Kurset kan følges som et regulært semesterkursus, men også som et fjernundervisningskursus. Kurset starter med en face-to-face introduktion for alle. I resten af perioden kan man enten følge de regulære forelæsninger/øvelser på DTU eller via web-baseret fjernundervisning. Lærebogsmateriale, vejledning og forelæsninger vil være tilgængelige via nettet, og web-baseret kommunikation med underviserne og andre deltagere kan være en vigtig del af kursus aktiviteten.
Kursets varighed:
13-uger
Evalueringsform:
Hjælpemidler:
Bedømmelsesform:
Faglige forudsætninger:
Ønskelige forudsætninger:
Deltagerbegrænsning:
Minimum 1, Maksimum: 30
Overordnede kursusmål:
At opnå kendskab og evne til at håndtere statistisk analyse af data baseret på såkaldte mixede lineære modeller med anvendelser inden for biologi, medicin, jorbrugs- og levnedsmiddelvidenskab samt tekniske videnskaber.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Udlede og anvende faktorstrukturdiagrammer for komplekse forsøgsdesign.
Udføre statistiske analyser baseret på teorien for mixede lineære modeller ved hjælp af et specificeret software.
Beskrive teorien for mixede lineære modeller.
Differentiere mellem systematiske og tilfældige effekter.
Differentiere mellem forskellige relevante modeltyper og analysemetoder.
Anvende og fortolke statistiske analyser af data fra ubalancerede blok- og split-plot-forsøg.
Anvende og fortolke statistiske analyser af data fra ubalancerede longitudinelle studier.
Anvende og fortolke hierakiske statistiske analyser herunder varianskomponentmodeller og regressionsmodeller med varierende koefficienter.
Anvende og fortolke statistiske analyser af gentagne målinger herunder identifikation af forskellige korrelationsstrukturer.
Kombinere og modificere de forskellige metodikker.
Kursusindhold:
Kurset vil dække den basale teori og anvendelser af de mixede lineære modeller. Dette inkluderer tilfældige effekter men også mere generelle korrelationsstrukturer, som kommer i spil i forbindelse med gentagne målinger som f.eks. longitudinelle data.
Kort sagt, HVIS du har en datastruktur, hvad enten det er fra et planlagt forsøg eller et observationelt studie, der går ud over hvad du har lært i de indledende statistikkurser, så lærer du at håndtere dem på en praktisk orienteret facon.