20 augustus 2007

Neurosciences need Statistics

http://www.ivpv.ugent.be/
Neurosciences need good knowledge of Statistics
Learn it here by experts in the field (IVPV)

Vormende waarde

De doelstelling van deze opleiding is een praktisch inzicht te geven in veelgebruikte en nuttige statistische methoden voor de bedrijfswereld.

Een probleem bij het analyseren van data is de keuze die men dient te maken tussen het ruime aanbod aan statistische methoden. Deze keuze berust immers op een grondige kennis van de voorwaarden waaronder de statistische methode ontwikkeld is.

Eens een verantwoorde methode geselecteerd is, kan de uitvoering van de analyse worden aangevat. Dit stadium is de jongste jaren sterk vereenvoudigd wegens de ruime verspreiding van statistische software pakketten (S-PLUS, SAS, SPSS, Statistica, ...). Tenslotte dienen de resultaten van de analyse geïnterpreteerd te worden. Ook hierbij is een grondige kennis van de kracht en de tekortkomingen van de gebruikte statistische techniek onontbeerlijk.

In deze lessenreeks zal op deze drie fasen worden ingegaan en tijdens een aantal begeleide oefeningen zullen de cursisten zelf gegevens kunnen analyseren en interpreteren. Er zal ook nadruk worden gelegd op een fase waaraan maar al te vaak te weinig aandacht wordt geschonken: de opzet van een studie. Deze is meestal onontbeerlijk om tot een geldige statistische analyse en een verantwoord besluit te komen.

De opleiding bestaat uit vier modules: een basiscursus statistiek,een cursus regressieanalyse, een cursus over niet-parametrische methoden en een cursus over multivariate methoden. In de basiscursus (module 1) worden de belangrijkste statistische begrippen uitgebreid herhaald en worden de klassieke methoden voor het vergelijken van gemiddelden besproken (t-testen en ANOVA). In module 2 wordt de regressie-analyse gedetailleerd besproken. Naast de analysemethoden, wordt in beide modules veel aandacht besteed aan de proefopzet. In de derde module over niet-parametrische methoden worden de niet-parametrische tegenhangers van de methoden uit modules 1 en 2 behandeld. Deze methoden worden gekenmerkt door hun algemene geldigheid, zonder dat distributionele veronderstellingen over de data gemaakt moeten worden. Module 4 handelt over de meest gebruikte multivariate statistische analysetechnieken, die dicht aanleunen bij datamining (clustering, classificatie, ...).

Iedere module wordt afgesloten met een extra lesavond waarin alleen oefeningen gemaakt worden.

De modules zijn zodanig opgebouwd dat cursisten zich voor elke module afzonderlijk (uitgezonderd voor module 0) of voor de volledige cursus kunnen inschrijven.

Geen opmerkingen: