Sannolikhetslära och statistik, 6 hp

Probability and Statistics, 6 credits

TDAB01

Huvudområde

Matematik Tillämpad matematik

Utbildningsnivå

Grundnivå

Kurstyp

Programkurs

Examinator

Mattias Villani

Studierektor eller motsvarande

Ann-Charlotte Hallberg

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Period Block Språk Ort/Campus VOF
6CMJU Civilingenjör i mjukvaruteknik 5 (HT 2017) 1 1 Svenska Linköping, Valla O

Huvudområde

Matematik, Tillämpad matematik

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G2X

Kursen ges för

  • Civilingenjör i mjukvaruteknik

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

Matematisk analys, speciellt derivator, integraler; Linjär algebra, speciellt beräkningar med vektorer och matriser; Diskret matematik, speciellt mängdlära och kombinatorik. Grundläggande programmering.

Lärandemål

Kursens övergripande mål är att ge en introduktion till den matematiska teorin för statistisk kvantifiering och analys av osäkerhet med hjälp av sannolikhetsmodeller, med speciell fokus på problemställningar inom datavetenskap och mjukvaruteknik. Kursen ger kunskaper i hur sannolikhetsmodeller och statistisk teori används för att dra slutsatser om osäkra kvantiteter utifrån observerade data, göra prediktioner och fatta optimala beslut under osäkerhet. Den statistiska inferensteorin presenteras både från ett frekvensbaserat och ett bayesianskt perspektiv.
Efter avslutat kurs skall den studerande kunna:

  • formulera relevanta slumpmodeller för statistisk analys av osäkerhet.
  • utföra sannolikhetsberäkningar för stokastiska variabler och deras fördelningar.
  • härleda punktskattningar med maximum likelihood-metoden samt beräkna konfidensintervall.
  • härleda en bayesiansk aposteriorifördelning för ett antal vanligt förekommande sannolikhetsmodeller.
  • utföra prediktioner och fatta optimala beslut med hjälp av sannolikhetsmodeller.
  • implementera statistiska beräkningar och simulering med sannolikhetsmodeller i ett modernt programspråk.

Kursinnehåll

Händelser och sannolikheter. Axiom för sannolikheter. Sannolikhetstolkningar.
Kombinatorik. Stokastiska variabler. Diskreta och kontinuerliga univariata fördelningar, bl a Bernoulli, likformig, Poisson, normal, t, gamma, chi-två och beta. Simultana sannolikhetsfördelningar, bl a multivariat normal, multinomial och Dirichletfördelningen. Marginalfördelningar och betingade fördelningar. Väntevärde och varians. Kovarians och korrelation. Statistiskt beroende. Chebyshevs olikhet. Stora talens lag. Centrala gränsvärdessatsen. Simulering. Introduktion till stokastiska processer. Markovprocesser. Deskriptiv och grafisk statistik. Punktskattningar. Samplingfördelningen. Likelihoodfunktionen och maximum likelihood-metoden. Bayesiansk inferens. Konfidensintervall och
bayesianska sannolikhetsintervall för populationsväntevärden och proportioner. Introduktion till hypotestest. Linjär regression. Prediktion. Korsvalidering. Beslutsteori. Problemlösning inom datavetenskap och mjukvaruteknik.

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, räkneövningar och datorlaborationer. Föreläsningar används för att introducera begrepp och teori som studenterna sedan använder i praktisk problemlösning vid räkneövningar och datorlaborationer.

Examination

LAB1Datorbaserade laborationsuppgifter2 hpU, G
TEN1Skriftlig tentamen4 hpU, 3, 4, 5
TEN1 är en skriftlig salstentamen som prövar studenternas teoretiska kunskaper och problemlösningsförmåga inom sannolikhetslära och statistisk inferensteori.
LAB1 består av datorlaborationer som prövar studenternas förmåga att omsätta teoretisk kunskap till praktisk problemlösning i ett modernt programmeringsspråk.

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Övrig information

Påbyggnadskurser: Statistisk teori fortsättningskurs, Sannolikhetsteori fortsättningskurs, Stokastiska processer.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt. 

Institution

Institutionen för datavetenskap

Studierektor eller motsvarande

Ann-Charlotte Hallberg

Examinator

Mattias Villani

Kurshemsida och andra länkar

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Kurslitteratur

Baron, M., Probability and Statistics for Computer Scientists, 2nd edition, Chapman & Hall, 2014.
Formelsamling
Kod Benämning Omfattning Betygsskala
LAB1 Datorbaserade laborationsuppgifter 2 hp U, G
TEN1 Skriftlig tentamen 4 hp U, 3, 4, 5
TEN1 är en skriftlig salstentamen som prövar studenternas teoretiska kunskaper och problemlösningsförmåga inom sannolikhetslära och statistisk inferensteori.
LAB1 består av datorlaborationer som prövar studenternas förmåga att omsätta teoretisk kunskap till praktisk problemlösning i ett modernt programmeringsspråk.

