Kursbeskrivning

Under första dagen lär du dig att behärska programmets grundläggande funktioner så att ditt arbete kommer flyta på obehindrat. Detta omfattar hur man strukturerar en ”databas” från grunden i SPSS och hur man importerar data. Vi behandlar även mer avancerade funktioner som hur man skapar nya variabler, kodar om redan existerande, inkluderar eller exkluderar observationer.

Dag två behandlas beskrivande statistik som går ut på att beskriva och sammanfatta data. Beskrivande statistik synliggörs bäst med olika typer av tabeller och grafer där exempelvis lägesmått som (medelvärde och median) samt spridningsmått som (standardavvikelse eller kvartiler). På kursen kommer du att få bekanta dig med de vanligaste tabellerna och graferna som frekvenstabeller, histogram, stapeldiagram samt scatterplot.

Kursbeskrivning

På den här kursen kommer du att lära dig hur man visuellt utforskar data i R och hur man skapar snygga och informativa grafer med hjälp av det kraftfulla paketet ggplot2. Vi behandlar dessutom dimensioneringsreduktion av komplexa datamängder genom användning av principal components analysis (PCA).

Dag två innehåller klusteranalys, faktoranalys och strukturella ekvationsmodeller (SEM). Klusteranalys används för att identifiera potentiella undergrupper vid explorativ dataanalys. SEM möjliggör modellering av kausala relationer mellan observerade och latenta variabler, exempelvis svårmätbara attityder. Medieringsanalys används slutligen för att fördjupa förståelsen av de processer som ligger till grund för observerade samband.

Kursbeskrivning

SPSS Syntax hjälper dig att förstå och använda syntax, som är programmeringsspråket i SPSS. Med hjälp av denna kurs kommer du kunna jobba mer effektivt med SPSS, tack vare att du kan återanvända kommandon du gjort tidigare.

Genom att spara syntax får du en dokumentering och en spårbarhet på det du har gjort. Efter kursen kommer du kunna bygga upp syntax både manuellt och genom att klistra in från dialogboxar och sen köra dessa som kommandon.

Kursbeskrivning

Under första dagen behandlas många av de grundläggande statistiska begreppen så som hypotesprövning, p-värden och konfidensintervall som förekommer inom statistisk inferens. Under denna dag kommer olika metoder inom korrelationer, t-test och tabellstatistik att gås igenom. Dessa är nödvändiga för att kunna dra korrekta slutsatser.

Dag två handlar om poweranalys vilket exempelvis är beräkningar av urvalsstorlek eller statistisk power. En urvalsberäkning görs innan data samlas in för att försäkra sig om att man inte samlar in för lite eller för mycket data. Powerberäkning är nödvändigt inom studieplanering för att säkerställa att de undersökta grupperna är tillräckligt stora för att en verklig skillnad ska kunna upptäckas.

Kursbeskrivning

Många studier fokuserar på tiden fram till att en viss händelse inträffar. Vanliga exempel på detta är tiden tills en individ insjuknar i en sjukdom eller tiden från diagnos till död hos en patient. Under kursens första dag studerar vi metoder inom överlevnadsanalys som används för att analysera denna typ av data. Här ingår Kaplan-Meier-kurvor, samt regressionsmodeller som Cox proportionella hazardmodell liksom nya modeller erbjuder förbättrade egenskaper jämfört med den klassiska Cox.

Under kursens andra dag fokuserar vi på hur man bäst analyserar biomarkördata, som utgör en central komponent i modern medicinsk forskning. Mätvärden för biomarkörer följer sällan en normalfördelning och påverkas ofta av detektionsgränser, vilket innebär att vissa värden ligger under den lägsta nivå som kan mätas i laboratorieanalyser. Vi studerar särskilt anpassade metoder för denna typ av data, inklusive regression, visualisering och tekniker för att identifiera viktiga biomarkörer.

Kursbeskrivning

Under första dagen lär du dig att behärska programmets grundläggande funktioner så att ditt arbete kommer flyta på obehindrat. Detta omfattar hur man strukturerar en ”databas” från grunden i Stata och importerar data. Vi behandlar även mer avancerade funktioner som hur man skapar nya variabler, kodar om redan existerande, inkluderar eller exkluderar observationer.

Dag två behandlas många av de grundläggande statistiska begreppen så som hypotesprövning, p-värden och konfidensintervall som förekommer inom statistisk inferens. Under denna dag kommer olika metoder inom korrelationer, t-test och tabellstatistik att gås igenom. Dessa är nödvändiga för att kunna dra korrekta slutsatser.

