210006 Statistical Data Analysis 2

Details
Department of Natural Sciences
Earliest Possible YearBSc. 3 year to MSc. 2 year
DurationOne block
 
Credits7.5 (ECTS)
Course LevelJoint BSc and MSc
 
ExaminationFinal Examination

written examination


Written Exam in Lecturehall

All aids allowed

Description of Examination: 4 timers skriftlig eksamen

Weight: 100%



7-point scale, internal examiner

Dates of Exam:
10. april 2008
 
Organisation of TeachingUndervisningen i en typisk uge vil bestå af forelæsninger, øvelsesopgaver af varierende omfang, plenum-gennemgang af "case-opgaver" samt obligatoriske hjemmeopgaver, med brug af PC.
 
Block PlacementBlok 3
Week Structure: A
 
Teaching LanguageDanish
 
Optional Prerequisites210005 Statistical Data Analysis 1
210002 Mathematics and Data Processing
 
RestrictionsIngen
 
Areas of Competence the Course Will Address
Grundvidenskabelige kompetencer:

Forståelse af modeller for data som involverer flere forskellige variationskilder (systematiske faktorer og tilfældige effekter) samt målinger over en forsøgsperiode.

Kompetencer inden for teknologi og produktion:

Anvende principper for statistiske analyser baseret på visse givne statistiske modeller samt beslægtede modeller til analyse af nye problemer og herved kunne fortolke og præsentere resultater opnået herved.

Anvende et statistisk program til at udføre visse statistiske analyser ved hjælp af de givne modeller.

Kompetencer inden for etik og værdier:
-
 
Course Objectives
De studerende skal lære at forstå og håndtere analyser af data som involverer flere forskellige variationskilder (tilfældige effekter) samt data med seriel korrelation (gentagne målinger, longitudinale data), primært for data med kontinuert variation.
 
Course Contents
Tilfældige effekter (random effects), gentagne målinger (repeated measures), multipel regressionsanalyse, lineære modeller med faktorer, kovariater og tilfældige effekter. Det statistiske programsystem R benyttes.
 
Teaching And Learning Methods
Fire typer af undervisning vil indgå: forelæsninger, eksempler/cases, "klasse"-øvelser og hjemmeopgaver. Ved forelæsningerne introduceres og gennemgås dele af den generelle teori. Der lægges vægt på forståelse af problemstillingen, på valg af statistisk model og metode og på tolkning af resultaterne af den statistiske analyse. Eksempler/cases studeres indledningsvist selvstændigt af de studerende (i grupper) og føles op af plenum-gennemgang og diskussion. Ved øvelserne regnes opgaver, som hovedsageligt bygger på biologisk relevante problemer og indebærer analyse af forsøgsdata. Hovedparten af øvelserne baseres på brug af PC og en statistisk programpakke [forudsat lokaler og PC'er kan stilles til rådighed i fornødent omfang]. Hjemmeopgaverne kan besvares i grupper og vil omfatte de vigtigste analysemetoder og begreber. I undervisningsforløbet er der ikke nogen direkte interaktion med andre kurser, men kurset vil i mange tilfælde være direkte anvendeligt ved analyser af data i projekter og specialer. Det vil fx med fordel kunne følges tæt på bachelorprojekt eller speciale. Hjemmeopgaverne tjener to formål: de hjælper de studerende til at få arbejdet aktivt med centrale emner, idet de studerende herved får afprøvet et par af kursets vigtigste statistiske analysemetoder. Desuden trænes de studerende i skriftlig fremstillig og får mulighed for at få respons herpå.
 
Learning Outcome
Fremgår af beskrivelsen af kursets kompetenceområder
 
Course Litterature
Bibby, B.M., Martinussen, T.M. & Skovgaard, I.M. Experimental design in the agricultural sciences. Samfundslitteratur, KVL-bogladen.
 
Course Coordinator
Ib Michael Skovgaard, ims@life.ku.dk, Department of Natural Sciences/Statistik, Phone: 35332340
Helle Sørensen, helle@dina.kvl.dk, Department of Natural Sciences/Statistik, Phone: 35332363
Anders Tolver Jensen, tolver@life.ku.dk, Department of Natural Sciences/Statistik, Phone: 35332337
 
Study Board
Study Committee NSN
 
Course Scope
lectures36
theoretical exercises36
project work48
preparation82
examination4

206