Statistical Methods, 6 hp

Statistical Methods, 6 credits

732A93

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Ann-Charlotte Hallberg

Kursansvarig

Ann-Charlotte Hallberg

Studierektor eller motsvarande

Ann-Charlotte Hallberg
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
F7MSL Statistics and Machine Learning, Master´s Programme 1 (HT 2018) 201835-201842 Engelska 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. Dokumenterade kunskaper i engelska motsvarande Engelska B/Engelska 6.

Lärandemål

Efter avslutad kurs skall den studerande kunna:
- använda kunskaper om de vanliga statistiska fördelningarna för att skapa statistiska modeller,

- tillämpa 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,

- redovisa bakomliggande matematiska modeller för de ovannämnda metoder och genomföra teoretiska beräkningar med dessa modeller.

Kursinnehåll

Kursen omfattar ett brett utbud av de mest viktiga begrepp och metoder inom statistiken.

Kursen innehåller:
 

- sannolikhetsbegrepp,
- 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.

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 3 hp EC
INL1 Inlämningsuppgifter 3 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. Klicka på filen för att spara ner och öppna den.