210005 Statistical Data Analysis 1

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

written examination


Written Exam in Lecturehall

All aids allowed

Description of Examination: Fire timers skriftlig prøve.

Weight: 100%



7-point scale, external examiner

Dates of Exam:
01. november 2007
 
Organisation of TeachingUndervisningen 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 PlacementBlok 1
Week Structure: C
 
Teaching LanguageDanish
 
Optional Prerequisites210002 Mathematics and Data Processing
 
RestrictionsIngen
 
Areas of Competence the Course Will Address
"Grundvidenskabelige kompetencer":

Viden om de fundamentale statistiske begreber variation, statistisk model, estimation, statistisk test, konfidensinterval samt fortolkningen af disse.

Forståelse af bestemte statistiske modeller og deres anvendelse, herunder variansanalyse og regression.

Kompetencer inden for "teknologi og produktion":

Anvende 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 programsystem (R) til at udføre visse statistiske analyser.

Kompetencer inden for "etik og værdier":

-
 
Course Objectives
Deltagerne skal lære at forstå og benytte visse statistiske modeller, at kunne fortolke og præsentere resultater opnået derved, at kende de basale statistiske begreber: variation, statistisk model, estimation, statistisk test, konfidensinterval, og at kunne forholde sig kritisk til en statistisk analyse.
 
Course Contents
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
Fremgår af beskrivelsen af kursets kompetenceområder
 
Course Litterature
Meddeles (ca. 1 måned) inden kursusstart via kursushjemmesiden.
 
Course Coordinator
Ib Michael Skovgaard, ims@life.ku.dk, Department of Natural Sciences/Statistik, Phone: 35332340
Torben Martinussen, torbenm@dina.kvl.dk, Department of Natural Sciences/Statistik, Phone: 35332344
 
Study Board
Study Committee NSN
 
Course Scope
lectures44
theoretical exercises28
practicals8
project work40
preparation82
examination4

206