Statistisk modellering med regressionsmetoder, 6 hp

Statistical Modelling with Regression Methods, 6 credits

TAMS41

Huvudområde

Matematik Tillämpad matematik

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Martin Singull

Studierektor eller motsvarande

Nils-Hassan Quttineh

Undervisningstid

Preliminär schemalagd tid: 44 h
Rekommenderad självstudietid: 116 h

Tillgänglig för utbytesstudenter

Ja
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Period Block Språk Ort/Campus VOF
6CKEB Civilingenjör i kemisk biologi – med valbar utgång till naturvetenskaplig kandidat (Industriell bioteknik och produktion) 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla O
6CKEB Civilingenjör i kemisk biologi – med valbar utgång till naturvetenskaplig kandidat (Protein Science and Technology) 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla O
6CTBI Civilingenjör i teknisk biologi (Industriell bioteknik och produktion) 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla O
6CTBI Civilingenjör i teknisk biologi (Sensorer och material i biomedicin) 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla O
6CYYY Civilingenjör i teknisk fysik och elektroteknik 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6CYYI Civilingenjör i teknisk fysik och elektroteknik - internationell, franska 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6CYYI Civilingenjör i teknisk fysik och elektroteknik - internationell, japanska 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6CYYI Civilingenjör i teknisk fysik och elektroteknik - internationell, kinesiska 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6CYYI Civilingenjör i teknisk fysik och elektroteknik - internationell, spanska 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6CYYI Civilingenjör i teknisk fysik och elektroteknik - internationell, tyska 7 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V
6MMAT Matematik, masterprogram 1 (HT 2020) 2 3 Svenska/Engelska Linköping, Valla V

Huvudområde

Matematik, Tillämpad matematik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Civilingenjör i kemisk biologi – med valbar utgång till naturvetenskaplig kandidat
  • Civilingenjör i teknisk biologi
  • Civilingenjör i teknisk fysik och elektroteknik - internationell
  • Civilingenjör i teknisk fysik och elektroteknik
  • Masterprogram i matematik

Förkunskapskrav

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

Rekommenderade förkunskaper

Grundläggande kunskaper i sannolikhetslära och statistisk teori.

Lärandemål

Kursen avser att lära den studerande förstå och utnyttja olika regressionsmodeller för att analysera data från olika tillämpningar, det vill säga ge studenten kännedom om statistiska begrepp och verktyg för att relatera en eller flera responsvariabler till möjliga förklarande variabler. Modeller och metoder för två olika tillämpningsområden diskuteras: i) klassisk statistisk modellering, där man har relativt få förklarande variabler samt förhållandevis många observationer vilket leder till olika typer av (multivariata) regressionsmodeller; samt ii) högdimensionella modeller, när det finns många fler förklarande variabler än observationer, vilket leder till prediktions- och klassificeringsalgoritmer för högdimensionella data.

Efter fullgjord kurs förväntas studenten: 

  • känna till statistiska egenskaperna hos punktskattningar som används inom olika regressionsmodeller,
  • lista och kunna redogöra för antagandena bakom de standardparametriska regressionsmodellerna,
  • bedöma modellanpassning av en regressionsmodell till data och veta hur man identifierar, diagnostiserar och åtgärder potentiella problem,
  • identifiera och utveckla regressionsmodelleringsstrategier som är lämpliga för såväl små som stora och massiva datamängder,
  • förklara hur den multipla linjära regressionen kan generaliseras för att hantera en responsvariabel som är binär eller kategorisk,
  • använda generaliserade linjära modeller för att analysera data, samt tolka och kritiskt granska resultaten av analyserna,
  • förstå behovet av blandade linjära modeller och använda dessa i statistiska analyser,
  • självständigt kunna analysera ett verkligt datamaterial utifrån ovanstående sammanhang.

Kursinnehåll

Linjära modeller. ANOVA och MANOVA. Multipel linjär regression. Modellanpassning och diagnostik. Modellvalidering.Icke-linjär regression. Generaliserade linjära modeller och logistisk regression. Regressionsmetoder för högdimensionella data (Ridge, Lasso). Blandade linjära modeller. Upprepade mätningar. PLS-modellering och principalkomponentregression (PCR).

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, lektioner/datorlektioner samt en projektuppgift.

Examination

UPG1Projektuppgift2 hpU, G
TEN1Skriftlig tentamen4 hpU, 3, 4, 5

Betygsskala

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

Övrig information

Om undervisnings- och examinationsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt". Examinationsspråk relaterar till undervisningsspråk enligt nedan:

  • Om undervisningsspråk är Svenska ges kursen i sin helhet eller till stora delar på svenska. Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska. Examinationsspråk är svenska. 
  • Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov. Examinationsspråk är svenska eller engelska. 
  • Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska. Examinationsspråk är engelska. 

Övrigt

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

Matematiska institutionen

Studierektor eller motsvarande

Nils-Hassan Quttineh

Examinator

Martin Singull

Kurshemsida och andra länkar

Undervisningstid

Preliminär schemalagd tid: 44 h
Rekommenderad självstudietid: 116 h

Kurslitteratur

Böcker

  • Dobson, A. J., & Barnett, A., (2008) An introduction to generalized linear models CRC press
  • Hastie, T., Tibshirani, R., & Friedman, J., (2017) The Elements of Statistical Learning 2 Springer
  • James, G., Witten, D., Hastig, T., & Tibshirani, R., (2013) An introduction to statistical learning Springer

Kompendier


  • Kompletterande material utgivet av institutionen.
Kod Benämning Omfattning Betygsskala
UPG1 Projektuppgift 2 hp U, G
TEN1 Skriftlig tentamen 4 hp U, 3, 4, 5

Kursplan

För varje kurs ska en kursplan finnas. 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 enligt, för kursen, beslutad blockindelning. 

