| Responsible Department | Department of Basic Science and Environment | ||||||||||||||||
| Earliest Possible Year | BSc. 2 year to BSc. 3 year | ||||||||||||||||
| Duration | One block | ||||||||||||||||
| Credits | 7.5 (ECTS) | ||||||||||||||||
| Level of Course | BSc | ||||||||||||||||
| Examination | Final Examination written examination Written Exam in Lecturehall All aids allowed Description of Examination: Fire timers skriftlig prøve, som består af en kombineret multiple-choice-del og en traditionel skriftelig eksamen Weight: 100% 7-point scale, external examiner Dates of Exam: 09 November 2011 | ||||||||||||||||
| Organisation of Teaching | Undervisningen i en typisk uge vil bestå af forelæsninger, øvelsesopgaver af varierende omfang, plenum-gennemgang af "case-opgaver" samt hjemmeopgaver, med brug af PC og R til mange af opgaverne. | ||||||||||||||||
| Block Placement | Blok 1 Week Structure: C | ||||||||||||||||
| Language of Instruction | Danish | ||||||||||||||||
| Optional Prerequisites | 210002 Mathematics and Data Processing | ||||||||||||||||
| Restrictions | Ingen | ||||||||||||||||
| Course Content | |||||||||||||||||
| Sandsynligheder, binomialfordelingen, tosidede antalstabeller, normalfordelingen, statistiske grundbegreber: variation, statistisk model, estimation, test, konfidensintervaller. Mere avancerede analyser benytter et statistisk program (R) og omfatter én- og flersidet variansanalyse, samt regressionsanalyse. Der lægges vægt på modelformulering af problemer, som ønskes belyst ved forsøg eller dataindsamling, samt på tolkning af resultaterne, herunder begrebet signifikans. I eksamen, hvori der som led i de statistiske analyser der vil blive bedt om, indgår fortolkning af program-kode og udskrifter fra det statistiske programmeringssprog, der er anvendt ved øvelser og hjemmeopgaver. Supplerende beregninger på lommeregner kan også indgå i mindre omfang. | |||||||||||||||||
| 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 metode og på tolkning af resultaterne af den statistiske analyse. Eksempler/cases studeres indledningsvist selvstændigt af de studerende (i grupper) og følges op af plenum-gennemgang og diskussion. Ved øvelserne regnes opgaver, som hovedsageligt bygger på biologisk relevante problemer og indebærer analyse af forsøgsdata. Nogle af øvelserne baseres på brug af PC og en statistisk programpakke. Hjemmeopgaverne integrerer brugen af R med den statistiske analyse og kan med fordel besvares i grupper. | |||||||||||||||||
| Learning Outcome | |||||||||||||||||
| Kurset sigter efter at give den studerende et overblik over fundamentale statistiske begreber og metoder, således at den studerende er i stand til at redegøre for og anvende basale principper, begreber og metoder indenfor statistik og sandsynlighedsregning. Når kurset er færdigt, forventes den studerende at kunne: Viden: - redegøre for begreberne sandsynlighed, fordeling, population vs. stikprøve, variation - redegøre for grundlæggende statistiske begreber (for eksempel statistisk model, parameterestimation, konfidensinterval, nulhypotese, test, p-værdi, signifikansniveau) Færdigheder: - anvende definitioner og regneregler for sandsynligheder - identificere forskellige datatyper - anvende basale statistiske principper og begreber indenfor statistik (herunder udregne middelværdier, spredninger og varianser, sandsynligheder, stikprøvestørrelser, konfidensintervaller, prædiktionsintervaller, p-værdier) - anvende statistik-programmet R til at analyse og modellere data fra videnskabelige forsøg Kompetencer: - formulere basale videnskabelige spørgsmål som statistiske hypoteser - gennemføre basale statistiske analyser ved hjælp af de gennemgåede analysemetoder (for eksempel antalstabeller, én- og tosidet variansanalyse, regressionsanalyse) - fortolke resultater af statistiske analyser og drage relevante konklusioner - forholde sig kritisk til resultaterne af statistiske analyser, bl.a. ved at vurdere modelantagelser og begrænsninger Yderligere it-mæssige kompetencer 'Hands on it' - teknikker og funktioner - datahåndtering og grafik - håndtering af forskellige filformater It i faglig kontekst - organisering og håndtering af data fra forsøg/undersøgelser - programmer til statistiske metoder - fejlfinding It-begrebskendskab - open source - programudvikling | |||||||||||||||||
| Course Literature | |||||||||||||||||
| C. T. Ekstrøm and H. Sørensen "Introduction to Statistical Data Analysis for the Life Sciences" (2010) | |||||||||||||||||
| Course Coordinator | |||||||||||||||||
| Claus Thorn Ekstrøm, ekstrom@life.ku.dk, Department of Basic Sciences and Environment, Phone: 353-32341 | |||||||||||||||||
| Study Board | |||||||||||||||||
| Study Committee NSN | |||||||||||||||||
| Work Load | |||||||||||||||||
| |||||||||||||||||