| Responsible Department | Department of Basic Science and Environment | ||||||||||||||
| Earliest Possible Year | BSc. 3 year to MSc. 2 year | ||||||||||||||
| Duration | One block | ||||||||||||||
| Credits | 7.5 (ECTS) | ||||||||||||||
| Level of Course | Joint BSc and MSc | ||||||||||||||
| Examination | Final Examination written examination Written Exam in Lecturehall All aids allowed Description of Examination: 4 timers skriftlig eksamen som involverer brug af programmet R på egen medbragt computer. Weight: 100% 7-point scale, internal examiner Dates of Exam: 12 April 2012 | ||||||||||||||
| Organisation of Teaching | Undervisningen i en typisk uge vil bestå af forelæsninger, øvelsesopgaver af varierende omfang, plenum-gennemgang af "case-opgaver" samt valgfrie hjemmeopgaver, med brug af PC. | ||||||||||||||
| Block Placement | Blok 3 Week Structure: A | ||||||||||||||
| Language of Instruction | Danish | ||||||||||||||
| Optional Prerequisites | LMAB10069 Statistical Data Analysis 1 LMAB10066 Mathematics and Data Processing | ||||||||||||||
| Restrictions | Ingen | ||||||||||||||
| Course Content | |||||||||||||||
| 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 | |||||||||||||||
| 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 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. | |||||||||||||||
| Learning Outcome | |||||||||||||||
| 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 | |||||||||||||||
| Course Literature | |||||||||||||||
| Bibby, B.M., Martinussen, T.M. & Skovgaard, I.M. Experimental design in the agricultural sciences. Samfundslitteratur, KVL-bogladen. | |||||||||||||||
| Course Coordinator | |||||||||||||||
| Anders Tolver, tolver@life.ku.dk, Department of Basic Sciences and Environment, Phone: 353-32337 | |||||||||||||||
| Study Board | |||||||||||||||
| Study Committee NSN | |||||||||||||||
| Work Load | |||||||||||||||
| |||||||||||||||