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 dekanus. 

Riktlinjer rörande examination och examinator 

Se Beslut om Riktlinjer för utbildning och examination på grundnivå och avancerad nivå vid Linköpings universitet, http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592. 

Examinator för en kurs ska inneha en läraranställning vid LiU i enlighet med LiUs anställningsordning (https://styrdokument.liu.se/Regelsamling/VisaBeslut/622784). För kurser på avancerad nivå kan följande lärare vara examinator: professor (även adjungerad och gästprofessor), biträdande professor (även adjungerad), universitetslektor (även adjungerad och gästlektor), biträdande universitetslektor eller postdoktor. För kurser på grundnivå kan följande lärare vara examinator: professor (även adjungerad och gästprofessor), biträdande professor (även adjungerad), universitetslektor (även adjungerad och gästlektor), biträdande universitetslektor, universitetsadjunkt (även adjungerad och gästadjunkt) eller postdoktor. I undantagsfall kan även en Timlärare utses som examinator på både grund- och avancerad nivå, se Tekniska fakultetsstyrelsen vidaredelegationer. 

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 mars och i augusti 

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

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.

När en kurs ges för sista gången ska ordinarie tentamen och två omtentamina erbjudas. Därefter fasas examinationen ut med tre tentamina samtidigt som tentamen ges i eventuell ersättningskurs under det följande läsåret. Om ingen ersättningskurs finns ges tre tentamina i omtentamensperioder under det följande läsåret. Annan placering beslutas av programnämnden. I samtliga fall ges dessutom 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.

Plussning är ej möjlig på kurser som ingår i utfärdad examen.

Regler för omprov

För regler för omprov vid andra examinationsformer än skriftliga tentamina och datortentamina hänvisas till LiU-riktlinjerna för examination och examinator, http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592. 

Plagiering

Vid examination som innebär rapportskrivande och där studenten kan antas ha tillgång till andras källor (exempelvis vid självständiga arbeten, uppsatser etc) måste inlämnat material utformas i enlighet med god sed för källhänvisning (referenser eller citat med angivande av källa) vad gäller användning av andras text, bilder, idéer, data etc. Det ska även framgå ifall författaren återbrukat egen text, bilder, idéer, data etc från tidigare genomförd examination, exempelvis från kandidatarbete, projektrapporter etc. (ibland kallat självplagiering).

Underlåtelse att ange sådana källor kan betraktas som försök till vilseledande vid examination.

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 https://www.student.liu.se/studenttjanster/lagar-regler-rattigheter?l=sv.

Betyg

Företrädesvis skall betygen underkänd (U), godkänd (3), icke utan beröm godkänd (4) och med beröm godkänd (5) användas. 

  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).
  3. Examensarbete samt självständigt arbete ger betyg underkänd (U) eller godkänd (G).

Examinationsmoment

  1. Skriftlig tentamen (TEN) skall ge betyg (U, 3, 4, 5).
  2. Examinationsmoment som kan ge betygen underkänd (U) eller godkänd (G) är laboration (LAB), projekt (PRA), kontrollskrivning (KTR), muntlig tentamen (MUN), datortentamen (DAT), uppgift (UPG), hemtentamina (HEM).
  3. 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).
  4. Examinationsmomenten Opposition (OPPO) och Auskultation (AUSK) inom examensarbetet ger betyg underkänd (U) eller godkänd (G).

För obligatoriska moment gäller att: 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. (I enlighet med LiU-riktlinjerna http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592). 

För samtliga examinationsmoment gäller att: 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 istället har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål. (I enlighet med LiU-riktlinjerna http://styrdokument.liu.se/Regelsamling/VisaBeslut/917592).

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. 

Böcker

Dobson, A. J., & Barnett, A., (2008) An introduction to generalized linear models CRC press
Hastie, T., Tibshirani, R., & Friedman, J., (2017) The Elements of Statistical Learning 2 Springer
James, G., Witten, D., Hastig, T., & Tibshirani, R., (2013) An introduction to statistical learning Springer

Kompendier

Kompletterande material utgivet av institutionen.

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

                            
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
TEN1
UPG1
Logiskt tänkande, modelltänkande och problemlösning.
2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
X
X
UPG1
Försöksplanering, simulering.
2.3 Systemtänkande

                            
2.4 Förhållningssätt, tänkande och lärande
X
TEN1
Individuell problemlösning vid tentamen och av inlämningsuppgifter.
2.5 Etik, likabehandling och ansvarstagande
X
TEN1
Kritiskt tänkande.
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
3.1 Arbete i grupp
X
UPG1
Projektuppgift görs i grupper om 4 studenter.
3.2 Kommunikation
X
UPG1
Diskussioner på lektioner, samt presentation av projektuppgift.
3.3 Kommunikation på främmande språk
X
Engelsk kursbok och programvara.
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

                            
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
UPG1
Statistiska aspekter.
5.4 Att genomföra forsknings- eller utvecklingsprojekt

                            
5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt
X
X
UPG1
Statistiska aspekter.

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.