Analyse af korrelerede data: Mixede lineære modeller
Overordnede kursusmål
At opnå kendskab og evne til at udføre statistisk analyse af data ved brug af såkaldte mixede lineære modeller med anvendelser inden for biologi, medicin, jordbrugs- og levnedsmiddelvidenskab samt tekniske videnskaber.
See course description in English
Læringsmål
- Udlede og anvende faktorstrukturdiagrammer for komplekse forsøgsdesign.
- Udføre statistiske analyser baseret på teorien for mixede lineære modeller ved hjælp af det statistiske software R.
- Forklare teorien for mixede lineære modeller.
- Differentiere mellem systematiske og tilfældige effekter.
- Sammenligne og differentiere mellem forskellige relevante modeller og statistiske metoder.
- Udføre, forklare og diskutere statistiske analyser af data fra ubalancerede blok- og split-plot-forsøg.
- Udføre, forklare og diskutere statistiske analyser af data fra ubalancerede longitudinelle studier.
- Udføre, forklare og diskutere hierarkiske statistiske analyser herunder analyser baseret på varianskomponentmodeller og regressionsmodeller med varierende koefficienter.
- Udføre, forklare og diskutere statistiske analyser af gentagne målinger herunder identifikation af forskellige korrelationsstrukturer.
- Kombinere og modificere de forskellige metodikker.
Kursusindhold
Kurset vil dække basal teori og anvendelse af mixede lineære modeller. Dette inkluderer systematiske og tilfældige effekter men også mere generelle korrelationsstrukturer, som kommer i spil i forbindelse med gentagne målinger/longitudinelle data.
Kort sagt: Kurset giver teoretiske og praktiske værktøjer til statistisk analyse af datastrukturer, som ikke opfylder uafhængighedsantagelserne fra de indledende statistikkurser.
Vi vil benytte det statistiske software R.
Undervisningsform
Alt kursusmateriale vil være tilgængeligt online. Der vil ugentligt være to timers øvelser, herunder computer øvelser, mestendels med data analyse øvelser. Formatet vil afhænge af antallet af studenter, men man bør forvente involvering af de studerende.