Kurset er bygget op som et projektkursus, som kan følges på flere niveauer og med forskellige faglige baggrunde. Det kan dels følges efter kursus 27411, der giver en indføring i metoder til multivariat analyse af kemiske og biologiske data. Kurset giver her en mulighed for at afprøve en række af de lærte metoder på større praktiske problemstillinger. Desuden vil kurset indeholde muligheder for at uddybe sin teoretiske viden inden for mere avancerede metoder samt bruge forskellige former for software, f.eks. NTSYS, Unscrambler, SAS, R, Splus, Matlab. Man kan ogsÃ¥ basere projektarbejdet pÃ¥ baggrundsviden fra andre statistikkurser som f.eks. statistisk forsøgsplanlægning eller 02409. Det tilsigtes at der til hvert projekt anvises supplerende baggrundsmateriale herunder f.eks. online præsentationer. Det vil være muligt at inddrage egne data i kurset i det omfang det skønnes relevant og der kan samles en projektgruppe.
Emnekatalog, online præsentationer til selvstudium af baggrundsviden:
1)Multivariat analyse: Principal Component Analyse (PCA), Partial Least Squares Regression (PLS), Multivariat variansanalyse (MANOVA), Discriminantanalyse (LDA,QDA), Clusteranalyse.
2)Mixed Linear Models/generel ANOVA: Introduktion til mixed models, faktor strukturer og diagrammer, Mixed model teori I og II, hierakiske modeller, ANOVA model diagnostics, analyse af Split-plot forsøg, Covariansanalyse, random coefficient modeller, repeated measures analysis I og II.
Ved klasseundervisningen gives en praktisk orienteret introduktion til nogle få generiske emner:
1. Statistiske programmer
2. Nonlinear regression
3. Model validering og resampling
4. Statistisk konsulentvirksomhed
|
