Statistical Methods, 6 hp

Statistical Methods, 6 credits

732A93

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Studierektor eller motsvarande

Lotta Hallberg

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
Fristående kurs (Halvfart, Dagtid) HT 2016 201634-201641 Engelska Linköping
Fristående kurs (Halvfart, Dagtid) HT 2016 201634-201641 Engelska Linköping
F7MSG Statistics and Data Mining, Master´s Programme 1 (HT 2016) 201634-201641 Engelska Linköping V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Master´s Programme in Statistics and Data Mining

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 kunna:

  • använda kunskaper om de vanliga statistiska fördelningarna för att skapa statistiska modeller,
  • visa en god förståelse av huvudprinciper inom punktskattning, intervallskattning och hypotesprövning,
  • visa en god förståelse av huvudkoncepten inom den Bayesianska analysen,
  • skapa linjära regressionsmodeller, kontrollera deras osäkerhet och genomföra modelljämförelser,
  • tillämpa metoder för sampling från stora ändliga populationer, 
  • tillämpa grundläggande imputeringsmetoder för modellskapande och utvärdering.

Kursinnehåll

Teoretiska grunder för statistiska begrepp och metoder som krävs för kvalificerad yrkesverksamhet och forskning i statistik.

Kursen behandlar:

  • sannolikhetsteori,
  • slumpvariabel, vanliga statistiska fördelningar och dess egenskaper,
  • punkt- och intervallskattning,
  • hypotesprövning,
  • enkel och multipel linjär regression, t-test och F-test; Residual- och uteliggaranalys,
  • Likelihood, apriori och aposteriori fördelning, Bayes sats
  • introduktion till Markov kedjor,
  • sampling med och utan återläggning,
  • imputering för modellskapande.

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, seminarier och datorlaborationer som kompletteras med självstudier. Föreläsningarna ägnas åt presentationer av begrepp, teorier och metoder. Datorlaborationerna ger en praktisk erfarenhet av statistisk analys. Seminarierna ägnas åt presentationer och diskussioner av olika uppgifter.

Examination

Skriftliga redogörelser till inlämningsuppgifter samt en skriftlig tentamen. Detaljerad information återfinns i studiehandledningen.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall 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

Det finns inga examinationsmoment att visa.

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.