MAMO3100 Statistical analysis Course description

Emnet vil gjøre studentene i stand til å benytte de mest sentrale statistiske metodene innen moderne kvantitativ analyse. Studentene vil også lære hvordan datainnsamling bør gjøres for å kunne gjennomføre pålitelig kvantitativ analyse.

Emnet bygger på DAPE2000 Matematikk 2000 med statistikk.

Ingen

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

Kunnskap

Studenten kan:

• forklare grunnleggende prinsipper innen forsøksplanlegging
• gjøre rede for grunnleggende begreper innen forsøksplanlegging og regresjonsanalyser som paring, balanserte data, variansanalyse, kvadratavvik, forklaringsvariabler, «maksimum likelihood», minste kvadraters metode og prediksjonsintervall.

Ferdigheter

Studenten kan: 

• planlegge og designe datainnsamling for en gitt problemstilling
• gjennomføre en, to og tre-faktor variansanalyser for å teste forskjell mellom grupper
• tilpasse en egnet regresjonsmodell ved å studere modellens residualer, og om nødvendig forsøke ulike variabeltransformasjoner og variabelseleksjon 
• sette opp hypoteser og regne ut konfidensintervaller for parametere i en regresjonsmodell
• skrive kildekode (i R, Python, Matlab el.) for å gjennomføre utregningene i varians og regresjonsanalyser

Generell kompetanse

Studenten kan:

• benytte statistiske tenkemåter på reelle problemstillinger og formidle disse skriftlig og muntlig
• løse reelle problemstillinger ved bruk av forsøksplanlegging og regresjonsanalyse
• identifisere metodenes begrensninger og likheter og forskjeller i forhold til nærliggende fagområder som matematisk modellering, numeriske metoder og maskinlæring.

Forelesninger og individuelle øvinger. Forelesninger vil være fordelt mellom tre type sesjoner:

1. gjennomgang av nytt stoff,
2. diskusjoner og refleksjoner og
3. oppgaveregning i grupper.

Øvingene er basert på eget arbeid individuelt og i grupper med veiledning fra faglærer og/eller studentassistenter. Øvingstimene vil bestå av både oppgaveregning og programmering.

Følgende arbeidskrav er obligatorisk og må være godkjent for å fremstille seg til eksamen:

En individuell innlevering med omfang på omtrent 3 timer. Studentene skal besvare regneoppgaver, arbeide med reelle data og implementere maskinlæringsmetoder. Oppgavene er utarbeidet slik at studentene må kombinere flere læringsmål for å kunne løse dem.

Oppgaven kan leveres på nytt en gang dersom den ikke blir godkjent

Individuell eksamen under tilsyn på 3 timer.

Eksamensresultat kan påklages.

Alle trykte og skrevne hjelpemidler tillatt.

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.

En intern sensor. Ekstern sensor brukes jevnlig.

Ingen overlapp med andre emner.