Information

1: Modul 1 - Datenanalyse und Präsentation - Biologie

1: Modul 1 - Datenanalyse und Präsentation - Biologie


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

1: Modul 1 – Datenanalyse und Präsentation

Ihr moderner Business-Leitfaden zu Methoden und Techniken der Datenanalyse

In unserem datenreichen Zeitalter ist es einer der Hauptgründe für den Erfolg, zu verstehen, wie man die digitalen Erkenntnisse unseres Unternehmens analysiert und wahre Bedeutung gewinnt.

Trotz der enormen Datenmenge, die wir täglich erstellen, werden nur 0,5% tatsächlich analysiert und für die Datenermittlung, -verbesserung und -intelligenz verwendet. Das mag zwar nicht viel erscheinen, aber angesichts der Menge digitaler Informationen, die uns zur Verfügung stehen, macht ein halbes Prozent immer noch eine riesige Datenmenge aus.

Bei so vielen Daten und so wenig Zeit kann es ein Minenfeld sein, all diese potenziell geschäftsfördernden Informationen zu sammeln, zu kuratieren, zu organisieren und zu verstehen – aber die Online-Datenanalyse ist die Lösung.

Um Ihnen zu helfen, das Potenzial der Analyse, die Bedeutung und wie Sie sie zur Verbesserung Ihrer Geschäftspraktiken nutzen können, zu verstehen, beantworten wir eine Vielzahl wichtiger analytischer Fragen. Wir werden nicht nur Datenanalysemethoden und -techniken untersuchen, sondern auch verschiedene Arten der Datenanalyse betrachten und gleichzeitig demonstrieren, wie Analysen in der realen Welt mit einem 15-Schritte-Plan für den Erfolg durchgeführt werden.


Praktische Information

2021 findet der Kurs statt online zwischen 7. und 18. Juni. Die typischen Öffnungszeiten sind zwischen 9 und 18 Uhr, können aber flexibel verschoben werden. Der erste Kurs beginnt am 7. Juni, 9 Uhr.

Für Personen von ausserhalb der ETH besteht die Möglichkeit, sich für den Kurs anzumelden. Wenn Sie an der UZH studieren, können Sie sich kostenlos als „Sonderstudierende“ einschreiben: Klicken Sie hier für weitere Informationen . Wenn Sie an einer anderen Schweizer Hochschule studieren, prüfen Sie bitte auf dieser Seite, ob Sie zur Immatrikulation als Sonderstudierender berechtigt sind. Alle anderen können sich gegen eine Gebühr als „externer Prüfer“ registrieren, um Details zu erfahren, klicken Sie hier . (Bei Interesse bitte frühzeitig die Anmeldefristen prüfen).

Der Kurs beginnt mit einer allgemeinen Einführung in die Modellierung, einer Einführung in die verfügbaren Module (Modellierungsübungen) und (bei Bedarf) einem kurzen Tutorium zu R. Es werden Teams von 3-4 Studenten gebildet, die ein Modul der ersten und der zweiten Ebene auswählen. Die meiste Zeit findet in betreuter Gruppenarbeit statt: Die Schülerteams erarbeiten die Lösungen zu den gewählten Modulen, während die Lehrenden im Unterricht anwesend sind, um bei Bedarf zu helfen und den Fortschritt zu überwachen. Dem Abschluss eines Level-1-Moduls sind einige Tage gewidmet, dem Abschluss eines Level-2-Moduls etwa eine Woche. Der Kurs endet mit dem letzten halben Tag, der Präsentationen gewidmet ist, in denen jedes Team seine Ergebnisse zu seinem Level-2-Modul präsentiert.

