Modelowanie statystyczne w badaniach przyrodniczych
Informacje ogólne
Kod przedmiotu: | L.EX.018.SM.LLSXX |
Kod Erasmus / ISCED: | (brak danych) / (brak danych) |
Nazwa przedmiotu: | Modelowanie statystyczne w badaniach przyrodniczych |
Jednostka: | Katedra Biometrii i Produkcyjności Lasu |
Grupy: |
OZL GL stacjonarne magisterskie, semestr 2, przedmioty do wyboru OZL GL stacjonarne magisterskie, semestr 3, przedmioty do wyboru |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Skrócony opis: |
Efekty kształcenia: Umiejętność budowy modeli regresyjnych opisujących procesy zachodzące w przyrodzie oraz wykorzystania analizy regresji do badania związków przyczynowo-skutkowych występujących w opisywanych zjawiskach. Uwagi: ćwiczenia odbywają się w pracowni komputerowej. Większość analiz wykonywanych jest z wykorzystaniem programu STATISTICA. W trakcie ćwiczeń studenci pracują indywidualnie na zestawach danych uzyskanych od prowadzących zajęcia lub danych własnych. |
Pełny opis: |
Wykłady (5 godz.) 1. 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. 2. 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. 3. 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. Ćwiczenia kameralne (10 godz.) 1. Zastosowania prostej regresji liniowej do badania zależności cech z wykorzystaniem programu STATISTICA. 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. 2. 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. 3. Linearyzowana regresja nieliniowa. Transformacja funkcji nieliniowych do postaci liniowej. Korekta błędów wynikających z transformacji liniowej modelu. Praktyczne zastosowanie linearyzowanej regresji nieliniowej do budowy wzorów empirycznych do określania biomasy związku cech biometrycznych. 4. Zastosowania regresji nieliniowej do budowy wzorów empirycznych i opisu zjawisk zachodzących w przyrodzie. Kryteria wyboru modelu. Analiza wyników regresji nieliniowej, udział wariancji wyjaśnionej. 5. Analiza regresji ze zmiennymi jakościowymi typu dichotomicznego. Analiza regresji ze zmiennymi jakościowymi z liczbą grup powyżej 2. Zmienne sztuczne (dummy variables). Praktyczne przykłady zastosowania analizy kowariancji i modeli mieszanych w naukach przyrodniczych. |
Literatura: |
Literatura podstawowa: Fox, J. 1991. Regression Diagnostics: An Introduction. Sage University Paper Series on Quantitative Applications in the Social Sciences. Konieczna-Śnieżawska I. 1995. Ekonometria. Państwowe Wydawnictwo Ekonomiczne. Warszawa. Stanisz A. Przystępny kurs statystyki. Tom 2. Modele liniowe i nieliniowe. StatSoft, Kraków 2007. Zieliński W. Analiza regresji. Fundacja ROZWÓJ SGGW. 1998. Literatura Uzupełniająca: Gillman M. An Introduction to Mathematical Models in Ecology and Evolution. Time and Space. Willey-Blackwell 2009. Murray J. D. Wprowadzenie do biomatematyki. PWN 2006. Pretzsch H. Forest Dynamics, Growth and Yield. Springer-Verlag Berlin Heidelberg 2009. |
Efekty uczenia się: |
Wiedza: Zna podstawy metodyczne metod regresyjnych oraz warunki i możliwości ich stosowania Umiejętności: Opisuje związki pomiędzy zmiennymi za pomocą modeli regresyjnych oraz stosuje modele do interpretacji opisywanych zależności |
Metody i kryteria oceniania: |
Wykład: Egzamin pisemny ograniczony czasowo, - egzamin ustny bez dostępu do podręczników Ćwiczenia projektowe (warsztatowe): Sprawdzian umiejętności: wykonania zadania obliczeniowego, analitycznego, czynności, wypracowania decyzji rozwiązanie zadania problemowego, analiza przypadku, z dostępem do podręczników demonstracja praktycznych umiejętności praca dyplomowa |
Właścicielem praw autorskich jest Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie.