1. Příprava vzorkovacího plánu, uchovávání a ukládání biologických dat.
2. Typy biologických dat – kvantitativní a kvalitativní data, popis, charakteristiky polohy a variability, vizualizace, identifikace odlehlých hodnot.
3. Úvod do testování hypotéz – nulová a alternativní hypotéza, chyby I. a II. druhu, statistický test a jeho síla, p – hodnota.
4. Statistické hodnocení biodiverzity, typy diverzity, indexy biodiverzity a jejich výpočet.
5. Úvod do práce v programu R a v rozhraní R Studio. Vytváření projektů, vkládání dat, grafické výstupy.
6. Jednovýběrové a dvouvýběrové testy – parametrické a neparametrické metody. Analýza kategoriálních dat – chí-kvadrát a Fisherův test.
7. Analýza rozptylu (ANOVA)- hodnocení rozptylu biologických a ekologických dat, hodnocení normality, Kruskal-Wallisův test – neparametrická alternativa analýzy rozptylu.
8. Korelační analýza – Pearsonův a Spearmanův korelační koeficient, míry podobnosti v ekologii (koeficienty podobnosti, koeficienty korelace, kovariance).
9. Regresní analýza – lineární regrese, předpoklady lineárního modelu, odhad parametrů regresního modelu, koeficient determinace, základní statistické testy.
10. Regresní analýza – polynomiální regrese, základní statistické testy, analýza reziduí regresních analýz.
11. Úvod do vícenásobné lineární regrese – typy interakcí proměnných, multikolinearita, problém chybějících dat, aplikace na biologická a ekologická data.
12. Mnohorozměrná analýza dat – základní principy, předpoklady a úprava dat před analýzou.
13. Explorativní analýzy, analýza hlavních komponent (PCA), mnohonásobná korespondenční analýza (MCA), analýza smíšených dat (FAMD), shluková analýza.
2. Typy biologických dat – kvantitativní a kvalitativní data, popis, charakteristiky polohy a variability, vizualizace, identifikace odlehlých hodnot.
3. Úvod do testování hypotéz – nulová a alternativní hypotéza, chyby I. a II. druhu, statistický test a jeho síla, p – hodnota.
4. Statistické hodnocení biodiverzity, typy diverzity, indexy biodiverzity a jejich výpočet.
5. Úvod do práce v programu R a v rozhraní R Studio. Vytváření projektů, vkládání dat, grafické výstupy.
6. Jednovýběrové a dvouvýběrové testy – parametrické a neparametrické metody. Analýza kategoriálních dat – chí-kvadrát a Fisherův test.
7. Analýza rozptylu (ANOVA)- hodnocení rozptylu biologických a ekologických dat, hodnocení normality, Kruskal-Wallisův test – neparametrická alternativa analýzy rozptylu.
8. Korelační analýza – Pearsonův a Spearmanův korelační koeficient, míry podobnosti v ekologii (koeficienty podobnosti, koeficienty korelace, kovariance).
9. Regresní analýza – lineární regrese, předpoklady lineárního modelu, odhad parametrů regresního modelu, koeficient determinace, základní statistické testy.
10. Regresní analýza – polynomiální regrese, základní statistické testy, analýza reziduí regresních analýz.
11. Úvod do vícenásobné lineární regrese – typy interakcí proměnných, multikolinearita, problém chybějících dat, aplikace na biologická a ekologická data.
12. Mnohorozměrná analýza dat – základní principy, předpoklady a úprava dat před analýzou.
13. Explorativní analýzy, analýza hlavních komponent (PCA), mnohonásobná korespondenční analýza (MCA), analýza smíšených dat (FAMD), shluková analýza.