Sannolikhetsteori, 6 hp

Probability Theory, 6 credits

732A63

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Jolanta Pielaszkiewicz

Kursansvarig

Jolanta Pielaszkiewicz

Studierektor eller motsvarande

Ann-Charlotte Hallberg
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
F7MSL Statistics and Machine Learning, Master´s Programme 3 (HT 2019) 201936-201944 3 Engelska Linköping, Valla V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Masters Programme in Statistics and Machine Learning

Förkunskapskrav

Kandidatexamen i något av följande ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen. Utöver detta, erfordras godkända/avklarade kurser i kalkyl, linjär algebra, statistik och programmering. 
Engelska B eller motsvarande. 

Lärandemål

Efter avslutad kurs skall den studerande på en avancerad nivå kunna:
- tillämpa centrala univariata och multivariata sannolikhetsfördelningar för att lösa teoretiska och praktiska problem i sannolikhetsteori.

- härleda sannolikhetsfördelningar för funktioner av slumpvektorer

- analysera sannolikhetsmodeller med hjälp av momentgenererande funktioner och andra transformer

- analysera sannolikhetsmodeller med hjälp av betingning

- redogöra för grundläggande modeller för stokastisk konvergens och härleda gränsfördelningar.
 

Kursinnehåll

Kursen bygger en teoretisk grund för modeller och metoder som baserar sig på sannolikhetskoncept. Kursen innehåller:

 

- sannolikhetsfördelningar för univariata och multivariata slumpvariabler,
- väntevärde, varians, moment,
- simultan fördelning, betingad fördelning, oberoendet,
- grunder i Bayesiansk teori,
- transformer,
- orderstatistika,
- multivariat normalfördelning och dess egenskaper,
- typer av konvergens och satser som relaterar sig till konvergenskonceptet.

 

Undervisnings- och arbetsformer

Kursen består av föreläsningar och lektioner. Föreläsningarna ägnas åt genomgång av teori, koncept och metodik. Matematiskt inriktade uppgifter tas upp på lektionerna. Utöver detta ska den studerande utöva självstudier.
Undervisningsspråk: Engelska 

Examination

Skriftlig tentamen.
Detaljerad information återfinns i studiehandledningen.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
TENT Tentamen 6 hp EC
KTR1 Kontrollskrivning 0 hp D
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.