Angewandte Statistik und Versuchswesen

44B0400

Bachelor

Deutsch

5.0

nur Sommersemester

1 Semester

Der wissenschaftliche Fortschritt in den Agrarwissenschaften ist wesentlich getragen durch eine intensive experimentelle Versuchst?tigkeit. Um erfolgreich in diesem Bereich t?tig zu sein sind neben statistischen Kenntnissen auch solche über die Techniken zur Versuchsdurchführung erforderlich. Für die Versuchsdurchführung müssen Messdaten und Beobachtungen aus Erhebungen sowie aus experimentellen Versuchen in einem Datensatz aufgearbeitet werden. In dem Modul "Angewandte Statistik und Versuchswesen" lernen Studierende die grundlegenden Algorithmen der Statistik für das sp?tere wissenschaftliche und angewandte Arbeiten kennen. Das Modul vermittelt die dafür notwendigen statistischen und algorithmischen praktischen Kenntnisse. Verschiedene statistische Verfahren zur Auswertung von experimentellen Daten werden vorgestellt und die statistischen Ma?zahlen für das lineare Modellieren eingeübt. Einfache experimentelle Designs werden vorgestellt und Anwendungsm?glichkeiten diskutiert. Die vorhandenen Programmierkenntnisse in R werden weiter vertieft. Verschiedene einfache Fallbeispiele dienen als Einstieg für die Diskussion und der Reflexion der eigenen Versuchst?tigkeit. Das Modul "Angewandte Statistik und Versuchswesen" schlie?t den Erwerb der Grundlagen in der Bio Data Science ab und erm?glicht den Studierenden somit einfache Experimente in den Agrarwissenschaften selbstst?ndig zu planen und auszuwerten.

Statistischer Anteil

• Die explorative Datenanalyse und deren statistischen Ma?zahlen.
• Einführung in statistische Verteilungen anhand der Poisson- und Normalverteilung.
• Die Varianzanalyse beinhaltend die einfaktorielle sowie zweifaktorielle ANOVA.
• Grundlagen des nicht-parametrischen Tests beinhaltend Wilcoxon-Mann-Whitney-Test sowie Kruskal-Wallis-Test.
• Grundlagen der simplen linearen Regression und der multiplen linearen Regression sowie deren statistischen Ma?zahlen der Modellgüte am Beispiel eines normalverteilten Endpunkts.
• Diagnostischen Testen und deren statistischen Ma?zahlen.
• Chi-Quadrat-Test für eine Vierfeldertafel.
• Das multiple Testen von mehreren Mittelwerten und deren Visualisierungen.
• Einführung in die klassischen experimentellen Designs in den Agrarwissenschaften sowie die einfache Versuchsplanung.

Informatorischer Anteil

• Durchführung aller theoretisch erarbeiteten Inhalte in R.
• Interpretation und Bewertung von einfachen statistischen Modellierungen in R.
• Einfache Transformationen von Daten für die explorative Datenanalyse.
• Demonstration der automatisierten Erstellung von Berichten in Rmarkdown sowie in R Quatro.

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Klausur

Klausur, 2-stündig

Für dieses Modul werden Kenntnisse der deskriptiven Statistik sowie Grundkenntnisse der Statistik vorausgesetzt, wie sie in dem Modul "Mathematik und Statistik (44B0266)" vermittelt werden.

Studierenden, die ihre Kenntnisse und Fertigkeiten vor Beginn des Moduls auffrischen m?chten, wird folgende Grundlagenliteratur mit dem "Skript Bio Data Science" unter jkruppa.github.io empfohlen.

In dem Modul wird mit der Software R gearbeitet. Um sich im Vorfeld mit den Basisfunktionen vertraut zu machen, eignen sich beispielsweise die folgenden Video-Tutorials unter www.youtube.com/c/JochenKruppa.

Statistischer Anteil

• Die Studierenden kennen einfache experimentelle Designs in den Agrarwissenschaften.
• Die Studierenden kennen einfache Repr?sentationen der experimentellen Designs als Datensatz.
• Die Studierenden k?nnen verschiedene statistische Tests h?ndisch durchführen.
• Die Studierenden sind in der Lage zwischen einen parametrischen und einem nicht-parametrischen Test zu unterscheiden.