Auswertung

Die Endnote setzt sich aus dem Durchschnitt von vier Noten für die folgenden Aufgaben zusammen: 1) Die Durchführung des ersten Moduls, 2) Die technische Durchführung des zweiten Moduls, 3) Biologische Analyse und Interpretation des zweiten Moduls und 4) die abschließende Präsentation. Die Dozenten überwachen während des Kurses ständig den Fortschritt und beurteilen das Verständnis von Konzepten, Kreativität, die Funktionalität des implementierten Codes und letztendlich die wissenschaftlichen Antworten auf die Fragen in den Modulen. Um die Bewertung von Einzelpersonen zu ermöglichen, sollte jedes Teammitglied innerhalb der studentischen Projekte für klar definierte Aufgaben verantwortlich sein und auch an der Präsentation teilnehmen. Wichtig ist, dass Kriterien so definiert werden, dass auch Studierende ohne R-Vorkenntnisse die Bestnote erreichen können.


Datenpräsentation und -analyse oder Datenanalyse und -präsentation?

Diese beiden gehen Hand in Hand, und es wird schwierig sein, eine vollständige Unterscheidung zwischen beiden zu treffen. Das Hinzufügen eines visuellen Aspekts oder das Sortieren durch Gruppieren und die Präsentation in Form einer Tabelle ist Teil der Präsentation. Dies hilft weiter bei der Datenanalyse. Während einer Studie mit einem Ziel und mehreren Zielen ist eine Analyse erforderlich, um die erforderlichen Ziele zu erreichen. Die Zusammenstellung oder Präsentation der analysierten Daten hilft bei der Gesamtanalyse und dem Abschluss der Studie.

  • Zeitfolgen
  • Balkendiagramme
  • Kombinationsdiagramme
  • Kreisdiagramme
  • Tabellen
  • Geo-Karte
  • Scorekarte
  • Streudiagramme
  • Bullet-Charts
  • Flächendiagramm
  • Text & Bilder

Die Wahl der richtigen Methode wie Tortendiagramm, Tabellenform, Liniendiagramm, Histogramme, Regressionslinie usw. ist von entscheidender Bedeutung. Beim Umgang mit Diagrammen und Grafiken ist es wichtig, ausreichende Kenntnisse über Häufigkeitsverteilung, regelmäßige Intervalle, Achsenbeschriftung, Häufigkeit und andere Begriffe zu haben. Einige davon wurden kurz mit einem Beispiel am Ende dieses Artikels beschrieben.

  1. Formulieren Sie die Ziele der Studie und erstellen Sie eine Liste der zu erhebenden Daten und deren Format.
  2. Sammeln/beziehen Sie Daten aus primären oder sekundären Quellen.
  3. Ändern Sie das Datenformat, d. h. Tabelle, Karten, Grafiken usw., in das gewünschte Format.
  4. Sortieren Sie Daten durch Gruppieren, verwerfen Sie die zusätzlichen Daten und entscheiden Sie sich für die erforderliche Form, um die Daten verständlich zu machen.
  5. Erstellen Sie Diagramme und Grafiken, um visuelle Teile hinzuzufügen und Trends zu analysieren.
  6. Analysieren Sie Trends und verknüpfen Sie die Informationen, um die Ziele zu erreichen.

Andere Punkte, an die Sie sich erinnern sollten

  1. Eine Präsentation sollte eine vordefinierte Reihenfolge von Argumenten enthalten, die zur Unterstützung der Studie vorgebracht werden. Beginnen Sie mit der Angabe des Studienziels und der Ziele, die erforderlich sind, um das Ziel zu erreichen.
  2. Teilen Sie die Ziele in mehrere Teile auf und erstellen Sie eine Liste der zu sammelnden Daten. Notieren Sie die Datenquellen, in welcher Form Daten vorliegen und beschafft werden müssen. Auch die Durchführung einer Primärerhebung nach Informationen, die nicht vorhanden sind.
  3. Formulieren und erläutern Sie die zur Durchführung einer Studie angepasste Methodik.
  4. Bei der Datenerhebung durch Primärerhebungen müssen Stichprobenverfahren gut durchdacht sein. Dies wird dazu beitragen, den Aufwand zu reduzieren und die Effizienz zu steigern. Der Stichprobengröße sollte Bedeutung beigemessen und die richtige Stichprobentechnik angewendet werden.
  5. Präsentieren Sie nur die erforderlichen Informationen und überspringen Sie die Hintergrundrecherche, um Ihren Standpunkt klarer zu machen.
  6. Vergessen Sie nicht, am Ende und wo immer es erforderlich ist, Credits und Referenzen anzugeben.