Kursplan

För varje kurs finns en kursplan. I kursplanen anges kursens mål och innehåll samt de särskilda förkunskaper som erfordras för att den studerande skall kunna tillgodogöra sig undervisningen.

Schemaläggning

Schemaläggning av kurser görs efter, för kursen, beslutad blockindelning. För kurser med mindre än fem deltagare, och flertalet projektkurser läggs inget centralt schema.

Avbrott på kurs

Enligt rektors beslut om regler för registrering, avregistrering samt resultatrapportering (Dnr LiU-2015-01241) skall avbrott i studier registreras i Ladok. Alla studenter som inte deltar i kurs man registrerat sig på är alltså skyldiga att anmäla avbrottet så att kursregistreringen kan 
tas bort. Avanmälan från kurs görs via webbformulär, www.lith.liu.se/for-studenter/kurskomplettering?l=sv. 

Inställd kurs

Kurser med få deltagare ( < 10) kan ställas in eller organiseras på annat sätt än vad som är angivet i kursplanen. Om kurs skall ställas in eller avvikelse från kursplanen skall ske prövas och beslutas detta av programnämnden. 

Föreskrifter rörande examination och examinator 

Se särskilt beslut i regelsamlingen: http://styrdokument.liu.se/Regelsamling/VisaBeslut/622678 

Examination

Tentamen

Skriftlig och muntlig tentamen ges minst tre gånger årligen; en gång omedelbart efter kursens slut, en gång i augustiperioden samt vanligtvis i en av omtentamensperioderna. Annan placering beslutas av programnämnden.

Principer för tentamensschemat för kurser som följer läsperioderna:

  • kurser som ges Vt1 förstagångstenteras i mars och omtenteras i juni och i augusti
  • kurser som ges Vt2 förstagångstenteras i maj och omtenteras i augusti och i oktober
  • kurser som ges Ht1 förstagångstenteras i oktober och omtenteras i januari och augusti
  • kurser som ges Ht2 förstagångstenteras i januari och omtenteras i påsk och i augusti 

Tentamensschemat utgår från blockindelningen men avvikelser kan förekomma främst för kurser som samläses/samtenteras av flera program.

  • För kurser som av programnämnden beslutats vara vartannatårskurser ges tentamina 3 gånger endast under det år kursen ges.
  • För kurser som flyttas eller ställs in så att de ej ges under något eller några år ges tentamina 3 gånger under det närmast följande året med tentamenstillfällen motsvarande dem som gällde före flyttningen av kursen.
  • Har undervisningen upphört i en kurs ges under det närmast följande året tre tentamina samtidigt som tentamen ges i eventuell ersättningskurs, alternativt i samband med andra omtentamina. Dessutom ges tentamen ytterligare en gång under det därpå följande året om inte programnämnden föreskriver annat.
  • Om en kurs ges i flera perioder under året (för program eller vid skilda tillfällen för olika program) beslutar programnämnden/programnämnderna gemensamt om placeringen av och antalet omtentamina. 

Anmälan till tentamen

För deltagande i tentamina krävs att den studerande gjort förhandsanmälan i Studentportalen under anmälningsperioden, dvs tidigast 30 dagar och senast 10 dagar före tentamensdagen. Anvisad sal meddelas fyra dagar före tentamensdagen via e-post. Studerande, som inte förhandsanmält sitt deltagande riskerar att avvisas om plats inte finns inom ramen för tillgängliga skrivningsplatser.

Teckenförklaring till tentaanmälningssystemet:
  ** markerar att tentan ges för näst sista gången
  * markerar att tentan ges för sista gången 

Ordningsföreskrifter för studerande vid tentamensskrivningar

Se särskilt beslut i regelsamlingen: http://styrdokument.liu.se/Regelsamling/VisaBeslut/622682

Plussning

Vid Tekniska högskolan vid LiU har studerande rätt att genomgå förnyat prov för högre betyg på skriftliga tentamina samt datortentamina, dvs samtliga provmoment med kod TEN och DAT. På övriga examinationsmoment ges inte möjlighet till plussning, om inget annat anges i kursplan.

