Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie - Centralny System Uwierzytelniania
Strona główna

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) 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:

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

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.
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)