Die Präsentation kann mit Software wie Microsoft Power Point, Prezi, Google Analytics und anderer Analysesoftware erfolgen. Dies kann auch durch Anfertigen von Modellen, Präsentationen auf Papier oder Blättern, auf Karten oder durch Verwendung von Tafeln erfolgen. Welche Methoden ausgewählt werden, hängt von der Anforderung und den verfügbaren Ressourcen ab.

Wie präsentiert man die verschiedenen Datentypen – welches Format soll gewählt werden?

Da bei der Darstellung von Daten eine Reihe von Optionen zur Verfügung stehen, sollte die verwendete Methode sorgfältig geprüft werden. Ein grundlegendes Verständnis des gewünschten Ergebnisses/der gewünschten Form ist hilfreich, um die richtige Darstellungsform zu wählen. Aus einem Tortendiagramm kann man nicht erwarten, Liniendaten zu erhalten, daher sparen Grundkenntnisse und die Anwendung verschiedener Präsentationsmethoden Zeit. Außerdem sollte genügend Probe zur Verfügung stehen, um aussagekräftige Analysen und Ergebnisse zu erhalten. Einige der beliebtesten Möglichkeiten zur Darstellung der Daten sind Liniendiagramm, Säulendiagramm, Boxpot, vertikaler Balken und Streudiagramm. Diese und andere Typen werden im Folgenden mit kurzen Informationen zu ihrer Anwendung erläutert.

Sekundärerhebungen bilden einen bedeutenden Teil der Forschung und primäre Mittel der Datenerhebung, indem sie verschiedene Studien durchführen und vorhandene Informationen aus mehreren Quellen nutzen. Die so gewonnenen Daten aus verschiedenen Quellen wie Volkszählungsabteilung, Wirtschafts- und Statistikabteilung, Wahlkommission, Wasserbehörde, kommunalen Körperschaften, Wirtschaftserhebungen, Website-Feedbacks, wissenschaftlicher Forschung usw. werden zusammengestellt und analysiert. Außerdem ist es erforderlich, die Veränderung des Bedarfs verschiedener Ressourcen zu prognostizieren und abzuschätzen und diese somit entsprechend bereitzustellen. Die Einteilung in Phasen und die Priorisierung sind ein weiterer wichtiger Bestandteil für die wirksame Umsetzung der Vorschläge.

Eine solche Präsentation und Information kann entweder durch manuelle Handzeichnungen / Grafiken und Tabellen erfolgen, während eine solche Präsentation sehr effektiv und genau durch spezielle Computersoftware erfolgt.

Beispiele und Diagrammtypen für die Datenpräsentation

Balkendiagramme/Balkendiagramme: Dies ist eines der am häufigsten verwendeten Diagramme, um das Wachstum eines Unternehmens über einen bestimmten Zeitraum zu zeigen. Es stehen mehrere Optionen zur Verfügung, wie gestapelte Balkendiagramme und die Möglichkeit, eine Änderung in zahlreichen Entitäten anzuzeigen. Diese sehen wie im Bild unten gezeigt aus:

Liniendiagramm: Diese eignen sich am besten zur Darstellung der Bevölkerungsveränderung, d. h. zur Darstellung der Trends. Diese eignen sich auch gut, um das Wachstum mehrerer Bereiche gleichzeitig zu erklären.

Kreisdiagramme: Diese funktionieren am besten, um den Anteil verschiedener Komponenten von insgesamt 100 % darzustellen. Für zB. Beitrag verschiedener Sektoren zum BIP, die Bevölkerung verschiedener Staaten in einem Land usw.

Kombinationsdiagramm: Wie der Name schon sagt, handelt es sich um eine Kombination aus mehr als einem Diagrammtyp. Das in der Abbildung unten gezeigte ist eine Kombination aus Linien- und Balkendiagramm. Diese sparen Platz und sind manchmal effektiver als die Verwendung von zwei verschiedenen Diagrammen. Je nach Anforderung können sogar 3 oder mehr Diagramme vorhanden sein.


Von den Daten zur Biologie und zurück

Die CENTURI Summer School richtet sich an Studierende von Master of Science und Ingenieurschulen (auch Bachelorstudierende im Abschlussjahr werden akzeptiert) mit Hintergrund in Physik, Mathematik und Computerwissenschaften, die interessiert sind an ihre Fähigkeiten auf Probleme der Biologie anwenden. Die Summer School mit dem Titel „Von den Daten zur Biologie und zurück“ stellt große offene Fragen der Systembiologie. Es wird diese Fragen durch die Verwendung von modernste Techniken zur Analyse und Modellierung von Datensätzen, über praktische Projekte.

Die der Vormittag wird den Vorträgen hochrangiger Referenten gewidmet sein um die Herausforderungen der Biologie bei der Datenanalyse anzugehen, aber auch um experimentelle Methoden zur Sammlung biologischer Daten in Versuchslabors zu präsentieren und um spezifische Sitzungen zu einem besseren Verständnis der Forschung und des akademischen Alltags zu erhalten. Die Nachmittage sind praktischen Projekten zu biologischen Daten gewidmet. Die Teilnehmer werden in kleinen Gruppen arbeiten und mit modernster Ausrüstung biologische Datensätze sammeln und analysieren. Die Teilnehmer haben außerdem die Möglichkeit, ihr Projekt vorzustellen und von wertvollem Feedback eines Tutors und eines wissenschaftlichen Komitees zu profitieren.

Programm

Vormittagsvorträge

Wissenschafts- und Technologietransfer

Eingeladene Referenten

Nachmittagsprojekte

Eingeschriebene Teilnehmer arbeiten in Kleingruppen (3-4 Personen) an konkrete biologische Datenanalyseprojekte (vorgeschlagen von Laborleitern) an den Nachmittagen der Sommerschule. Jede Gruppe wird von einem Mentor beraten, der die Schüler anleiten und unterstützen wird, lösen die biologischen Fragestellungen der Projekte mit Hilfe der biologischen Datenanalyse. Die Art der Daten variiert je nach Projekt. Am Ende der Summer School stellen die Teilnehmer ihr Projekt den Dozenten und Mitteilnehmern vor.

Wie verlängert sich das sich entwickelnde Gewebe?

Morphogenese ist der biophysikalische Prozess, durch den Organismen ihre Formen entwickeln. Das Verständnis der der Morphogenese zugrunde liegenden Mechanismen erfordert genaue Analysen der Zelldynamik in sich entwickelnden Geweben. Die Gewebedehnung entlang einer Achse ist ein einfacher und weit verbreiteter Prozess und daher ideal, um diese Fragen anzugehen. In Abwesenheit von Wachstum kann es durch die Verlängerung einzelner Zellen (entweder aktiv oder als Reaktion auf äußere Kräfte), aber auch durch orientierte Zellumlagerungen erzeugt werden. Solche räumlichen Neuordnungen ermöglichen durch Ändern der Topologie des Systems eine Netto-Gewebeverformung, ohne eine Zellverformung und Spannung anzusammeln. Die genaue Beschreibung der Beiträge des Zellverhaltens zur gesamten Gewebedehnung erfordert eine räumlich-zeitliche Quantifizierung der Zellformen aus experimentellen Filmen. Das Modul konzentriert sich daher auf die quantitative Analyse der Zell- und Gewebeform während der Gewebeelongation im Drosophila-Embryo.

Art der Daten

Filme der Gewebedehnung (Drosophila) aus konfokaler Mikroskopie

Bild-/Filmsegmentierung, Zellformanalyse, Zellkraftinferenz

Können wir nicht-kodierende Transkriptionen nachweisen, die spezifisch für Krebszelllinien sind?

