BYGG2100 Programming and Statistics Course description

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten:

• forstår problemløsning ved hjelp av programmering
• kjenner til innebygd funksjonalitet i Python
• har grunnleggende kjennskap til programmering med bruk av datastrukturer, funksjoner, og vektoriserte beregninger
• kan gjøre rede for sentrale begreper innen mengdelære, sannsynlighetsteori, parameterestimering, hypotesetestingsteori og modellvalg
• kan gjøre rede for sannsynlighetsfordelingene normal, binomisk, Poisson og eksponensial og typiske problemstillinger hvor de kan anvendes

Ferdigheter

Studenten kan:

• skrive programmer for å løse gitte problemstillinger
• dele opp et større problem i-delproblemer
• lage løsninger for virkelige problemer på en datamaskin med brukerinteraksjon, plott av data og lagring/lesing av data
• finne og rette feil i egne programmer samt være i stand til å sette seg inn i andres kildekode
• dra nytte av eksterne biblioteker i egen kildekode
• anvende statistiske prinsipper og begreper fra eget fagfelt
• utføre grunnleggende sannsynlighetsregning og parameterestimering
• sette opp konfidensintervaller og utføre hypotesetester for normalfordelte og binomisk fordelte data
• utføre enkle korrelasjons-/regresjonsanalyser

Generell kompetanse

Studenten kan:

• bruke Python til å løse relevante problemstillinger innen sitt fagfelt
• tilegne seg og ta i bruk ny programmeringskunnskap
• benytte statistiske tenkemåter på ingeniørproblemstillinger og formidler disse skriftlig og muntlig
• løse ingeniørproblemstillinger ved sannsynlighetsregning, statistisk forsøksplanlegging, datainnsamling og analyse

Forelesninger og øvinger.

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten:

• forstår problemløsning ved hjelp av programmering
• kjenner til innebygd funksjonalitet i Python
• har grunnleggende kjennskap til programmering med bruk av datastrukturer, funksjoner, og vektoriserte beregninger
• kan gjøre rede for sentrale begreper innen mengdelære, sannsynlighetsteori, parameterestimering, hypotesetestingsteori og modellvalg
• kan gjøre rede for sannsynlighetsfordelingene normal, binomisk, Poisson og eksponensial og typiske problemstillinger hvor de kan anvendes

Ferdigheter

Studenten kan:

• skrive programmer for å løse gitte problemstillinger
• dele opp et større problem i-delproblemer
• lage løsninger for virkelige problemer på en datamaskin med brukerinteraksjon, plott av data og lagring/lesing av data
• finne og rette feil i egne programmer samt være i stand til å sette seg inn i andres kildekode
• dra nytte av eksterne biblioteker i egen kildekode
• anvende statistiske prinsipper og begreper fra eget fagfelt
• utføre grunnleggende sannsynlighetsregning og parameterestimering
• sette opp konfidensintervaller og utføre hypotesetester for normalfordelte og binomisk fordelte data
• utføre enkle korrelasjons-/regresjonsanalyser

Generell kompetanse

Studenten kan:

• bruke Python til å løse relevante problemstillinger innen sitt fagfelt
• tilegne seg og ta i bruk ny programmeringskunnskap
• benytte statistiske tenkemåter på ingeniørproblemstillinger og formidler disse skriftlig og muntlig
• løse ingeniørproblemstillinger ved sannsynlighetsregning, statistisk forsøksplanlegging, datainnsamling og analyse

Individuell 4 timers skriftlig eksamen under tilsyn.

Eksamensresultat kan påklages.

Alle trykte og skrevne hjelpemidler. Håndholdt kalkulator som ikke kommuniserer trådløst og som ikke kan regne symbolsk. Dersom kalkulatoren har mulighet for lagring i internminnet skal minnet være slettet før eksamen. Stikkprøver kan foretas.

Gradert skala A-F

Én intern sensor. Ekstern sensor brukes jevnlig.

BEPE1700: 5stp

BYPE2200: 5stp

Én intern sensor. Ekstern sensor brukes jevnlig.

BEPE1700: 5stp

BYPE2200: 5stp