Andra examinationsformer

För regler för omprov vid andra examinationsformer än skriftliga tentamina hänvisas till LiU-föreskrifterna för examination och examinator, http://styrdokument.liu.se/Regelsamling/VisaBeslut/622678. 

Försök till vilseledande

Vid grundad misstanke om att en student försökt vilseleda vid examination eller när en studieprestation ska bedömas ska enligt Högskoleförordningens 10 kapitel examinator anmäla det vidare till universitetets disciplinnämnd. Möjliga konsekvenser för den studerande är en avstängning från studierna eller en varning. För mer information se www.liu.se/disciplinnamnden.

Betyg

Företrädesvis skall betygen underkänd (U), godkänd (3), icke utan beröm godkänd (4) och med beröm godkänd (5) användas. Kurser som styrs av tekniska fakultetsstyrelsen fastställt tentamensschema skall därvid särskilt beaktas.

  1. Kurser med skriftlig tentamen skall ge betygen (U, 3, 4, 5).
  2. Kurser med stor del tillämpningsinriktade moment såsom laborationer, projekt eller grupparbeten får ges betygen underkänd (U) eller godkänd (G).

Examinationsmoment

  1. Skriftlig tentamen (TEN) skall ge betyg (U, 3, 4, 5).
  2. Examensarbete samt självständigt arbete ger betyg underkänd (U) eller godkänd (G).
  3. Examinationsmoment som kan ge betygen underkänd (U) eller godkänd (G) är laboration (LAB), projekt (PRA), kontrollskrivning (KTR), muntlig tentamen (MUN), datortentamen (DAT), uppgift (UPG).
  4. Övriga examinationsmoment där examinationen uppfylls framför allt genom aktiv närvaro som annat (ANN), basgrupp (BAS) eller moment (MOM) ger betygen underkänd (U) eller godkänd (G).

Rapportering av den studerandes examinationsresultat sker på respektive institution.

Regler

Universitetet är en statlig myndighet vars verksamhet regleras av lagar och förordningar, exempelvis Högskolelagen och Högskoleförordningen. Förutom lagar och förordningar styrs verksamheten av ett antal styrdokument. I Linköpings universitets egna regelverk samlas gällande beslut av regelkaraktär som fattats av universitetsstyrelse, rektor samt fakultets- och områdesstyrelser. 

LiU:s regelsamling angående utbildning på grund- och avancerad nivå nås på http://styrdokument.liu.se/Regelsamling/Innehall/Utbildning_pa_grund-_och_avancerad_niva. 

Baron, M., Probability and Statistics for Computer Scientists, 2nd edition, Chapman & Hall, 2014. <br>Formelsamling
I = Introducera, U = Undervisa, A = Använda
I U A Moduler Kommentar
1. ÄMNESKUNSKAPER
1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen
X
X
X
TEN1
Matematiskt ämne
1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen
X
LAB1
Pragrammeringskunskaper
1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen

                            
1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen

                            
1.5 Insikt i aktuellt forsknings- och utvecklingsarbete

                            
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
2.1 Analytiskt tänkande och problemlösning
X
X
X
LAB1
TEN1
Problemlösning. Formulera relevanta slumpmodeller. Kvantifiering och analys av osäkerhet. Prediktion och beslut.
2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
X
X
X
LAB1
TEN1
Slutledning. Utvärdering av hypoteser och modeller, bl a genom prediktion. Simulering av slumpmässiga system. Programmering.
2.3 Systemtänkande
X
X
X
LAB1
Helhetstänkande: modell-data-inferens-prediktion-beslut
2.4 Förhållningssätt, tänkande och lärande
X
LAB1
Kreativt och kritiskt tänkande vid problemlösning under lektioner och datorlabb.
2.5 Etik, likabehandling och ansvarstagande

                            
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
3.1 Arbete i grupp
X
LAB1
Datorövningar i grupper om två personer
3.2 Kommunikation
X
LAB1
Skriftlig rapport vid datorlabb. Diskussioner på lektioner och datorövningar.
3.3 Kommunikation på främmande språk

                            
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
X
Teknik som skapar information (data) - möjligheter och konsekvenser
4.2 Företags- och affärsmässiga villkor

                            
4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system

                            
4.4 Att konstruera produkter och system

                            
4.5 Att realisera produkter och system

                            
4.6 Att ta i drift och använda produkter och system

                            
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling för kunskapsutveckling

                            
5.2 Ekonomiska villkor för kunskapsutveckling

                            
5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt
X
X
Statistiska aspekter
5.4 Att genomföra forsknings- eller utvecklingsprojekt

                            
5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

                            

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.