Algemene doelstellingen:

De student bezit, binnen het biologische toepassingsdomein, basiskennis omtrent statistisch modelleren en het opzetten van eenvoudige biologische experimenten.
De student leert, vanuit concrete voorbeelden, dat statistische analyse wetenschappelijke ondersteuning geeft aan de biologische besluitvorming.
De student leert output van statistische software lezen en interpreteren en is bekwaam in een heldere taal hierover te rapporteren en te communiceren.
De student verwerft vaardigheid in het gebruik van statistische software voor de statistische analyse van eenvoudige statistische modellen.

Vakinhoudelijke doelstellingen:

De student kan, voor een variëteit aan voorbeelden, verschillende types van gegevens benoemen (continue data, binaire data, ordinale gegevens, categorische gegevens).
De student leert de lineaire samenhang te modelleren tussen een continue respons en predictoren (regressie-analyse). Extra aandacht gaat uit naar het meten van correlatie.
Voortbouwend op de gegeven inleiding in het eerste jaar, verwerft de student een dieper inzicht in het vergelijken van behandelingen (variantie-analyse). Extra aandacht gaat uit naar interactie bij twee-weg variantie-analyse en naar modeldiagnostiek.
De studenten leert hoe veralgemeende lineaire modellen kunnen gebruikt worden om niet-normaal verdeelde data te modelleren.
De student verwerft inzicht in het begrip likelihood en de daarbijhorende likelihood ratio test.
De student leert voorgaande technieken combineren in één model en verwerft inzicht in modelbouw.
De student leert welke de voorwaarden zijn om modellen/testen toe te passen en welke remediële methodes bestaan wanneer niet aan deze voorwaarden wordt voldaan.
Voor de statistische analyse van de thema's hierboven vernoemd, kan de student met statistische software werken (R).