-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathindex.Rmd
136 lines (110 loc) · 6.61 KB
/
index.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
---
title: "Biostatistiek 2024-2025: partim Univariate Statistiek"
output:
html_document:
code_download: false
toc: false
number_sections: false
code_folding: "none"
---
```{r pop2Samp2Pop,fig.asp=.8, fig.align='center',echo=FALSE}
if ("pi"%in%ls()) rm("pi")
kopvoeter<-function(x,y,angle=0,l=.2,cex.dot=.5,pch=19,col="black")
{
angle=angle/180*pi
points(x,y,cex=cex.dot,pch=pch,col=col)
lines(c(x,x+l*cos(-pi/2+angle)),c(y,y+l*sin(-pi/2+angle)),col=col)
lines(c(x+l/2*cos(-pi/2+angle),x+l/2*cos(-pi/2+angle)+l/4*cos(angle)),c(y+l/2*sin(-pi/2+angle),y+l/2*sin(-pi/2+angle)+l/4*sin(angle)),col=col)
lines(c(x+l/2*cos(-pi/2+angle),x+l/2*cos(-pi/2+angle)+l/4*cos(pi+angle)),c(y+l/2*sin(-pi/2+angle),y+l/2*sin(-pi/2+angle)+l/4*sin(pi+angle)),col=col)
lines(c(x+l*cos(-pi/2+angle),x+l*cos(-pi/2+angle)+l/2*cos(-pi/2+pi/4+angle)),c(y+l*sin(-pi/2+angle),y+l*sin(-pi/2+angle)+l/2*sin(-pi/2+pi/4+angle)),col=col)
lines(c(x+l*cos(-pi/2+angle),x+l*cos(-pi/2+angle)+l/2*cos(-pi/2-pi/4+angle)),c(y+l*sin(-pi/2+angle),y+l*sin(-pi/2+angle)+l/2*sin(-pi/2-pi/4+angle)),col=col)
}
par(mar=c(0,0,0,0),mai=c(0,0,0,0))
plot(0,0,xlab="",ylab="",xlim=c(0,10),ylim=c(0,10),col=0,xaxt="none",yaxt="none",axes=FALSE)
rect(0,6,10,10,border="red",lwd=2)
text(.5,8,"populatie",srt=90,col="red",cex=2)
symbols (3, 8, circles=1.5, col="red",add=TRUE,fg="red",inches=FALSE,lwd=2)
grid=seq(0,1.3,.01)
for (i in 1:50)
{
angle1=runif(n=1,min=0,max=360)
angle2=runif(n=1,min=0,max=360)
radius=sample(grid,prob=grid^2*pi/sum(grid^2*pi),size=1)
kopvoeter(3+radius*cos(angle1/180*pi),8+radius*sin(angle1/180*pi),angle=angle2)
}
text(7.5,8,"Effect van biologie in populatie",col="red",cex=1.2)
rect(0,0,10,4,border="blue",lwd=2)
text(.5,2,"sample",srt=90,col="blue",cex=2)
symbols (3, 2, circles=1.5, col="red",add=TRUE,fg="blue",inches=FALSE,lwd=2)
for (i in 0:2)
for (j in 0:4)
{
kopvoeter(2.1+j*(3.9-2.1)/4,1.1+i)
}
text(7.5,2,"Effect van biologie in steekproef",col="blue",cex=1.2)
arrows(3,5.9,3,4.1,col="black",lwd=3)
arrows(7,4.1,7,5.9,col="black",lwd=3)
text(1.5,5,"EXP. DESIGN (1)",col="black",cex=1.2)
text(8.5,5,"SCHATTEN &\nINFERENTIE (3)",col="black",cex=1.2)
text(7.5,.5,"DATA EXPLORATIE &\nBESCHRIJVENDE STATISTIEK (2)",col="black",cex=1.2)
```
## Situering
Deze cursus bouwt verder op de basis cursus statistiek die werd gedoceerd in 2de bachelor biologie aan de Universiteit Gent.
De cursus focust op essentiële statistische concepten en methoden om inzicht te verwerven uit empirische data uit de levenswetenschappen.
Het is een toegepaste cursus statistiek waarin de data centraal staan.
We starten hierbij steeds bij het design van de studie en een data exploratie.
Vervolgens worden de data statistisch gemodelleerd.
Hierbij ligt de focus op de link tussen lineaire regressie en variantie analyse. Deze technieken kunnen worden samengebracht in het algemene lineaire model.
De concepten en methoden worden via case-studies aangebracht.
Hierbij zullen we steeds focussen op de concrete onderzoeksvraag en hoe we deze kunnen vertalen in hypotheses met betrekking tot lineaire combinanties van de parameters in het model.
