Regressions- och variansanalys, 15 hp

Regression Analysis and Analysis of Variance, 15 credits

732G46

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

Kurstyp

Fristående- och programkurs

Examinator

Isak Hietala

Kursansvarig

Isak Hietala

Studierektor eller motsvarande

Jolanta Pielaszkiewicz
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort VOF
F7KSA Statistik och dataanalys, kandidatprogram 3 (HT 2022) 202234-202303 Svenska Linköping O

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G1F

Kursen ges för

  • Kandidatprogrammet i statistik och dataanalys

Förkunskapskrav

  • Grundläggande behörighet på grundnivå
    samt
    Samhällskunskap 1b eller 1a1 och 1a2
    samt
    Engelska 6
    samt
    Matematik 3b/3c eller Matematik C
  • Minst 37 hp på de kurser som ingår i termin 1 och 2 på Kandidatprogrammet i statistik och dataanalys

Lärandemål

Kursens mål är att den studerande ska tillägna sig insikter och färdigheter i att analysera samband mellan variabler, som krävs för kvalificerad yrkesverksamhet som statistiker.

Efter avslutad kurs ska den studerande kunna:

  • redogöra för de vanligaste metoderna för analys av linjära samband
  • visa en god förståelse av principerna att välja, skatta och validera linjära statistiska modeller
  • använda lämpliga linjära modeller för att studera samband mellan variabler i ett datamaterial
  • använda statistisk programvara för att genomföra analyserna
  • bedöma kvaliteten i givna datamängder och de generaliseringsmöjligheter som finns utifrån identifierade samband i data

Kursinnehåll

Under kursen studeras:

  • enkel och multipel linjär regressionsanalys
  • polynomregression
  • kovarians och korrelation
  • simultan inferens vid många test
  • skalor och kategoriska förklaringsvariabler
  • algebraisk beskrivning
  • multikolinjaritetsproblem och modellvalsmetoder
  • analys av avvikande observationer
  • logistisk regression
  • Poissonregression
  • likelihoodfunktioner och dess användande
  • kort om neurala nätverk
  • regressionsmodeller för obalanserade försöksplaner,
  • modeller för envägs och flervägs variansanalys med såväl fixa som slumpmässiga effekter
  • analys av kontraster och parvisa jämförelser
  • introducerande försöksplanering med blockförsök
  • kovariansanalys
  • icke-parametriska analysmetoder

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, lektioner och datorlaborationer. Utöver detta ska den studerande utöva självstudier.

Examination

Kursen examineras genom individuell skriftlig salstentamen samt individuella skriftliga inlämningsuppgifter. Detaljerad information finns i studieanvisningen.

Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift. 

Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.

Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.

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

Tregradig skala, U, G, VG

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.

Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan. 

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
TEN1 Tentamen 7.5 hp U, G, VG
LAB1 Laboration 7.5 hp U, G

Böcker

Kutner, Nachtsheim, Neter, Li, Applied Linear Statistical Models.

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.