Herausforderungen des Projekts

In unserem Genom werden Gene von der RNA-Polymerase-Maschinerie transkribiert, wodurch Transkripte entstehen, die für ein Protein kodieren. Die Regulation der Transkription ist ein lebenswichtiger Prozess in allen lebenden Organismen. Die Gentranskription wird durch Promotoren und Enhancer reguliert. Zu wissen, wie Gene in einem bestimmten Zustand (zB: Krebs, Zellwachstum usw.) reguliert werden, war eine zentrale Herausforderung in der Biologie und Genomik. Jüngste Erkenntnisse haben gezeigt, dass auch nicht-kodierende Regionen, der nicht-gene Teil unseres Genoms, der 80% umfasst, von der RNA-Polymerase-Maschinerie transkribiert werden können. Diese nicht-gene Transkription kann aktive Regionen darstellen, die an der Regulation der Transkription beteiligt sind.

In diesem Projekt werden wir die DNA-Bindung der RNA-Polymerase als Proxy verwenden, um „aktive“ nicht-kodierende Regionen zu identifizieren. Die Integration dieser großen Menge an regulatorischen Daten über Tausende von Zelllinien wird es uns ermöglichen, diese krebsspezifischen regulatorischen Regionen zu erkennen. Wir erwarten von den Studierenden, dass sie verschiedene mathematische und informatische Analysen anwenden, um erstens Regionen zu erkennen, die bei ähnlichen Krebsarten häufig sind, und zweitens die spezifischsten Regionen pro Krebsart zu identifizieren.

Arten von Daten

Wir haben etwa 800 ChIP-seq-Datensätze für RNA-Polymerase über eine Vielzahl von Zelllinien und Krebszelllinien gesammelt. Für jeden Datensatz haben wir Tausende von Genomikregionen identifiziert, die durch

RNA-Polymerase. Die Daten bestehen aus genomischen Regionen (Koordinaten), die als große Matrix manipuliert werden können.

Matrix-Clustering, Dimensionsreduktion, Gen-Ontologie-Anreicherung, Schnitt mit genomischen Merkmalen (Gene, Retrotransposons, etc…).

Voraussetzung

Der Schüler wendet die Dimensionsreduktion mit Python an (R ist auch möglich).

Wie durchlaufen B-Lymphozyten mehrere funktionelle Zustände, um die Fähigkeit zu erlangen, Antikörper mit hoher Affinität zu produzieren?

Antikörper sind lebensrettende Biomoleküle – Haupteffektoren der Wirksamkeit von Impfstoffen und beliebte Therapeutika zur Krebsbehandlung. Bei der natürlichen Immunität werden hochpotente Antikörper von den Nachkommen einer einzelnen antigenspezifischen B-Zelle nach einem zellulären und molekularen Reifungsprozess produziert. Mit dem Ziel, neue Therapien für herausfordernde Infektionen und Krebserkrankungen zu entwickeln, ist das Verständnis der einzelnen Schritte der B-Lymphozyten-Reifung ein wichtiger Schwerpunkt der immunologischen Forschung.

Neuartige Analysemethoden ermöglichen die parallele Analyse von Antikörper-Gensequenzen und genomweiter Genexpression in Hunderten bis Tausenden einzelner B-Zellen und eröffnen neue Wege zur Analyse der Mechanismen der B-Zell-Reifung. Die Integration und Analyse der riesigen Datenmengen, die bei diesen Experimenten anfallen, wird in den kommenden Jahren eine spannende Herausforderung sein.

Art der Daten

Für Tausende von B-Zellen, sortiert aus gesunden menschlichen Lymphorganen, menschlichen Tumoren und Maus-Lymphorganen nach der Impfung:

- Genexpressionsdaten (Einzelzell-RNAseq)

- Zelloberflächenphänotyp und Größen-/Aspektmerkmale (Durchflusszytometrie)

- Antikörper-Gensequenz (berechnet aus Einzelzell-RNAseq)

Fluoreszenzaktivierte Zellsortierung (FACS), Einzelzell-RNA-Sequenzierung, Sequenz-Alignment und -Mapping auf Genom, Sequenzrekonstruktion aus Short-Read-RNAseq, Dimensionsreduktion und Clustering, Pseudozeitanalyse, Zell-Zell-Interaktionsnetzwerke, Gen-Gen-Interaktionsnetzwerke.

Wie verhält sich die kollektive neuronale Dynamik zur Funktion?

Die meisten Gehirnfunktionen werden durch die Aktivität neuronaler Ensembles unterstützt, die über Hirnregionen verteilt sind. Die Struktur dieser Repräsentationen zu verstehen, wie sie erlernt werden und wie sie zu Verhalten führen, ist eine der größten Herausforderungen für Neurowissenschaftler. In den letzten Jahren haben Technologien, insbesondere Bildgebung, Hochdurchsatz-Elektrophysiologie und Transkriptomik, unsere Art und Weise, Struktur und Funktion im Gehirn und ihre Beziehung zum Verhalten zu analysieren, revolutioniert. Die Neurowissenschaft wird von einer Flut komplexer Daten überflutet, die ein System beschreiben, das selbst bereits komplex ist. Nie war der Bedarf an theoretischen Modellen und Datenanalysen größer. Zukünftiger Fortschritt erfordert die Entwicklung der Fähigkeit, durch Analysen und Modellierung aussagekräftiges Wissen aus diesen Daten zu extrahieren.

Art der Daten

Aktivitätsdynamik von mehreren Neuronen bei wach verhaltenden Nagetieren (präfrontaler Kortex, Hippocampus und Striatum):

- Elektrophysiologische Signale
- Calciumfluoreszenzfilme

Zwei-Photonen- und endoskopische Calcium-Bildgebung, Bildanalyse, Signalverarbeitung, funktionelle Konnektivität, Clustering

Wenn Bilder eines einzigartigen 3D-Objekts in verschiedenen Ausrichtungen präsentiert werden, können Menschen leicht die Achsen und Drehwinkel bestimmen, die die Bilder verbinden. Welche neuronalen Mechanismen liegen dieser Verarbeitung zugrunde?

Wir haben zahlreiche Neuronen in visuellen Bereichen von Mäusen aufgenommen, wenn den Tieren rotierende Objekte präsentiert wurden. Wir möchten wissen, ob die Aktivität einiger der aufgezeichneten Neuronen nur von der Orientierung des angezeigten Objekts abhängt und nicht von den Details der Objektform, -farbe oder -textur. Die Menge aller möglichen Orientierungen von 3D-Objekten bildet eine Gruppe, die als SO(3) bezeichnet wird. Mathematisch möchten wir verstehen, ob eine Menge von Neuronen nur eine Position auf der Mannigfaltigkeit SO(3) kodiert.

Art der Daten

Wir haben den Calcium-Imaging-Datensatz von etwa 8000 Neuronen im Kortex, der visuelle Bereiche umfasst, wenn einem Tier mehrere Tetris-ähnliche 3D-Objekte präsentiert werden. Wir haben mehrere Wiederholungen desselben Objekts, das verschiedene Trajektorien auf SO(3) untersucht.

Wir haben eine Theorie zur neuronalen Darstellung von 3D-Rotationen aufgestellt. Wir werden daher versuchen, eine Verbindung zwischen dieser Theorie und dem vorliegenden Datensatz herzustellen. Dazu verwenden wir Methoden, die dem maschinellen Lernen, der Optimierung und der Gruppentheorie entlehnt sind.


Der Begriff 'Biometrie“ wurde eingeführt von Walter Weldon.

Statistik wird in zwei Kategorien eingeteilt

(1). Reine Statistik

(2). Angewendete Statistiken

(1). Reine Statistik

Reine Statistik ist die grundlegende Statistik. Die reine Statistik ist weiter in VIER Unterkategorien unterteilt.

(ein). Beschreibende Statistik

Ø Dies sind die statistischen Werkzeuge und Analysen, die die Hauptmerkmale der Daten beschreiben und zusammenfassen.

Ø Beispiel: Maß der zentralen Tendenz (Mittelwert, Median, Modus), Maß der Streuung (Bereich, Standardabweichung, mittlere Abweichung) etc.

Ø Die deskriptive Statistik erklärt die Merkmale der Daten.

Ø Sie reduzieren die Komplexität der Daten in einfache und logische Zusammenfassungen.

