Statistical Methods, 6 hp
Statistical Methods, 6 credits
732A93
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Ann-Charlotte HallbergStudierektor eller motsvarande
Ann-Charlotte HallbergTillgänglig för utbytesstudenter
JaKontaktinformation
Isak Hietala
Kostas Mitropoulos
Lotta Hallberg
Kursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
Fristående kurs (Halvfart, Dagtid) | HT 2019 | 201935-201944 | 1+3+4 | Engelska | Linköping, Valla | ||
Fristående kurs (Halvfart, Dagtid) | HT 2019 | 201935-201944 | 1+3+4 | Engelska | Linköping, Valla | ||
F7MSL | Statistics and Machine Learning, Master´s Programme | 1 (HT 2019) | 201935-201944 | 1+3+4 | Engelska | Linköping, Valla | V |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen 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.
Undantag för svenska 3/B
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, ECÖvrig 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 datavetenskapKod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
TENT | Tentamen | 3 hp | EC |
INL1 | Inlämningsuppgifter | 3 hp | EC |
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.