Na de introductie van het algemene lineaire model zullen we dieper ingaan op belangrijke concepten van experimenteel design.
## Inhoud
### Hoorcolleges
- Introductie: [html](./introduction.html), [[PDF](./introduction.pdf)]
- Algemeen lineair model:
- Lecture 2-3 : [html](./10-MultipleRegression.html), [[PDF](./10-MultipleRegression.pdf)]
- Lecture 4 factoriële designs: [html](./10-MultipleRegression-FactorialDesigns.html), [[PDF](./10-MultipleRegression-FactorialDesigns.pdf)]
- Lecture 5, Booster Sessie: [additief model html](./10-Recap-AlgemeenLineairModel-AdditiefModel.html), [[PDF](./10-Recap-AlgemeenLineairModel-AdditiefModel.pdf)]; [interacties - diagnostiek - contrasten - factoriële designs](./10-Recap-AlgemeenLineairModel-OverigeConcepten.html), [[PDF](./10-Recap-AlgemeenLineairModel-OverigeConcepten.pdf)]
- Lecture 6: [Experimental Design I](./experimentalDesignI.html), [[PDF](./experimentalDesignI.pdf)]
- Lecture 7: [Experimental Design II](./experimentalDesignII.html), [[PDF](./experimentalDesignII.pdf)]
### Werkcolleges
- Practicum 1: Herhaling - zelfstandig werk
- Voorbeeld two-sample t-test: [html](./ttest_example.html)
- Voorbeeld anova: [html](./anova_example.html)
- Voorbereiding 1: [html](./Practicum_1_Voorbereiding_1.html)
- Voorbereiding 2: [html](./Practicum_1_Voorbereiding_2.html)
- Voorbereiding 3: [html](./Practicum_1_Voorbereiding_3.html)
- Voorbereiding 4: [html](./Practicum_1_oefening_4.html)
- Oplossing Voorbereiding 1: [html](./Practicum_1_oplossing_Two_sample_t_test.html)
- Oplossing Voorbereiding 2: [html](./Practicum_1_oplossing_anova.html)
- Oplossing Voorbereiding 3: [html](./Practicum_1_oplossing_niet_parametrische_test.html)
- Oplossing Voorbereiding 4: Simpele lineaire regressie: [html](./Practicum_1_oplossing_lineair_model.html)
- Practicum 2:
- Dodona oefeningen
- Practicum 3:
- Dodona oefeningen
- Oplossing Oefening 2: [html](./oefening_vissen_volledig_uitgewerkt.html), [[PDF](./oefening_vissen_volledig_uitgewerkt.pdf)]
<!--
- Practicum 4: Poweranalyse
- Oefening 1: [html](./Exp_design_fast_1_ex.html)
- Oefening 2: [html](./Exp_design_fast_2_ex.html)
- Oefening 3: [html](./Exp_design_fast_3_ex.html)
- Oplossing Oefening 1: [html](./Exp_design_fast_1_sol.html), [[PDF](./Exp_design_fast_1_sol.pdf)]
- Oplossing Oefening 2: [html](./Exp_design_fast_2_sol.html), [[PDF](./Exp_design_fast_2_sol.pdf)]
- Oplossing Oefening 3: [html](./Exp_design_fast_3_sol.html), [[PDF](./Exp_design_fast_3_sol.pdf)]
-->
- Practicum 4: Blocking
- Oefening 1: [html](./Rats_01_ex.html)
- Oefening 2: [html](./fishtank.html)
- Oefening 3: [html](./Rats02_ex.html)
- Oplossing oefening 1: [html](./Rats_01.html), [[PDF](./Rats_01.html)]
- Oplossing oefening 2: [html](./fishtank_sol.html), [[PDF](./fishtank_sol.html)]
- Oplossing oefening 3: [html](./Rats_02.html), [[PDF](./Rats_02.html)]
- Voorbeeld examenoefeningen:
- Oefening 1: [html](./Examenvoorbeeld_oefening_1_opgave.html)
- Oefening 2: [html](./Examenvoorbeeld_oefening_2_opgave.html)
- Oplossing Oefening 1: [html](./Examenvoorbeeld_oefening_1.html)
- Oplossing Oefening 2: [html](./Examenvoorbeeld_oefening_2.html)
## Licentie
<a rel="license" href="https://creativecommons.org/licenses/by-nc-sa/4.0"><img alt="Creative Commons License" style="border-width:0" src="https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png" /></a>
Deze pagina is deel van de cursus [Biostatistiek](https://statomics.github.io/biostatistics/)