Kompetencer:

Efter at have gennemført kurset, bør de studerende være i stand til at:

• arbejde på egen hånd med statistiske analyser indenfor økologi, herunder at opstille videnskabelige hypoteser, og at kunne teste dem statistisk. Dette inkluderer at have en baggrundsforståelse for de forskellige statistiske tests og deres resultater.
• forholde sig kritisk til publicerede statistiske analyser, og replikere deres metoder og resultater.
• tilegne sig nye færdigheder, og føle sig parate til at lære nye typer af analyse og statistiske værktøjer

 Færdigheder:

• bruge R til at indlæse datasæt og lave grundlæggende data-analyser
• skrive deres egne funktioner og programmere enkle simulationer
• bruge Rs indbyggede dokumentation til at finde løsninger og lære nye funktioner
• producere informative publikations-parate figurer, så som punktdiagrammer, histogrammer og søjlediagrammer
• teste og opsummere statistiske modeller lavet på økologiske data
• identificere forudsætningerne for statistiske modeller og forholde sig til om de er opfyldt
• bruge almindelig lineær regression og afledte teknikker så som genelle lineære modeller
• bruge RMarkdown til at føre en ”lab log” der dokumenterer den analytiske proces der har indgået i en given statistisk analyse

Viden

• beskrive de grundlæggende elementer i programmeringssproget R, såsom vectors, lists, funktioner, for-løkker etc., og vide hvordan man strukturerer programmer i videnskabelig dataanalyse
• give et overblik over de statistiske metoder vi har til rådighed for analyse af observations-data
• forklare begreberne pseudo-replikation og autokorrelation, hvorfor de er et problem, og hvilke metoder man kan bruge til at håndtere disse problematikker
• kende funktioner fra R-pakkerne vegan til samfundsøkologiske analyser, nodiv til at arbejde med makroøkologiske data, ape til at arbejde med fylogenier, og tidyverse incl. ggplot2 pakken til datamanipulation og visualisering.