Statistiska metoder för komplexa data, 7.5 hp
Statistical Methods for complex data, 7.5 credits
732G34
Huvudområde
StatistikUtbildningsnivå
GrundnivåKurstyp
Fristående- och programkursExaminator
Linda WänströmKursansvarig
Linda WänströmStudierektor eller motsvarande
Lotta HallbergKursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
F7KSA | Kandidatprogrammet i statistik och dataanalys | 5 (HT 2017) | 201743-201803 | Svenska | V | |
F7KSD | Kandidatprogrammet i statistik och dataanalys | 5 (HT 2017) | 201743-201803 | Svenska | V |
Huvudområde
StatistikUtbildningsnivå
GrundnivåFördjupningsnivå
G1XKursen ges för
- Kandidatprogrammet i statistik och dataanalys
Förkunskapskrav
För tillträde till kursen krävs att den studerande har genomgått kurserna Statistisk analys av samhällsdata och Sambandsmodeller, eller motsvarande.
Lärandemål
Efter avslutad kurs skall den studerande kunna:
- använda kunskap om de vanligaste statistiska inferensmetoderna inom analys av longitudinella data, hierarkiska data, överlevnadsdata, trunkerade data samt spatiala data,
- bedöma vilken modell som är relevant för dessa typer av data,
- på ett insiktsfullt sätt tolka resultat av de gjorda analyserna.
Kursinnehåll
Kursens delmoment behandlar:
- Introduktion till longitudinella, hierarkiska, kategoriska, trunkerade och censorerade datamängder.
- Longitudinella data: temporal korrelation, variogram, parametriska modeller för longitudinella data, fixa och slumpmässiga effekter.
- Hierarkiska data: flernivåmodeller, intraklasskorrelation.
- Kategoriska och trunkerade data: modeller för oordnade och ordnade kategorier, fördelningar för trunkerade data, Tobitregression.
- Överlevnadsdata: censorerade data, överlevnadsfunktion, hazardfunktion, Kaplan-Meieranalys, Coxregression.
- Spatiala data: spatial korrelation och spatialt beroende, modeller för spatiala data.
Undervisnings- och arbetsformer
Förutom självständiga studier består undervisningen av föreläsningar, lektioner samt datorlaborationer. Föreläsningarna ger en översikt över kursinnehållet och tar upp centrala begrepp och metoder. Lektionerna består av genomgång av övningsuppgifter. Datorlaborationerna illustrerar viktiga moment i kursen. Utöver detta ska den studerande utöva självstudier.
Examination
Kursen examineras genom skriftliga redogörelser av uppgifter från datorövningarna. 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
Tregradig skala, U, G, VGÖvrig 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.