Multivariata statistiska metoder, 6 hp
Multivariate Statistical Methods, 6 credits
732A97
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Krzysztof BartoszekKursansvarig
Krzysztof BartoszekStudierektor eller motsvarande
Ann-Charlotte HallbergTillgänglig för utbytesstudenter
JaKontaktinformation
Isak Hietala
Lisa Dobrosch
Lotta Hallberg
Kursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
Fristående kurs (Halvfart, Dagtid) | HT 2017 | 201743-201803 | Engelska | Linköping, Valla | ||
Fristående kurs (Halvfart, Dagtid) | HT 2017 | 201743-201803 | Engelska | Linköping, Valla | ||
F7MSG | Statistics and Data Mining, Master´s Programme | 1 (HT 2017) | 201744-201751 | Engelska | V | |
F7MSG | Statistics and Data Mining, Master´s Programme | 3 (HT 2017) | 201744-201751 | Engelska | V |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen 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.
Studenten ska också ha minst en godkänd kurs inom båda dessa ämnesområden: Statistisk interferens; linjära statistiska metoder.
Dokumenterade kunskaper i engelska motsvarande Engelska B/Engelska 6.
Lärandemål
Efter avslutad kurs skall den studerande kunna:
- analysera ett multivariat datamaterial med hjälp av lämpliga mutivariata modeller,
- redogöra för matematiska modeller som relaterar sig till olika multivariata metoder och härleda teoretiska resultat från dessa modeller,
- tillämpa statistisk hypotesprövning och teorin för stora stickprov för att utvärdera trovärdighet av multivariata modellers resultat,
- använda datorsimuleringar för att lösa multivariata statistiska problem,
- redogöra för olika typer av kovariansstruktur och deras inflytande på tolkningar,
- tillämpa multivariata metoder för dimensionsreducering.
Kursinnehåll
Kursen omfattar den matematiska teorin för multivariat normalfördelning, relaterade fördelningar och en praktisk tillämpning av denna teori till en mängd av multivariata statistiska modeller och inferensproblem i statistik, maskininlärning och ingenjörsvetenskap.
Kursen behandlar följande:
- matrisalgebra, slumpvektorer och slumpmatriser
- multivariat normalfördelning, matematiska egenskaper av stickprovsfördelningar och teorin för stora stickprov,
- inferens om medelvektorer, relaterade modeller för hypotesprövning och konfidensregioner,
- principalkomponentsanalys och inferens för stora stickprov,
- faktoranalys,
- kanonisk korrelationsanalys och inferens för stora stickprov,
- MANOVA modeller.
Undervisnings- och arbetsformer
Kursen består av föreläsningar, datorövningar och seminarier som kompletteras med självstudier. Föreläsningarna ägnas åt genomgång av teori, koncept och metodik. Datorövningarna ger praktisk analys av multivariata datamaterial. Seminarier ägnas åt studentpresentationer och diskussion av uppgifter.
Undervisningspråk: engelska.
Examination
Skriftlig redovisning av labbuppgifter. Aktivt deltagande på seminarier. En skriftlig eller en muntlig tentamen. Detaljerad information återfinns i studiehandledningen.
Studerande som 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 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 datavetenskapDet finns inga examinationsmoment att visa.
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.