Informatorischer Anteil

• Die Studierenden kennen die g?ngigen Funktionen für die Datenaufbereitung in R.
• Die Studierenden k?nnen den Ablauf für die Erstellung einer einfachen Datenanalyse in R beschreiben.
• Die Studierenden sind in der Lage aus englischen Internetquellen eine L?sung für ein R Problem einzugrenzen.

Statistischer Anteil

• Die Studierenden k?nnen eine simple lineare Regression für eine Normalverteilung modellieren.
• Die Studierenden k?nnen eine Aussage über die Güte eines simplen linearen Modells abgeben.
• Die Studierenden k?nnen eine Korrelation berechnen und interpretieren.
• Die Studierenden k?nnen einen multiplen Gruppenvergleich für einen normalverteilten Endpunkt rechnen und die p-Werte entsprechend adjustieren.
• Die Studierenden sind in der Lage eine einfache explorative Datenanalyse mit einem multiplen Gruppenvergleich zu verbinden.

Informatorischer Anteil

• Die Studierenden k?nnen Datens?tze in R bearbeiten.
• Die Studierenden k?nnen einfache experimentelle Designs in R visualisieren.
• Die Studierenden k?nnen verschiedene Ausgaben von statistischen Tests in R visualisieren.

Statistischer Anteil

-   Die Studierenden sind die der Lage eine wissenschaftliche Fragestellung mit einem einfachen experimentellen Design zu verbinden.
-   Die Studierenden k?nnen einfache linearen Modellierungen bewerten und interpretieren.

Informatorischer Anteil

-   Die Studierenden k?nnen verschiedene statistische Tests und eine lineare Modellierung mit einer explorativen Datenanalye in einen Kontext setzen.

Die Studierenden sind in der Lage einfache Kosten- und Nutzenabsch?tzungen anhand von statistischen linearen Modellen durchzuführen. Diese Absch?tzungen umfassen im Besonderen die Planung von einfachen experimentellen Designs in den Agrarwissenschaften. Die Studierenden k?nnen statistische Unterschiede aus multiplen Gruppenvergleichen berechnen und eine Risikoabsch?tzung treffen. Die Studierenden sind in der Lage selbst?ndig einfache statistische Analysen auf Datens?tzen in R durchzuführen. Die Studierenden k?nnen einfache experimentelle Designs für verschiedene Berufsfelder und Anwendungen abw?gen und diskutieren.

Die Studierende k?nnen statistische Ma?zahlen aus wissenschaftlichen Publikationen in andere wissenschaftliche Kontexte einordnen. Die Studierenden k?nnen selbst?ndig eigene wissenschaftliche Fragestellungen mit Fallbeispielen abgleichen und entsprechend der eigenen Anforderungen modifizieren. Die Studierenden k?nnen explorative Abbildungen aus Ver?ffentlichungen verstehen und erste informierte Forschungsideen entwickeln. Die Studierenden sind in der Lage bei der Erstellung von Daten aus Experimenten die wissenschaftliche Verwertbarkeit in R zu gew?hrleisten. Die Studierenden kennen die M?glichkeit über automatisierte Berichte die Reproduzierbarkeit der eigenen Forschungsergebnisse zu gew?hrleisten.

Die Studierenden sind in der Lage die Daten der durchgeführten Experimente und entsprechende R Skripte der statistische Auswertungen mit anderen Forschenden zu teilen. Die Studierenden k?nnen die statistischen Analyseergebnisse vorstellen und ?nderungswünsche entsprechend durchführen.

Keine. Es handelt sich um ein Grundlagenmodul.

Das Modul "Angewandte Statistik und Versuchswesen" bereitet zudem auf weiterführende Module aus verschiedenen Themenbereichen vor. Zu diesen Themenbereichen geh?ren insbesondere

• Steuerung der vegetativen Entwicklung krautiger Pflanzen (44B0608)
• Berufspraktisches Projekt (BAP) (44B0595)

Welche nachfolgenden Module konkret in Frage kommen, h?ngt von den einzelnen Studieng?ngen ab. N?here Informationen hierzu bietet der Studienverlaufsplan in der jeweils gültigen Studienordnung.

• Landwirtschaft B.Sc. (01.09.2025)

• Angewandte Pflanzenbiologie - Gartenbau, Pflanzentechnologie B.Sc. (01.09.2025)

• ?kotrophologie B.Sc. (01.09.2025)

• Agrarsystemtechnologien B.Sc. (01.09.2025)

• Kruppa-Scheetz, Jochen

• Kruppa-Scheetz, Jochen