест

Цели применения выборочного наблюдения. Виды выборки. Ошибки выборки. Ошибка репрезентативности. Средняя квадратическая ошибка репрезентативности. Средняя ошибка выборочной средней. Отклонение выборочной средней от генеральной средней.

Закон распределения ошибки выборки. Влияние вида выборки на величину ошибки. Принципы проведения выборочных наблюдений.

Определение требуемого объема выборки. Определение возможного предела ошибки репрезентативности при проведении выборочных наблюдений. Определение вероятности того, что ошибка выборки не превысит допустимой погрешности. Распространение результатов выборочного наблюдения на генеральную совокупность. Выборки малого объема. Распределение Стьюдента для ошибки выборки малого объема.

2

Проверка статистических гипотез

9

8

8

0

тест

Понятие статистической гипотезы

Основные этапы проверки гипотезы

Проверка гипотез о числовых значениях параметров нормального распределения

9

2

2

Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений с известными дисперсиями

Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений с неизвестными, но равными дисперсиями

Проверка гипотезы о равенстве дисперсий двух нормальных распределений

9

4

4

Проверка гипотезы о числовом значении вероятности события

Проверка гипотезы о равенстве вероятностей

Проверка гипотезы о модели закона распределения. Критерий согласия Пирсона

9

2

2

3

Основы дисперсионного анализа.

9

2

2

тест

Однофакторный дисперсионный анализ

Дисперсионная таблица и проверка гипотез

Двухфакторный дисперсионный анализ

9

2

2

4

Корреляционно-регрессионный анализ

9

6

6

Понятие функциональной, стохастической и корреляционной зависимости

Функция регрессии

Генеральное корреляционное соотношение

9

2

2

Линейная функция регрессии

Генеральный коэффициент корреляции

Метод наименьших квадратов

Линейное уравнение регрессии

Проверка гипотезы о линейности функции регрессии

9

2

2

Нелинейные функции регрессии

Множественная регрессия. Интерполяция и экстраполяция данных

9

2

2

18

18

Зачет

Итого по всему курсу:

36

    1. Содержание дисциплины

1

Начальные сведения о важнейших функциях распределения и их свойствах

Понятие функции распределения случайной величины. Интегральная функции распределения вероятности. Плотность распределения вероятности. Математическое ожидание и дисперсия. Равномерное (прямоугольное) распределение. Нормальное (гауссово) распределение. распределение. t - распределение Стьюдента. F – распределение. Моделирование последовательностей случайных чисел, подчиняющихся различным распределениям.

2

Выборочное наблюдение

Цели применения выборочного наблюдения. Виды выборки. Ошибки выборки. Ошибка репрезентативности. Средняя квадратическая ошибка репрезентативности. Средняя ошибка выборочной средней. Отклонение выборочной средней от генеральной средней. Закон распределения ошибки выборки. Влияние вида выборки на величину ошибки. Принципы проведения выборочных наблюдений. Определение требуемого объема выборки. Определение возможного предела ошибки репрезентативности при проведении выборочных наблюдений. Определение вероятности того, что ошибка выборки не превысит допустимой погрешности. Распространение результатов выборочного наблюдения на генеральную совокупность. Выборки малого объема. Распределение Стьюдента для ошибки выборки малого объема.

3.

Проверка статистических гипотез

Понятие статистической гипотезы. Основные этапы проверки гипотезы. Проверка гипотез о числовых значениях параметров нормального распределения. Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений с известными дисперсиями. Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений с неизвестными, но равными дисперсиями. Проверка гипотезы о равенстве дисперсий двух нормальных распределений. Проверка гипотезы о числовом значении вероятности события. Проверка гипотезы о равенстве вероятностей. Проверка гипотезы о модели закона распределения. Критерий согласия Пирсона.

4.

Основы дисперсионного анализа.

Однофакторный дисперсионный анализ

Дисперсионная таблица и проверка гипотез

Двухфакторный дисперсионный анализ

5.

Корреляционно-регрессионный анализ

Понятие функциональной, стохастической и корреляционной зависимости. Функция регрессии. Генеральное корреляционное соотношение. Линейная функция регрессии. Генеральный коэффициент корреляции. Метод наименьших квадратов. Линейное уравнение регрессии. Проверка гипотезы о линейности функции регрессии. Нелинейные функции регрессии. Множественная регрессия. Интерполяция и экстраполяция данных

5. Образовательные технологии

1. Лекционные занятия с использованием мультимедийных средств.

2. Поиск информации в библиотеке и через Интернет для подготовки рефератов на темы, предложенные для самостоятельного изучения.

3. Компьютерная сеть

  1. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.

Изучение теоретического материала по конспектам лекций, рекомендованным учебным пособиям, монографической учебной литературе, справочным источникам; самостоятельное изучение некоторых теоретических вопросов программы курса, нерассмотренных на лекциях; решение рекомендованных задач из сборника задач по статистике; изучение теоретического материала по методическим руководствам к практикуму по статистике. Контроль выполнения осуществляется на последнем занятии в форме тестирования. . Тесты по курсу “прикладные методы статистики в биологии и медицине”

  1. С помощью оператора rnorm(n,,)создайте статистическую совокупность, подчиняющуюся нормальному распределению и содержащую n=8154 элементов, при среднем значении элементов статистической совокупности =10 и среднеквадратическом отклонении =8.5 . Постройте гистограмму.

  2. С помощью оператора rlnorm(m, , ) создайте статистическую совокупность, подчиняющуюся лог-нормальному распределению и содержащую n=8154 элементов, при среднем значении элементов статистической совокупности =10 и среднеквадратическом отклонении =8.5

  3. С использованием оператора hist постройте график функции выборочного распределения для данных полученных в п.24

  4. С помощью оператора dnorm(x,  , ) постройте график функции плотности распределения вероятности для нормального распределения. Сравните его с графиком, полученном в п. 28.

  5. С помощью операторов dnorm(x,  , ) и dlnorm(x, , ) постройте графики распределений плотности вероятности для нормального и лог-нормального распределений. Сравните графики и охарактеризуйте различия

  6. Массив данных размещен на диске С:\test. Проверить гипотезу о числовых значениях параметров нормального распределения.

  7. Массивы данных размещены на диске С:\test. Дисперсии известны. Проверить гипотезу о равенстве математических ожиданий двух нормальных распределений с известными дисперсиями

  8. Массивы данных размещены на диске С:\test. Дисперсии неизвестны. Проверить гипотезу о равенстве математических ожиданий двух нормальных распределений с неизвестными, но равными дисперсиями

  9. Массивы данных размещены на диске С:\test. Проверить гипотезу о о равенстве дисперсий двух нормальных распределений

  10. Массивы данных размещены на диске С:\test. Построить гистограмму и выдвинуть гипотезу о типе распределения. Проверить гипотезу о модели закона распределения.

  11. Ha жестком диске в директории С:\test находится файлы с числовыми данными vx.txt и vy.txt

    • Считайте файлы данных с помощью пакета MathCad 2000

    • С помощью оператора slope вычислите наклон линии регрессии для статистических данных их массивов x.txt и y.txt

  12. Ha жестком диске в директории С:\test находится файлы с числовыми данными vx.txt и vy.txt

    • Считайте файлы данных с помощью пакета MathCad 2000.

    • С помощью оператора intercept найдите точку пересечения линии регрессии с осью ординат

  13. Постройте график отражающий результаты регрессионного анализа, проведенного в п. 11 и в п. 12:

С использованием построенного графика оцените разброс первичных данных относительно регрессионной кривой.

  1. Ha жестком диске в директории С:\test находится файлы с числовыми данными X.txt и Y.txt

    • Считайте файлы данных с помощью пакета MathCad 2000

    • С помощью оператора z=regress (X,Y,k) вычислите коэффициенты полиномиальной регрессии для статистических данных их массивов X.txt и Y.txt (например, для полинома четвертой степени; т.е. k задается равным 4)

  2. Используя коэффициенты регрессии, вычисленные в п. 14 (одномерный массив z), постройте полиномиальное регрессионное уравнение для статистических совокупностей X и Y. Используйте для этой цели оператор interp(z, X,Y,x).Оцените по графику разброс исходных точек относительно кривой регрессии.

  3. Ha жестком диске в директории С:\test находится файлы с числовыми данными X.txt и Y.txt

    • Считайте файлы данных с помощью пакета MathCad 2000

    • С помощью оператора linfit(X,Y,F) произведите сглаживание данных методом наименьших квадратов.

Примечание: в качестве базисных функций используйте следующие:

Сглаженная кривая вычисляется следующим образом: ,

где S - одномерный массив, содержащий ранее вычисленные коэффициенты разложения, (т.е.

7. Учебно-методическое и информационное обеспечение дисциплины (модуля) «Биометрия»

Основная литература

1.

А.А.Боровков Математическая статистика. Учебник. 4-е издание Санкт-Петербург, Лань, 2010, 704 с

2.

А.Н. Бородин Элементарный курс теории вероятностей и математической статистики: Учебное пособие. 7-е изд. Санкт-Петербург, Лань, 2010, 256с

3.

В.Н. Калинина, В. Ф. Панкин. Математическая статистика. 2-е издание, стереотипное, М: Высшая школа, 1998, 336 с.

4.

И. И. Елисеева, М.М. Юзбашев. Общая теория статистики. М: Финансы и статистика, 1995, 368 с.

5.

Mathcad 2000 Pro. Руководство пользователя

Дополнительная литература

1.

Учебно-методические материалы по оптике, размещенные на Интернет-сайте кафедры оптики и биомед. физики http://optics.sgu.ru

2.

Е.Н. Львовский Статистические методы построения эмпирических формул. Учебное пособие для вузов. М: Высшая школа, 1988, 239 с.

3.

Дж. Бендат, А. Пирсол. Прикладной анализ случайных данных. М.:Мир, 1989, 540 с.

Материально-техническое обеспечение дисциплины (модуля) «Биометрия»:

  1. Мультимедиа-проектор

  2. Ноутбук

Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и Примерной ООП ВПО по направлению и профилю подготовки _Физика, Биофизика.

Профессор кафедры оптики и биомедицинской физики,

д.ф.-м.н., профессор C.C. Ульянов

Программа одобрена на заседании кафедры оптики и биофотоники СГУ

(указать наименование кафедры)

от ____2011___года, протокол № _________________.

Подписи:

Зав. кафедрой д.ф.-м.н. проф. В.В. Тучин

Декан факультета

(факультет, где разрабатывалась

программа) д.ф.-м.н., проф. В.А. Аникин

Декан факультета

(факультет, где реализуется

программа) д.ф.-м.н., проф. В.А. Аникин



Скачать документ

Похожие документы:

  1. Рабочая программа дисциплины (модуля) асимптотические методы решения дифференциальных уравнений

    Рабочая программа
    Для ее успешного изучения необходимы знания и умения, приобретенные в результате освоения предшествующих дисциплин: математический анализ, линейная алгебра, абстрактная алгебра, дифференциальные уравнения.
  2. Рабочая программа дисциплины (модуля) нечеткая математика и принятие решений

    Рабочая программа
    формирование математической культуры студента, фундаментальная подготовка по ряду основных разделов теории нечетких множеств, овладение современным математическим аппаратом для дальнейшего использования при решении теоретических и прикладных задач.
  3. Рабочая программа дисциплины (модуля) Устное народное творчество

    Рабочая программа
    Введение. Предмет курса. Основные теории происхождения устной поэзии. Исторические этапы развития фольклора: ранние стадии; фольклор феодальной эпохи; эпохи капитализма; фольклор XX века.
  4. Рабочая программа дисциплины (модуля) (2)

    Рабочая программа
    (Указывается цикл (раздел) ООП, к которому относится данная дисциплина (модуль). Дается описание логической и содержательно-методической взаимосвязи с другими частями ООП (дисциплинами, модулями, практиками).
  5. Рабочая программа дисциплины (модуля)  

    Рабочая программа
    Физика является фундаментальной составляющей естествознания. Физика - наука о природе: о строении, свойствах и взаимодействии составляющих ее материальных тел и полей.

Другие похожие документы..