|
| Udgave: |
Forår 2013 NAT |
| ECTS points: |
7,5 |
| Point: |
7,5 |
| Blokstruktur: |
3. blok |
| Skemagruppe: |
C |
| Fagområde: |
mat |
| Institutter: |
Biologisk Institut og Institut for Matematiske Fag |
| Uddannelsesdel: |
Bachelor niveau, Kandidat niveau |
| Kontaktpersoner: |
Anders Michelsen, Biologisk Institut, tlf. 2339 8286, email: andersm@bio.ku.dk og David Richard Nash, Biologisk Institut, tlf. 3532 1323, email: drnash@bio.ku.dk. Carsten Wiuf, Institut for Matematiske Fag, tlf. 3532 0695, email: wiuf@math.ku.dk vil stå for forelæsningerne. |
| Skema- oplysninger: |
 Vis skema for kurset
Samlet oversigt over tid og sted for alle kurser inden for Lektionsplan for Det Naturvidenskabelige Fakultet Forår 2013 NAT |
| Undervisnings- periode: |
Uge 6-15 |
| Undervisnings- form: |
Forelæsninger: 36 timer(2+2 timer pr. uge i 9 uger) hvoraf ca. 1 time pr. uge er studenterpræsentationer). Computer øvelser: 27 timer (3 timer pr. uge i 9 uger).
Der må imødeses en del hjemmearbejde. |
| Formål: |
Kurset er beregnet for studerende, som har behov for en bred introduktion til forsøgsdesigns og diverse statistiske metoder for at kunne planlægge egne eksperimenter og/eller analysere eksisterende data. Studerende anbefales at tage kurset umiddelbart inden de starter på bachelorprojektet, specialet eller som en del af et ph.d. studieforløb. |
| Indhold: |
• Principper for parametrisk statistik.
• Generelle lineære statistiske modeller.
• Kvalitative og kvantitative variable.
• Interaktion mellem faktorer.
• Blokdesigns.
• Faktorielle designs.
• Polynomial regression.
• Multipel regression.
• Variansanalyse; covariansanalyse.
• Modeller med systematiske og tilfældige effekter.
• Nestet variansanalyse.
• Estimation af parametrene i en generel lineær model.
• Sikkerhedsgrænser for parametrene.
• Forudsætninger for variansanalyse.
• Transformation af data.
• Multiple sammenligninger af middelværdier.
• Repeated measures variansanalyse.
• Multivariat variansanalyse.
• Datapræsentation.
• Logistisk regression.
• Log-lineære modeller.
• Anvendelse af statistik-program (PC-SAS).
|
| Kompetence- beskrivelse: |
Den studerende vil lære de mest almindelige eksperimentelle designs at kende og derved værdsætte deres fordele i forbindelse med den efterfølgende statistiske analyse af data. Den studerende vil blive i stand til at vælge og, i nogle tilfælde, selv udvikle en statistisk model for et eksperimentelt design, opstille de relevante statistiske hypoteser, udføre den statistiske analyse (som regel med statistisk software), præsentere resultaterne på klar og overskuelig måde og endelig tolke resultaterne i en biologisk sammenhæng for derved at opnå en fornuftig konklusion baseret på empiriske data. Herudover skal den studerende besidde den nødvendige teoretiske indsigt i statistik og være i stand til at kommentere andres brug af statistik. |
| Målbeskrivelse: |
En studerende som gennemfører kurset tilfredsstillende vil besidde følgende kvalifikationer:
- være i stand til at vælge en statistisk model, der passer til det pågældende eksperimentelle design.
- være i stand til at anvende Generelle Lineære Modeller (variansanalyse (anova), kovariansanalyse (ancova), polynomial og multipel regression, nested variansanalyse og blandede (mixed) modeller).
- være i stand til at anvende multivariate anova (manova), repeated measurements anova, logistisk regression og log-lineære modeller.
- være i stand til at udvikle og anvende modeller som inkluderer kvalitative (både systematiske og tilfældige virkninger) og kvantitative variable, hovedeffekter, interaktioner, samt andengrads og højere ordens led.
- være i stand til at anvende statistisk software (pt. SAS) til at indlæse, sortere og opsummere data, til at udføre relevante statistiske analyser og til at rapportere resultaterne enten grafisk eller på tabelform.
- være i stand til at estimere parametrene i en statistisk model og finde deres standardfejl (standard error) og til at finde ud af om parametrene afviger signifikant fra 0.
- være i stand til at identificere signifikante og ikke-signifikante faktorer ved anvendelse af kriterier for bedste fit for derved at kunne simplificere den statistiske model.
- være i stand til at anvende a priori og a posteriori tests for at identificere signifikante behandlingseffekter.
- være i stand til at benytte den statistiske model som prediktivt værktøj til at forudsige det forventede resultat ud fra en given kombination af uafhængige variable.
- være i stand til at udføre modelkontrol for at checke at modellens forudsætninger er opfyldte og eventuelt transformere data for at opnå dette mål.
|
| Lærebøger: |
Gotelli, N.J & Ellison, A.M. A Primer of Ecological Statistics. Sinauer Associates, Inc.
Supplerende materiale. Kompendium og udleverede noter. |
| Tilmelding: |
Der er tilmelding til modulerne i Blok 3 og Blok 4 i perioden 15. november - 1. december. Tilmelding sker via Selvbetjeningen |
| Faglige forudsætninger: |
Den studerende forventes at besidde et basalt kendskab til statistik på et niveau mindst svarende til “Matematik/Statistik” (1. år af bachelor studiet). Tidsplanen for kurset tillader ikke en repetition af basalt statistik, så studerende, der mangler de fornødne forkundskaber må selv sørge for at tilegne sig de basale statistiske begreber og metoder. Selv om kurset lægger vægt på anvendte aspekter er det uundgåeligt at der vil blive inddraget en teori, så studerende med ringe matematiske kundskaber bør overveje om kurset opfylder deres behov. |
| Eksamensform: |
Kurset bedømmes som bestået/ikke-bestået. For at kunne bestå skal den studerende have deltaget aktivt i kurset ved at have været til stede både ved forelæsningerne og øvelserne i mindst 80 % af den skemalagte undervisning. I løbet af kurset skal den studerende give en kort (10-15 minutter) individuel præsentation af et case-study som involverer statistisk analyse. Studiet kan enten findes i litteraturen eller komme fra den studerendes eget projekt. Desuden skal den studerende (i grupper på 2-3 personer) have løst og afleveret tre hjemmeopgaver, som skal godkendes. For at en hjemmeopgave kan godkendes (svarende til 2 på karakterskalaen) skal gruppen være i stand til at udvikle en acceptabel statistisk model, der beskriver eksperimentet, formulere de relevante hypoteser, identificere de underliggende signifikante faktorer, rapportere resultaterne og nå frem til en overbevisende konklusion inklusiv en biologisk tolkning. Modellen og analysen skal ikke nødvendigvis være perfekte, men resultaterne skal være i overensstemmelse med en analyse, der udnytter data optimalt. Bedømmelsen foregår internt.
Re-eksamination: Ikke-godkendte hjemmeopgaver kan genafleveres og en ny faglig præsentation kan forlanges. |
| Eksamen: |
Løbende evaluering.
Reeksamen: Genaflevering af opgaver d. 26. juni 2013 |
| Kursus hjemmeside: |
 |
| Bemærkninger: |
Deltagerantallet er bestemt af antallet af computere. Ph.D. studerende og specialestuderende har 1. prioritet.
Studerende, der ikke møder frem på første undervisningsdag, mister deres plads, med mindre de har givet besked på forhånd om fravær.
Undervisningen foregår på engelsk, medmindre alle forstår dansk.
Kurset indgår i kompetenceprofilerne Økologi og evolution, Mikrobiologi og Ecosystem Functioning and Management. For alle kurser på kompetenceprofilerne se Biologisk Instituts kursusportal.
|
| Undervisnings- sprog: |
Engelsk
|
| Sidst redigeret: |
1/11-2012 |