(B). Analytische Statistik

Ø Die analytische Statistik befasst sich mit allen Werkzeugen der Statistik, die zum Vergleich verschiedener Variablen verwendet werden.

Ø Analytische Statistik hilft, funktionale Beziehungen zwischen Variablen (Daten) herzustellen.

Ø Beispiel: Korrelation und Regression

(C). Induktive Statistik

Ø Induktive Statistik ist die Verwendung statistischer Werkzeuge, um auf der Grundlage zufälliger Beobachtungen Schlussfolgerungen zu ziehen.

(D). Inferenzstatistik

Ø Inferenzstatistik ist die Anwendung statistischer Theorien zur Analyse der Forschungsprobleme.

Ø Es enthält sehr komplexe Berechnungen, Analysen und Vergleiche.

Ø Beispiel: Indexnummern, statistische Qualitätskontrolle, Vitalstatistik etc.

Klassifikation der Biostatistik

Die Biostatistik wird konventionell in zwei Aspekte unterteilt:

(1). Das Design von Experimenten zum Abrufen oder Sammeln der Daten.

(2). Die statistische Analyse oder statistische Methode.

Schritte in der Biostatistik:

Eine biostatistische Untersuchung wird durch die folgenden aufeinanderfolgenden Schritte durchgeführt.

(1). Datenerhebung (variabel)

(2). Klassifizierung der erhobenen Daten

Bedeutung der Statistik in der Biologie

Die Biostatistik findet in allen Bereichen der Life Sciences Anwendung. Einige Anwendungen der Biostatistik werden im Folgenden zusammengefasst.

Ø Die Forschung ist ohne Statistiken unvollständig

Ø Jedes Ergebnis (Daten) in der Forschung muss statistisch validiert werden.

Ø Für die Gestaltung von Experimenten

Ø Auswahl der Methode der Datenerhebung

Ø Aus den Daten logische Schlussfolgerungen ableiten

Ø Ableitung einzelner Werte aus einer Gruppe von Variablen

(2). Medizin und Pharmazie:

Ø Zur Überprüfung der Wirksamkeit von Medikamenten

Ø Um die möglichen Nebenwirkungen von Medikamenten herauszufinden

Ø Zur Durchführung von Studien zur medikamentösen Behandlung

Ø Studieren Sie die Vererbungsmuster von Genen

Ø Unverzichtbar für das Studium der Mendelschen Genetik

Ø Für das Studium der genetischen Struktur einer Population

Ø Untersuchung des Verhaltens von Genen in einer Population (Populationsgenetik)

Ø Für die Mapping-Chromosomen

(4). In numerischer Taxonomie (Taxonomie mit Zahlen)

(5). Zur Überwachung der Gemeinschaft und der öffentlichen Gesundheit

(6). Demographie (Studie der menschlichen Bevölkerung)

(7). Statistiken helfen bei der Umsetzung der Politik der Regierung

(8). Wird in der Wettervorhersage verwendet

Einschränkungen der Statistik

(1). Statistische Gesetze sind im Durchschnitt wahr. Einzelbeobachtung ist keine Statistik.

(2). Statistiken können nicht auf einzelne / individuelle Daten angewendet werden.

(3). Statistische Methoden sind am besten auf quantitative Daten anwendbar.

(4). Statistische Methoden können nicht auf sehr heterogene Daten angewendet werden.

(5). Wird bei der Erhebung, Analyse und Interpretation der Daten nicht genügend Sorgfalt aufgewendet, können die statistischen Ergebnisse irreführend sein.

(6). Nur ein persönlicher Statistikexperte kann die statistischen Werkzeuge effizient handhaben.

(7). Es gibt zu viele Methoden, um ein einzelnes Problem in der Statistik zu untersuchen

(8). Statistiken bilden nicht die ganze Geschichte oder das Phänomen ab.

(9). Statistische Ergebnisse sind nicht immer zweifelsfrei.

(10). Bei den statistischen Entscheidungen sind einige Fehler möglich. (Fehler vom Typ I und Typ II in der Statistik)


Schau das Video: REFERAT TIPPS 13 Präsentation vorbereiten: Struktur u0026 Recherche (Januar 2023).