Angewandte Statistik in Life Sciences

Nummer

T008

Leitung

Stefanie Feiler, stefanie.feiler@fhnw.ch

ECTS

3.0

Unterrichtssprache

Deutsch

Lernziele/Kompetenzen

Studierende...

können multivariate Datensätze durch Streudiagramme darstellen sowie deren Kennzahlen, wie Mittelwert, Median und Varianz, berechnen (3 anwenden)
verstehen unterschiedliche Methoden und deren Grundideen zur Analyse multivariate Datensätze, wie 2-Faktor-Varianzanalyse, multiple Mittelwertvergleiche oder Hauptkomponentenanalyse (2 verstehen)
können mit Hilfe von Computersoftware multivariate Datensätze analysieren, eine statistische Auswertung machen und die Resultate interpretieren (3 anwenden)
kennen die unterschiedlichen Stufen der Versuchsplanung, wie Screening-, Modellierung- und Optimierungsphase (1 kennen)
können für Aufgaben aus der Versuchsplanung die Software STAVEX anwenden. Sie können Zielgrössen sowie Einflussfaktoren definieren, geeignete Versuchspläne auswählen und Messwerte eintragen, eine statistische Auswertung erstellen sowie die verschieden Resultate verstehen und interpretieren (3 anwenden)

Inhalt

Multivariate Statistik:

Darstellung multivariater Datensätze durch Streudiagramm-Matrizen sowie Beschreibung der Kennzahlen wie Mittelwert, Median, Varianz und Standardabweichung
Methoden zur Analyse multivariater Daten
Strukturen: 2-Faktor-Varianzanalyse, multiple Mittelwertvergleiche
Abhängigkeiten: Partialkorrelation und multiple Regression,
Zusammenhänge: Hauptkomponentenanalyse
Einsatz von Software zur Analyse multivariater Daten

Statistische Versuchsplanung wird unter Anwendung des Programms STAVEX behandelt

Definition der Zielgrössen und der Einflussfaktoren
Bedeutung der Versuchsplanstufen Screening, Modellierung und Optimierung.
Aufbau und Eigenschaften von Versuchsplänen und Zuordnung zu Versuchsplanstufen.
Erstellung der Modellgleichung mit Messwerten • Beurteilung der Modellgleichung auf Wichtigkeit der Einflussfaktoren mit Varianzanalyse, Anpassungsgüte, Nichtnormalität der Modellabweichungen, Modellabweichungen und Varianzen der Faktoren sowie Vertrauensbereich.

Grafische Darstellungen der Modellgleichung und der verschiedenen statistischen Tests

Erforderliche Vorkenntnisse

Analysis I Studierende…

können die erlernten Regeln und Konzepte der Differential- und Integralrechnung auf praktische Problemstellungen, wie Linearisierung, Bestimmung von Extremwerten, anwenden (3 anwenden)

Studierende…

können die erlernten Regeln und Konzepte der Differential- und Integralrechnung auf praktische Problemstellungen, wie Linearisierung, Bestimmung von Extremwerten, anwenden (3 anwenden)
verstehen, wie Daten klassifiziert und visualisiert werden können und verstehen statistische Kennzahlen, wie Mittelwert, Varianz, Median und Boxplot, sowie ausgewählte Häufigkeitsverteilungen (2 verstehen)
können unterschiedlichen Methoden, wie der Kovarianz, der Korrelation und der linearen Regression, zum Vergleich zweier Stichproben anwenden (3 anwenden)
können Excel als Werkzeug zur Aufbereitung und Visualisierung von Daten anwenden (2 anwenden)

Statistik und Wahrscheinlichkeitsrechnung Studierende…

verstehen, wie Daten klassifiziert und visualisiert werden können, z.B. mit der Häufigkeitsfunktion, Histogramm, Boxplot etc., und die Bedeutung unterschiedlicher statistischer Kenngrössen wie Mittelwert, Median, Varianz etc. (2 verstehen)
können unterschiedlichen Methoden der bivariaten Statistik, wie lineare Regression, Korrelationsrechnung etc. anwenden (3 anwenden)
können Methoden der schliessenden Statistik, wie die Berechnung von Vertrauensintervallen, Hypothesentests (t-Test, Chi2-Test) auf praktische Problemstellungen anwenden (3 anwenden)

Erweiterte mathematische Grundlagen - Analysis und induktive Statistik Studierende…

verstehen das Konzept einer mehrdimensionalen Funktion (2 verstehen)
können die erlernten Regeln und Konzepte der Differentialrechnung mit mehreren Veränderlichen auf praktische Problemstellungen, wie Linearisierung, Bestimmung von Extremwerten oder der Fehlerfortpflanzung, anwenden (3 anwenden)
kennen spezielle Verteilungen sowie die Berechnung statistischer Kenngrössen wie Erwartungswert, Varianz und Standardabweichung (1 kennen)
können Methoden der schliessenden Statistik, wie die Berechnung von Vertrauensintervallen, Hypothesentests (t-Test, Chi2-Test, ANOVA) auf praktische Problemstellungen anwenden (3 anwenden)

Analysis II Studierende…

können fortgeschrittene Methoden der Infinitesimalrechnung, wie partielle Integration oder Substitution, auf (un)bestimmte und (un)eigentliche Integrale anwenden und Ableitungen höherer Ordnung zur Berechnung der Taylorreihe von Funktion (3 anwenden)

Bibliographie/Literatur

Folien, Übungen zur Statistischen Versuchsplanung

Lehr- und Lernmethoden

Leistungsbewertung

gemäss Modulverzeichnis in der aktuellen StuPO

Anschlussmodule/-kurse

evtl. Praxisarbeit oder Bachelor-Arbeit

Bemerkungen

3 Lektionen / Woche KW 8 bis 22 (14 Wochen im Frühjahr-Semester)