Modelowanie statystyczne w leśnictwie

Informacje ogólne

Kod przedmiotu:	L.EX.018.SI.LLSXX
Kod Erasmus / ISCED:	(brak danych) / (brak danych)
Nazwa przedmiotu:	Modelowanie statystyczne w leśnictwie
Jednostka:	Katedra Biometrii i Produkcyjności Lasu
Grupy:	OZL GL stacjonarne inż., semestr 6 i 7, elektywy
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	polski
Skrócony opis:	Celem przedmiotu jest opanowanie przez studentów wiedzy teoretycznej i praktycznej dotyczącej zastosowania wybranych metod modelowania statystycznego do analizy danych i badań z zakresu leśnictwa. Poznawane są zagadnienia z zakresu analizy regresji: prosta regresja liniowa, regresja wieloraka i regresja nieliniowa. Przykłady metod modelowania opracowano na danych empirycznych zebranych w ramach badań wykonywanych w Katedrze Dendrometri oraz innych jednostkach Wydziału Leśnego. Kurs będzie prowadzony z wykorzystaniem oprogramowania statystycznego STATISTICA(TM) i SAS(TM)
Pełny opis:	Temat 1 – 2 godz.Prosta regresja liniowa. Analiza założeń liniowej funkcji regresji prostej: normalność rozkładu reszt, homoskedastyczność, liniowość zależności i jej testowanie, autokorelacja reszt. Istotność równania regresji i jego parametrów. Temat 2 – 2 godz. Model regresji wielorakiej. Warunki stosowania liniowej regresji wielorakiej: współliniowość (wielowspółliniowość) i jej testowanie, liniowość, rozkład reszt regresyjnych, autokorelacja. Metody regresji wielorakiej. Wnioskowanie z funkcji regresji wielorakiej. Temat 3 – 2 godz. Linearyzowana regresja nieliniowa. Sposoby linearyzacji funkcji regresji. Podstawowe rodzaje linearyzowanych funkcji regresji. Regresja nieliniowa. Rodzaje funkcji nieliniowych. Kryteria wyboru modelu. Warunki stosowania regresji nieliniowej. Funkcja straty – definiowanie i rodzaje. Temat 4 – 2 godz. Zastosowania prostej regresji liniowej do badania zależności cech biometrycznych. Wnioskowanie z regresji prostej: obliczanie parametrów regresji prostej i ocena ich istotności. Ocena siły związku analizowanych cech, współczynnik korelacji, współczynnik determinacji, skorygowany współczynnik determinacji. Wariancja całkowita i wariancja wyjaśniona przez równanie regresji. Współczynnik zmienności zmiennej z wyłączonym wpływem zmiennych wyjaśniających. Temat 5 – 2 godz. Zastosowania regresji wielorakiej do budowy wzorów empirycznych i badania zależności wielu zmiennych. Testowanie warunków stosowania regresji wielorakiej: współliniowość (wielowspółliniowość), liniowość, rozkład reszt regresyjnych, homoskedastyczność, autokorelacja. Budowa modelu regresji wielorakiej metodami: wstecz i w przód. Ocena istotności modelu i jego parametrów. Predykcja na podstawie modelu. Temat 6 – 2 godz. Praktyczne zastosowanie linearyzowanej regresji nieliniowej do budowy wzorów empirycznych do określania biomasy, miąższości i opisu związku innych cech biometrycznych drzew i drzewostanów. Transformacja funkcji nieliniowych do postaci liniowej. Korekta błędów wynikających z transformacji liniowej modelu. Temat 7 – 2 godz. Zastosowania regresji nieliniowej do budowy wzorów empirycznych i opisu zjawisk zachodzących w ekosystemach leśnych. Kryteria wyboru modelu. Analiza wyników regresji nieliniowej. Temat 8 – 1 godz. Test zaliczeniowy
Literatura:	Konieczna-Śnieżawska I. 1995. Ekonometria. Państwowe Wydawnictwo Ekonomiczne. Warszawa Amaro A. , Reed D., Soares P. 2003. Modeling Forest Systems. CABI Publishing Cambridge. Fox, J. 1991. Regression Diagnostics: An Introduction. Sage University Paper Series on Quantitative Applications in the Social Sciences. Hasenauer H. 2006. Sustainable Forest Management: Growth Models for Europe. Springer Berlin, Heidelberg.

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie.