Vorlesung Lineare Modelle und Versuchsplanung

Nach einer Einführung in die freie Statistik-Software R und in die Grundlagen von statistischen Tests werden statistische Tests und Schätzungen für verschiedene Fragestellungen, die in vielen experimentellen Wissenschaften und insbesondere in der Landwirtschaft von Bedeutung sind, behandelt. Diese Fragestellungen beinhalten insbesondere den Vergleich von zwei Stichproben, den Vergleich von mehreren Stichproben und den Einfluss eines oder mehrerer Einflussfaktoren auf den Ausgang des Experimentes. Für jede statistische Fragestellung wird behandelt, wie der stochastische Fehler durch geeignete Versuchsplanung so klein wie möglich gehalten werden kann. Insbesondere liefern in bestimmten Situationen lateinische Quadrate besonders geeignete Versuchspläne. Die Vorlesung gliedert sich in drei Teile. In der Vorlesung am Dienstag werden die Methoden vorgestellt und an Beispielen erläutert. In der Übung werden mit der Statistik-Software R konkrete Beispiel-Datensätze ausgewertet. Ebenso sollen in der Übung für bestimmte Fragestellungen geeignete Versuchspläne aufgestellt werden. Diese beiden Veranstaltungen am Dienstag werden auch für Studierende der Ökologischen Landwirtschaft angeboten. In der Vorlesung am Donnerstag werden die mathematischen Grundlagen für die Methoden behandelt. Dabei wird sich herausstellen, dass alle Methoden mit dem linearen Modell der Statistik behandelt werden können. Damit sind die speziellen Methoden für qualitative und quantitative Einflussfaktoren wie mehrere Stichproben (qualitativer Einflussfaktor) und Regressionsexperimente (quantitativer Einflussfaktor) nur Spezialfälle einer allgemeinen Methode im linearen Modell. --- Bortz, J. (1999). Statistik für Sozialwissenschaftler. Springer, Berlin.Christensen, R. (2001). --- Advanced Linear Modeling: Multivariate, Time Series and Spatial Data - Nonparametric Regression and Response Surface Maximization. Springer, Berlin. --- Christensen, R. (2002). Plane Answers to Complex Questions: The Theory of Linear Models. Springer, Berlin.Dalgaard, P. (2002). --- Introductory Statistics with R. Springer, New York. --- Fahrmeier, L., Künstler, R., Pigeot, I., und Tutz, G. (1997). Statistik. Springer, Berlin. --- Faraway, J.J. (2006). Extending the Linear Model with R. Chapman & Hall/CRC. --- Federer, W.T. (1993). Statistical Design and Analysis for Intercropping Experiments. Volume I Two Crops. Springer, Berlin. --- Federer, W.T. (1999). Statistical Design and Analysis for Intercropping Experiments. Volume II Three or More Crops. Springer, Berlin. --- Gomez, K.A., und Gomez, A.A. (1984). Statistical Procedures for Agricultural Research. Wiley, New York. --- Hartung, J., Elpelt, B., und Klösener, H.P. (1998). Statistik. Oldenbourg, München. --- Köhler, W., Schachtel, G., Voleske, P. (2002). Biostatistik. Springer, Berlin. --- Mukerjee, R., und Wu, C.F.J. (2006). A Modern Theory of Factorial Design. Springer, Berlin. --- Quinn, G.P. und Keough, M.J. (2002). Experimental Design and Data Analysis for Biologists. Cambridge University Press. --- Rasch, D., Verdooren, L. R. und Gowers, J. (2007). Planung und Auswertung von Versuchen und Erhebungen. Oldenbourg, München. --- Ruxton, G.D. und Colegrave, N. (2006). Experimental Design for the Life Sciences. Oxford University Press. --- Toutenburg, H. (2002). Lineare Modelle. Theorie und Anwendungen. Physica-Verlag, Berlin. VoraussetzungenFür die Vorlesung und Übung am Dienstag eine einführende Vorlesung in Statistik oder Stochastik. Für die Vorlesung am Donnerstag Lineare Algebra I und Stochastik I. LeistungsnachweisKlausur FB 17 Stochastik Uni Kassel WS 2007/2008 Mathematik Physik Professorin Müller Christine Professorin