Kursbeskrivning

T-testet begränsas av att bara två grupper eller två upprepade mätningar kan jämföras. I en ANOVA tas denna begränsning bort och dessutom kan man på ett enkelt sätt analysera och tolka mer komplexa samband så som interaktioner. Vi tar även upp de vanligaste post-hoc-testen samt hur man validerar en ANOVA-modell.

Linjära mixade modeller (LMM) används framför allt när man har korrelerade objekt. Detta kan uppstå om objekten finns i kluster (en valp i en valpkull eller en elev i en klass) eller då man gjort upprepade mätningar på samma objekt. Vid upprepade mätningar är grundmetoden repeated measure ANOVA men den genererar ofta problem som inte går eller är svåra att hantera.

Kursbeskrivning

Kursen inleds med linjär regression som är den naturliga fortsättningen på korrelationer, alltså sambandet mellan två numeriska variabler. Du får kunskap om hur du bygger modeller med en eller flera förklarande variabler och även hur du på ett metodiskt sätt kan analysera data för att hitta komplexa samband mellan dessa.

Logistisk regression används då utfallet är binärt (alltså då endast ett av två möjliga utfall kan inträffa). Kursen ger dig kunskap om hur man på ett metodiskt sätt kan hitta och analysera olika påverkansvariabler som kan påverka utfallet. På kursen kommer även ROC att behandlas då den är användbar, som en egen metod eller tillsammans med logistisk regression.

Kursbeskrivning

Det populära paketet tidyverse används för att filtrera, rensa och förbereda data inför analys. Kursen täcker även de kraftfulla visualiseringsmöjligheterna i paketet ggplot2. Både grundläggande statistiska begrepp och centrala delar av programmering i R behandlas. Denna kurs lämpar sig väl både för dig som är nyfiken på R, och för dig som redan vet att du vill använda dess omfattande verktyg för avancerad dataanalys.

Klassiska statistiska tester såsom t-testet, icke-parametriska tester och chi-två-testet gås igenom, tillsammans med moderna, datorintensiva metoder såsom bootstrap-metoden. Den senare möjliggör beräkning av p-värden och konfidensintervall utan många av de begränsningar som traditionella metoder innebär (till exempel antagandet om normalfördelning). Kursen R 1 uppdaterar därmed din statistiska verktygslåda och anpassar den till 2000-talets krav.

Kursbeskrivning

De två vanligaste metoderna inom överlevnadsanalys är Kaplan-Meier och Cox regression, vilka båda kommer behandlas under kursen. Du lär dig använda Cox regression på ett metodiskt sätt för att analysera olika påverkansvariabler samt hur man kan hitta och förstå mer komplexa samband i dataset.

Vi arbetar vidare med multivariata metoder som brukar ibland kallas för hypotesgenererande metoder istället för hypoteslösande som regression och ANOVA är. Denna kurs kommer beröra de olika metoderna inom klusteranalys och faktoranalys.

Kursbeskrivning

Maskininlärningsmodeller används för att göra förutsägelser, till exempel för att diagnostisera sjukdomar eller förutsäga framtida aktiekurser. I den här kursen lär vi oss att träna olika typer av maskininlärningsmodeller, inklusive random forest och lasso-regression, samt hur vi utvärderar modellernas prediktiva prestanda. Dessutom går vi igenom hur man hanterar vanliga utmaningar i maskininlärningsprojekt, såsom saknade data och obalanserade data.

Moderna AI-system använder maskininlärningsmodeller som kallas djupa neurala nätverk. Under kursens andra dag lär vi oss hur dessa fungerar och bygger modeller för att analysera text och bilder. Vi går också igenom vanliga fallgropar och begränsningar hos dagens AI.

Kursbeskrivning

Under första dagen lär du dig att behärska programmets grundläggande funktioner så att ditt arbete kommer flyta på obehindrat. Detta omfattar hur man strukturerar en ”databas” från grunden i SPSS och hur man importerar data. Vi behandlar även mer avancerade funktioner som hur man skapar nya variabler, kodar om redan existerande, inkluderar eller exkluderar observationer.

Dag två behandlas beskrivande statistik som går ut på att beskriva och sammanfatta data. Beskrivande statistik synliggörs bäst med olika typer av tabeller och grafer där exempelvis lägesmått som (medelvärde och median) samt spridningsmått som (standardavvikelse eller kvartiler). På kursen kommer du att få bekanta dig med de vanligaste tabellerna och graferna som frekvenstabeller, histogram, stapeldiagram samt scatterplot.