A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Biometria 2
Biometrics II
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVEKFM201 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | félévközi érdemjegy | ||||||||||||
| Credits | 3 | ||||||||||||
| Subject coordinator |
Lakné Dr. Komka Kinga
position: adjunktus
contact:
komka.kinga@vbk.bme.hu
|
||||||||||||
| Responsible department |
Kémiai és Környezeti Folyamatmérnöki Tanszék
|
||||||||||||
| Faculty | Vegyészmérnöki és Biomérnöki Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
Analysis of variance:
One-way ANOVA, multiple comparisons (contrasts). Assumptions and checking their validity.
Cross-classification. Box-Cox transformation.
Advanced ANOVA: random factors, nested design, mixed model, random block, latin square design
Non-parametric methods
Tests based on ranks: Wilcoxon-Mann-Whitney-test for comparing two groups, Wilcoxon’s signed rank test for pairwise comparison, Kruskal-Wallis test and Mood's median test for comparing several group
Rank-correlation
Contingency tables (2*2 tables): comparing two proportions (khi-square test), prospective and retrospective studies, odds and odds ratio, McNemar test, Fisher’s exact test
Poisson distribution
Logit regression
Survival analysis (Kaplan-Meier analysis)
To learn one of the most important and widely used statistical method, the analysis of variance.
To teach the basis and methods of statistical treatment of data obtained in biology-related experiments.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
Ismeri és meg tudja különböztetni a mérési skálák négy alaptípusát. Ismeri a több csoport összehasonlítására szolgáló statisztikai módszer, a varianciaanalízis (ANOVA) alapelvét és főbb típusait, valamint tisztában van a módszer alkalmazhatósági feltételeivel is. Rálátással rendelkezik a nem-normális eloszlású mérési adatok statisztikai kezelésének lehetőségeire: rang-próbák, rang-korreláció, kontingencia-táblák, logit regresszió, túlélés elemzés. Ismeri a klinikai kísérletek főbb típusait és a kiértékelésük során alkalmazható statisztikai eszközöket.
Skills
Képes felismerni a biológiai és biotechnológiai kísérletek és vizsgálatok statisztikai módszerekkel történő megoldása során a figyelembeveendő faktorokat, meg tudja állapítani típusaikat (rögzített, véletlen) valamint az egyes faktorok közti viszonyokat (kereszt-, hierarchikus vagy vegyes osztályozás). Képes felismerni, ha a kísérletben szereplő független vagy függő változó nem folytonos skálán értelmezett. Képes a névleges vagy sorrendi skálán értelmezett független és/vagy függő változó kezelésére legmegfelelőbb statisztikai módszer kiválasztására. Képes különbséget tenni a 2x2-es táblázatok különböző esetei között. Képes a p-érték és szignifikanciaszint ismeretében döntést hozni a statisztikai próba szignifikanciájáról és ennek megfelelően a szakmai következtetés levonására.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
A statisztikai elemzéseket a tőle elvárható legjobb színvonalon, kellő alapossággal és körültekintéssel végzi. A kísérleti adatokat és azok kiértékelését mások által is átlátható módon dokumentálja.
Oktatási módszertan
The lectures contain solving simpler exercises and discussion of case studies using statistical software (Statistica).
Tanulástámogató anyagok
Online források
Box, G.E.P., Hunter, W.G., Hunter, J.S., Statistics for Experimenters, J. Wiley & Sons, New York, 1978.; Agresti, A.: Categorical Data Analysis, 2nd ed., J. Wiley, 2002; Altman, D.G.: Practical Statistics for medical research, Chapman and Hall 1991; Conover, W.J.: Practical nonparametric statistics, J. Wiley, 3rd ed. 1999;
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Fundamentals of statistics: continuous distributions, hypothesis testing (z-test, t-tests, khi-square-test, F-test)
General rules
Requirements:
in the semester: 2 tests (min. 50% achievement)
Re-takes:
According to the Code of Studies.
Consultations:
as required
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Sándor Dr. Kemény Department of Chemical and Environmental Process Engineering
Recommended courses
contact hours
42
study before tests
48
preparing homeworks
0
study of additional printouts
0
study for exam
0
sum
90
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
| Faculty | Program | Curriculum | Curriculum type | Primary |
|---|---|---|---|---|
| Default Faculty | biomérnöki | Biomérnöki mesterképzési szak tanterve | kötelező | nem |
| Default Faculty | biomérnöki | Biomérnöki mesterképzési szak tanterve | kötelező | nem |
| Default Faculty | biomérnöki | Biomérnöki mesterképzési szak tanterve | kötelező | nem |
| Default Faculty | Default Program | Default Curriculum | — | nem |