Kursplan för Statistik och dataanalys för biomedicin

Beslut och riktlinjer

Ingår i biomedicinprogrammet

Mål

Kursen ger färdigheter i att sammanställa biomedicinska data, tolkning av statistiska analyser och grundläggande färdigheter i statistisk dataanalys som kan användas vid analys av olika typer av biomedicinska data.

Kunskap och förståelse 

Efter kursen ska studenten kunna: 

• redogöra för teoretiska och praktiska grundläggande begrepp inom beskrivande statistik, elementär sannolikhetslära och statistisk slutledning
• redogöra för principerna för hypotesprövning och intervallskattning

Färdighet och förmåga 

Efter kursen ska studenten kunna:

• tillämpa grundläggande metoder för beskrivande statistik
• kritiskt diskutera grundläggande statistiska analyser
• tillämpa, redovisa och tolka enkla återsamplings-och randomiseringsbaserade metoder för statistisk slutledning
• tillämpa och redovisa beräkningar med elementär sannolikhetslära
• tillämpa och redovisa sannolikhetsberäkningar och grundläggande statistisk slutledning med matematiska fördelningsmodeller
• tillämpa och redovisa intervallskattningar
• tolka resultat av hypotesprövningar, konfidensintervall, regressionsmodeller och utvalda multivariata analyser
• identifiera lämplig statistisk analys för en biomedicinsk frågeställning

Värderingsförmåga och förhållningssätt

Efter kursen ska studenten kunna:

• identifiera möjliga felkällor i utformningen av statistiska undersökningar

Innehåll

Del 1: Deskriptiv statistik: diagram och mått. Planering och utformning av statistiska undersökningar. Introduktion till sannolikheter och tillämpad statistisk slutledning (hypotesprövning och intervallskattning) med hjälp av återsamplings- och randomiseringsbaserade metoder. Elementära statistiska analyser av andelar och medelvärden.

Del 2: Introduktion till sannolikhetslära och matematisk statistik. Tillämpad parametrisk parametrisk statistisk inferensteori inkluderande parameterskattning, intervallskattning, regressionsanalys samt hypotestester samt introduktion till icke-parametrisk inferens. Prestandamått som t.ex. sensitivitet, specificitet, positivt prediktivt värde. Orienterande introduktioner till multivariat dataanalys, framförallt i form av hierarkisk klusteranalys och multipel regression, samt till Bayesiansk inferens.

Undervisning

Undervisningen omfattar föreläsningar, dator- och räkneövningar, problemorienterade grupparbeten och seminarier och kan helt eller delvis ges med flipped classroom (inspelade föreläsningar följda av lärarledda övningar). Närvaro är obligatorisk vid problemorienterade grupparbeten och seminarier. Undervisningen sker på svenska. Andra undervisningsformer än de specificerade kan komma att användas på kursen.

Examination

För godkänd kurs krävs godkänt resultat på samtliga obligatoriska moment och inlämningsuppgifter samt aktivt deltagande i seminarier, samt godkänt individuellt tentamensprov.

 

Möjlighet att komplettera icke godkända datorövningar kan beredas tidigast vid nästa kurstillfälle och endast i mån av plats.

 

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare.