Regressions- och variansanalys, 15 hp

Regression Analysis and Analysis of Variance, 15 credits

732G46

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

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
F7KSA Kandidatprogrammet i statistik och dataanalys 3 (HT 2019) 201934-202003 Svenska Linköping, Valla O

Huvudområde

Statistik

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G2F

Kursen ges för

  • Kandidatprogrammet i statistik och dataanalys

Förkunskapskrav

37 hp godkända från de kurser som ingår i T1 och T2 på kandidatprogrammet i Statistik och dataanalys, eller motsvarande.

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.

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.

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.