LMAF10070 Statistisk dataanalyse 2

Detaljer
Ansvarligt institutInstitut for Grundvidenskab og Miljø

English TitleStatistical Data Analysis 2
Tidligst mulig placeringBachelor 3. år til Kandidat 2. år
VarighedEn blok
 
Pointværdi7.5 (ECTS)
 
KursustypeFælleskursus
 
EksamenSluteksamen

skriftlig prøve


Skriftlig auditorieeksamen

Alle hjælpemidler tilladt

Beskrivelse af eksamen: 4 timers skriftlig eksamen som involverer brug af programmet R på egen medbragt computer.

Vægtning: 100%



7-trinsskala, intern censur

Eksamensdatoer:
12. april 2012
 
Rammer for UndervisningUndervisningen i en typisk uge vil bestå af forelæsninger, øvelsesopgaver af varierende omfang, plenum-gennemgang af "case-opgaver" samt valgfrie hjemmeopgaver, med brug af PC.
 
BlokplaceringBlok 3
Ugestruktur: A
 
UndervisningssprogDansk
 
Anbefalede forudsætningerLMAB10069 Statistisk dataanalyse 1
LMAB10066 Matematik og databehandling
 
Begrænset deltagerantalIngen
 
Kursusindhold
Analyse af statistiske modeller for normalfordelte data med systematiske og tilfældige variationskilder:
regressionsanalyse, lineære modeller med faktorer, kovariater og tilfældige effekter(random effects) samt gentagne målinger (repeated measures). Til analyserne anvendes det statistiske programsystem R. Endvidere fokuseres på, hvordan man validerer en statistisk model og vi diskuterer principper for planlægning af simple videnskabelige forsøg
 
Undervisningsform
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 den statistiske programpakke R. De valgfrie 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.
 
Målbeskrivelse
Kursets målsætning er, at de studerende skal lære at forstå og håndtere analyser af data som involverer flere forskellige variationskilder (både systematiske og tilfældige) samt gentagne målinger.

For en udtømmende opfyldelse af kursets mål skal den studerende efter endt kursusforløb være i stand til at

VIDEN:

- opskrive statistiske modeller, baseret på normalfordelingen, som involverer flere systematiske faktorer, kovariater og tilfældige effekter samt modeller for gentagne målinger

- redegøre for modellernes anvendelighed og deres begrænsninger

- beskrive forskellene på et fuldstændigt og et balanceret ufuldstændigt blokforsøg

- forklare begreberne konfundering og partiel konfundering ud fra simple eksempler

FÆRDIGHEDER:

- anvende programpakken R til at udføre beregninger ifm. analyserne

- fortolke og præsentere resultaterne af en statistisk analyse

- planlægge simple balancerede fuldstændige og ufuldstændige blokforsøg samt 2^n-forsøg med konfundering af givne effekter

KOMPETENCER:

- anvende modellerne til analyse af data, herunder vælge en passende model og kontrollere modellens forudsætninger

- formulere videnskabelige spørgsmål som statistiske hypoteser samt besvare spørgsmålene ud fra resultaterne af de statistiske analyser
 
Litteraturhenvisninger
Bibby, B.M., Martinussen, T.M. & Skovgaard, I.M. Experimental design in the agricultural sciences. Samfundslitteratur, KVL-bogladen.
 
Kursusansvarlig
Anders Tolver, tolver@life.ku.dk, Institut for Grundvidenskab og Miljø, Tlf: 353-32337
 
Studienævn
Studienævn NSN
 
Kursusbeskrivelsesomfang
forelæsninger36
teoretiske øvelser36
projektarbejde48
forberedelse82
eksamen4

206