Angewandte Mathematik und Statistik für Bioverfahrenstechnik

44B0886

Bachelor

Deutsch

5.0

nur Sommersemester

1 Semester

In der Agrarwirtschaft und Ingenieurwissenschaften werden vielen Prozesse und Ph?nomene durch statistische Modelle beschrieben. Verfahrenstechnik, Qualit?tssicherung und Marketing sind wesentlich getragen durch eine statistische Analyse von Daten. In dem Teil des Moduls “Angewandte Statistik für Bioverfahrenstechnik” lernen Studierende die Grundlagen für das sp?tere wissenschaftliche und angewandte Arbeiten. Das Modul vermittelt die dafür notwendigen statistischen Grundkenntnisse. Der Fokus liegt hier auf der Darstellung, Erfahrung und ersten statistischen Auswertungen von Daten. Wissenschaftliche Forschung und Erkenntnisgewinn wird hierbei in den Kontext der Erhebung von Daten gesetzt. Eine auf Daten gestützte Risikoabsch?tzung von Entscheidungen wird eingeübt. In dem Modul “Angewandte Statistik für Bioverfahrenstechnik” werden somit die ersten Grundkenntnisse für die praktische Anwendung der Bio Data Science erworben. Der Teil “Angewandte Mathematik für Bioverfahrenstechnik” des Moduls ist die Vertiefung und Erweiterung des Moduls “Mathematik für Bioverfahrenstechnik”. Schwerpunkt soll auf der Auswahl und Anwendung wichtiger mathematischer Werkzeuge liegen. W?hrend im Modul “Mathematik für Bioverfahrenstechnik” Wert auf grundlegende Rechentechniken gelegt wird, ist in diesem Modul die Unterstützung durch die Software MATLAB zentrales Merkmal. Die grundlegende Funktionsweise der Software soll in diesem Rahmen vermittelt werden. Mittels der integrierten Funktionen der Software sollen die Studierenden lernen mathematische Berechnungen und numerische Analysen durchzuführen und zu visualisieren.

Statistischer Anteil

• Einführung in die explorative Datenanalyse und deren statistischen Ma?zahlen.
• Einführung in das statistische Testen sowie der Testtheorie mit dem Prüfen von statistischen Hypothesen beinhaltend p-Wert und die 95% Konfidenzintervalle.
• Berechnung des Student-, Welch- und gepaarten t-Test.
• Einführung in die Varianzanalyse beinhaltend die einfaktorielle ANOVA.
• Grundlagen der simplen linearen Regression und deren statistischen Ma?zahlen der Modellgüte am Beispiel eines normalverteilten Endpunkts.
• Einführung in das multiple Testen von mehreren Mittelwerten und die Darstellung im compact letter display.

Mathematischer Anteil

• Vertiefung der Anwendung mathematischer L?sungsans?tze und Methoden
• Grundlegende Einführung in die Software MATLAB
• Anwendung der Software MATLAB
• N?herungen und N?herungsmethoden
• Systeme von Differentialgleichungen
• Visualisierung von Daten

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

• Klausur

Klausur, 2-stündig

Klausur, 2-stündig

Keine. Es handelt sich um ein Grundlagenmodul.

Statistischer Anteil

• Die Studierenden sind in der Lage verschiedene Daten und Datenstrukturen zu erkennen und zu benennen.
• Die Studierenden k?nnen explorative Abbildungen erkennen und benennen.
• Die Studierenden k?nnen verschiedene statistische Tests h?ndisch durchführen.

Mathematischer Anteil

• Die Studierenden sind in der Lage L?sungsverfahren auszuw?hlen, anzuwenden um Probleml?sungen korrekt zu erarbeiten.
• Die Studierenden k?nnen N?herungsmethoden ausw?hlen und anwenden.
• Die Studierenden sind in der Lage Daten zu visualisieren.

Statistischer Anteil

• Die Studierenden k?nnen explorative Abbildungen erstellen und interpretieren.
• Die Studierenden k?nnen aus explorative Abbildungen die entsprechende Datenstruktur zur Erstellung der Abbildungen wiedergeben.
• Die Studierenden sind in der Lage anhand eines statistisches Tests eine Entscheidung zu treffen.
• Die Studierenden k?nnen das Ergebnis eines statistischen Test im Kontext der wissenschaftlichen Fragestellung interpretieren.

Mathematischer Anteil

• Die Studierenden k?nnen mathematische Problemstellungen unter Zuhilfenahme der Software MATLAB l?sen.
• Die Studierenden sind in der Lage N?herungen mittels geeigneter N?herungsmethoden sinnvoll durchzuführen.
• Die Studierenden k?nnen Systeme von linearen Differentialgleichungen l?sen.
• Die Studierenden k?nnen Ergebnisse zwei- und dreidimensional graphisch darstellen.

Statistischer Anteil

• Die Studierenden k?nnen einen statistischen Test mit einer explorativen Datenanalyse in einen Kontext bringen.

Mathematischer Anteil

• Die Studierenden k?nnen Aufgabenstellungen interpretieren, L?sungsverfahren zuordnen und unter Zuhilfenahme von Software korrekt anwenden.

Die Studierenden sind in der Lage einfache lineare Kosten- und Nutzenabsch?tzungen anhand von statistischen Modellen durchzuführen. Diese einfachen Absch?tzungen umfassen die Planung von marktwirtschaftlichen, technischen und biologischen Prozesses in der Agrarwirtschaft und Ingenieurwissenschaften. Die Studierenden k?nnen dabei externe Literaturquellen und deren statistischen Ma?zahlen in den Kontext des eigenen Berufsfeld setzen und aus verschiedenen, wissenschaftlichen Quellen erste informierte Vorentscheidungen treffen. Die Studierenden sind in der Lage die grundlegenden Konzepte der Programmierung in R in anderen Programmiersprachen zuerkennen.

Die Studierende k?nnen statistische Ma?zahlen aus wissenschaftlichen Publikationen in andere wissenschaftliche Kontexte einordnen. Die Studierenden kennen die Grundlagen des wissenschaftlichen Arbeitens anhand von Fallbeispielen. 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 Verwertbarkeit in R zu berücksichtigen.

Die Studierenden sind in der Lage durch das Konzept von “tidy data” erhobene Daten mit anderen Forschenden zu teilen. Ebenfalls sind die Studierenden in der Lage g?ngige statistische Ma?zahlen zu erkennen und zu berichten. 

Keine. Es handelt sich um ein Grundlagenmodul.

• Kruppa-Scheetz, Jochen

• Kruppa-Scheetz, Jochen
• Nierling, Wolfgang