Statistiska metoder, 6 hp

Statistical Methods, 6 credits

732A93

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Mohammad Seidpisheh

Kursansvarig

Mohammad Seidpisheh

Studierektor eller motsvarande

Jolanta Pielaszkiewicz
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
F7MSL Statistics and Machine Learning, Master´s Programme - First and main admission round 1 (HT 2023) 202335-202343 3 Engelska Linköping, Valla V
F7MSL Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) 1 (HT 2023) 202335-202343 3 Engelska Linköping, Valla V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Kursen ges för

  • Master's Programme in Statistics and Machine Learning

Förkunskapskrav

  • Kandidatexamen 180 hp inom något av dessa ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen
  • Godkända kurser i följande ämnen
    - matematisk analys
    - linjär algebra
    - statistik
    - programmering
  • Engelska 6
    Undantag ges för svenska

Lärandemål

Efter avslutad kurs ska den studerande på en avancerad nivå kunna: 

  • redogöra för och tillämpa de vanligaste statistiska fördelningarna för att skapa statistiska modeller
  • tillämpa huvudprinciper inom punktskattning, intervallskattning och hypotesprövning
  • demonstrera och tillämpa huvudkoncepten inom den Bayesianska analysen
  • tillämpa linjära regressionsmodeller, kontrollera deras osäkerhet och genomföra modelljämförelser
  • tillämpa metoder för sampling från stora ändliga populationer
  • tillämpa grundläggande imputeringsmetoder för modellskapande och utvärdering
  • redovisa bakomliggande matematiska modeller för ovannämnda metoder och genomföra teoretiska beräkningar med dessa modeller
  • kritiskt diskutera uppfyllandet av modellernas antaganden
  • genomföra uppgifter inom givna tidsramar

Kursinnehåll

I kursen behandlas: 

  • sannolikhetsbegrepp
  • slumpvariabel, vanliga statistiska univariata och multivariata fördelningar och dess egenskaper, centrala gränsvärdessatsen
  • punktskattningar – egenskaper och metoder
  • intervallskattning
  • hypotesprövning
  • enkel och multipel linjär regression; minsta kvadrat-skattning, residualanalys och outlier-analys
  • likelihood, apriori och aposteriori fördelning, Bayes sats
  • imputering för modellskapande

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, seminarier och datorlaborationer. Utöver detta ska den studerande utöva självstudier. 

Examination

Kursen examineras genom: 

  • individuell skriftlig tentamen, betygsskala: EC
  • individuell skriftlig redovisning av datalaborationsuppgifter, betygsskala: EC: P/F

För Godkänt (E) som slutbetyg krävs minst E på den individuella skriftliga tentamen samt Pass på individuell skriftlig redovisning av datalaborationsuppgifter. Högre betyg grundas på den individuella skriftliga tentamen.

Detaljerad information återfinns i studieanvisningen.
 

Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift. 

Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.

Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.

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 likvärdiga villkor råder med avseende på kön, könsöverskridande identitet eller uttryck, etnisk tillhörighet, religion eller annan trosuppfattning, funktionsnedsättning, sexuell läggning och ålder.

Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan. 

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
INL2 Inlämningsuppgifter 1 hp EC
TEN1 Tentamen 5 hp EC
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.