Detaljer om emnet NOVA-407

NOVA-407 Hybrid inferens

Emnet kan ha endringer på grunn av koronautbruddet. Sjekk Canvas og studentWeb.

English course Information

Søk etter andre emner

Viser emnet slik det undervises i studieåret med start i 2018 .

Studiepoeng: 5
Ansvarlig fakultet: Fakultet for miljøvitenskap og naturforvaltning
Frekvens: Våren 2019
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Undervises i periode:
Vårparallell 2019
Første gang: Studieår 2018-2019
Fortrinnsrett: Studenter på ph.d.-nivå har førsteprioritet. Masterstudenter kan spørre kontaktpersonen som står oppført på kursinformasjonssiden på NOVAs nettsider om det er plass på ph.d.-kurs.
Emnets innhold:

I utvalgskartlegging er det to hovedtilnærminger: designbasert og modellbasert tilnærming. Sannsynlighetsbasert utvalgskartlegging er en del av den førstnevnte; regresjonsanalyse og økonometri gir estimatorer innenfor den sistnevnte tilnærmingen. Hybrid inferens ble utviklet av nordiske forskere for å tilfredsstille behovene i kartlegging av naturressurser hvor data fra fjernmåling spiller en viktig rolle. Den nye hybrid-baserte tilnærmingen kombinerer egenskapene til sannsynlighets- og modellbaserte tilnærminger og tar hensyn til usikkerhet både knyttet til det sannsynlighetsbaserte utvalget og modellen. Kurset skal gi et generelt og praktisk overblikk, samt en dypere vitenskapelig forståelse av den nye hybrid-baserte tilnærmingen.

Kurset vil fokusere på hybrid-basert tilnærming for å kartlegge diskrete og kontinuerlige naturlige populasjoner der man har tilleggsdata. Kurset vil inneholde elementer fra teorien for sannsynlighetsbasert utvalgskartlegging, for eksempel generell utvalgskartlegging for diskrete og kontinuerlige populasjoner, utvalgskartlegging med prøveflater med fast areal, utvalgskartlegging med relaskop, stratifisert utvalgskartlegging og cluster-basert utvalgskartlegging; samt elementer fra regresjonsanalyse, som for eksempel vanlig minste kvadraters metode, generalisert minstekvadraters metode og maximum likelihood sannsynlighetsestimatorer.

Læringsutbytte:

Studenten skal tilegne seg:

  • Kunnskap om definisjoner, teorier og konsepter innen de patologiske disiplinene som tas opp i kursserien
  • Grunnleggende ferdigheter innen metoder i genomatikk/bioinformatikk som brukes i avansert plantepatologi, samt kunnskap om strategier for integrert plantevern(IPM)
  • Spesifikk kompetanse innen: kurs 3 (2019): epidemiologi, populasjonsgenetikk og genetiske endringer
  • Ferdigheter innen presentasjon av vitenskapelige tema er et annet læringsutbytte fra kursene
Læringsaktiviteter:

5-25. mai: oppgave før kurssamling

26. mai: ankomst Ås

Uke 27-31. mai:

Mandag:

• Kursinnføring

• Designbasert inferens

Tirsdag:

• Totrinns prøvetaking

Onsdag:

• Modellbasert inferens

Torsdag:

• ‘Generalised least squares’ (GLS) regresjonsestimator

• ‘Maximum likelihood’ (ML) og ‘Restricted ML’ (REML) estimator

Fredag:

• Hybrid inferens

2-14. juni: Hjemmeeksamen

Læringsstøtte:
Kurset består av forelesninger, dataøvelser, gruppearbeid og et seminar. Forelesninger vil bli gitt av ledende forskere fra Norden og USA. På slutten av kurset vil det være en hjemmeeksamen.
Pensum:

Oppgave før kurssamling: lesing

· Kapitler 4, 5, 7 og 8 i “Sampling Strategies for Natural Resources and the Environment” ved Gregoire, Timothy G. & Harry T. Valentine.

· Ståhl, Göran, Sören Holm, Timothy G. Gregoire, Terje Gobakken, Erik Næsset, and Ross Nelson. Model-based inference for biomass estimation in a LiDAR sample survey in Hedmark County, Norway. Canadian Journal of Forest Research 41, no. 1 (2011): 96-107.

Anbefalte forkunnskaper:
Det anbefales at deltakerne har grunnleggende kunnskaper i regresjonsanalyse og statistikk, f.eks. oppnådd gjennom deltakelse i grunnkurs på masternivå. Grunnleggende kunnskaper i lineær algebra er ønskelig. Det er ikke påkrevet med grunnleggende kunnskaper i R for å følge kurset, men det er å foretrekke.
Vurderingsordning:
Hjemmeeksamen. Kurset vurderes ‘bestått’ eller ‘ikke-bestått og karakteren vil baseres på evalueringen av hjemmeeksamen.
Sensor:
Merknader:

Kurset er et felles nordisk NOVA-ph.d.-kurs organsiert av Terje Gobakken, NMBU. Lærere fra NMBU, Sveriges Lantsbruksuniversitet (SLU) og The Carsey School of Public Policy, University of New Hampshire, USA underviser på kurset. Vennligst se kursbeskrivelsen på NOVAs nettsider for mer informasjon om kurset:

https://www.nmbu.no/en/students/nova/students/phd-courses/phd-courses-2019/node/36241

Normert arbeidsmengde:
2 timer seminar
20 timer forelesninger
18 timer selvstendig arbeid i løpet av kurset
60 timer selvstendig arbeid med oppgave før kurset
50 timer selvstendig arbeid om hjemmeeksamen etter kurset
Opptakskrav:
Søknadsfrist: 5. februar 2019
Undervisningstid:
  • Kollokvier til forberedelse før kurssamlingen: 10 uker hver med en estimert arbeidsmengde på 8 timer = 80 timer (inkluderer lesing av foreslåtte artikler og diskusjon om artiklene med andre studenter og lokale lærere - diskusjoner via internett blir organisert for studenter som ikke er lokalisert nært andre studenter).
  • Arbeidsmengde på kurset: 40 timer: en blanding av forelesninger, gruppediskusjoner, studentpresentasjoner av egne postere og muntlige studentpresentasjoner, pluss en ekskursjon. Program blir også arrangert som kveldssamlinger: plenum- og gruppediskusjoner.
Eksamensdetaljer: :