生态统计与建模生态统计与建模.docVIP

生态统计与建模 Ecological Statistics and Modeling 48学时（其中，讲授： 40 学时；实验： 8 学时；实习： 学时）； 4 学分 一、 课程性质：本课程为研究生选修课程，面向刚刚进入研究阶段的硕士和博士研究生。 课程意义：随着生态学研究数据量的快速积累，统计分析在生态学研究中扮演着越来越重要的角色；现代生态学研究对数学和计算机模型的应用需求日益增大，模型对深入理解生态学规律、准确预测生态环境格局起着不可替代的作用。因此，生态统计与建模应作为培养生态学、林学和环境科学研究生的一门重要课程，对于推进研究生从事高水平研究具有重要意义。 课程目的与任务：1）使研究生掌握数据统计分析和实验设计所遵循的原理、原则和方法；2）使研究生掌握生态数据管理、数据处理和分析的理论、流程和方法；3）使研究生熟悉生态建模的思想、概念和方法，培养研究生生态建模的能力。 课程特色：1）强调数理统计和建模在生态学研究中的实际应用；2）授课内容全面，贯穿基本数理统计和生态学原理、实验设计、数据管理、数据分析、生态建模原理与方法等实际研究中的各个步骤；3）结合理论讲授与实际操作练习。 预修课程：生态学； 适用专业：水土保持与荒漠化防治、自然地理学、林学与生态学相关专业等。 三、课程内容及学时分配 课程内容： 第一章 概率论简介（An introduction to Probability） 1.主要内容： 第一节 概率的定义（What is Probability?） 理解概率的定义和相关概念。 第二节 概率的测度（Measuring Probability） 单一事件的概率: 肉食植物的捕食（The Probability of a Single Event: Prey Capture by Carnivorous Plants） 根据抽样估计概率（Estimating Probabilities by Sampling） 第三节 概率定义中的问题（Problems in the Definition of Probability） 第四节 概率论中的数学（The Mathematics of Probability） 定义抽样空间（Defining the Sample Space） 复杂的和共有事件: 合并简单概率（Complex and Shared Events: Combining Simple Probabilities） 概率的计算: 马利筋属植物和幼虫（Probability Calculations: Milkweeds and Caterpillars） 复杂的和共有事件: 集合的合并规则（Complex and Shared Events: Rules for Combining Sets） 条件概率（Conditional Probabilities） 贝叶斯定理（Bay’s Theorem） 总结（Summary） 2.本章重点： 概率的定义、测度、概率论中的数学 3.本章难点： 条件概率和贝叶斯定理 第二章 随机变量和概率分布（Random Variables and Probability Distributions） 1.主要内容： 第一节 离散随机变量（Discrete Random Variables） 伯努利随机变量（Bernoulli Random Variables） 伯努利实验示例（An Example of a Bernoulli Trial） 多次伯努利实验=二项式随机变量（Many Bernoulli Trials = A Binomial Random Variable） 二项式分布（The Binomial Distribution） 泊松随机变量（Poisson Random Variables） 泊松分布示例: 稀有植物的分布（An Example of a Poisson Random Variable: Distribution of a Rare Plant） 离散随机变量的数学期望（The Expected Value of a Discrete Random Variable） 离散随机变量的方差（The Variance of a Discrete Random Variable） 第二节 连续随机变量 均匀分布随机变量（Uniform Random Variables） 连续随机变量的数学期望（The Expected Value of a Continuous Random Variable） 正态随机变量（Normal Random Variables） 正态分布的有用属性（Useful Properties of the N