EPN-V2

MAMO3100 Statistical analysis Course description

Course name in Norwegian
Statistisk analyse
Weight
10.0 ECTS
Year of study
2024/2025
Course history
Curriculum
SPRING 2025
Schedule
  • Introduction

    Emnet vil gjøre studentene i stand til å benytte sentrale statistiske metoder innen moderne kvantitativ analyse, blant annet hvordan ulike regresjonsmodeller brukes for å forstå sammenhenger i data og forutsi fremtidige utfall. I tillegg vil studentene lære hvordan innsamling av data bør gjøres for å kunne gjennomføre pålitelig kvantitativ analyse.

  • Recommended preliminary courses

    Emnet bygger på DAPE2000 Matematikk 2000 med statistikk.

  • Required preliminary courses

    Ingen

  • Learning outcomes

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

    Kunnskap

    Studenten kan:

    • gjøre rede for grunnleggende begreper innen regresjonsanalyser som paring, balanserte data, forklaringsvariabler, sannsynlighetsmaksimering, minste kvadraters metode, prediksjonsintervall, tilfeldige effekter, bootstrapping og generaliserte lineære modeller

    Ferdigheter

    Studenten kan:

    • planlegge og designe datainnsamling for en gitt problemstilling
    • 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 parametre i en regresjonsmodell
    • identifisere de viktigste prediktorene i en modell ved bruk av forklarbar kunstig intelligens
    • skrive kildekode (i R, Python, Matlab el.) for å gjennomføre utregningene i 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 vurdere likheter og forskjeller med metoder fra matematisk modellering, numerikk og maskinlæring
  • Teaching and learning methods

    Forelesninger og individuelle øvinger. Øvingstimene vil bestå av både oppgaveregning og programmering.

  • Course requirements

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

    To til tre obligatoriske gruppearbeid/innlevering med 2-4 medlemmer hvor minst en må være godkjent.

  • Assessment

    Individuell eksamen under tilsyn på 3 timer.

    Eksamensresultat kan påklages.

    Ved ny eller utsatt eksamen kan en annen eksamensform bli benyttet. Hvis muntlig eksamen benyttes kan denne ikke påklages.

  • Permitted exam materials and equipment

    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.

  • Grading scale

    Gradert skala A-F.

  • Examiners

    En intern sensor. Ekstern sensor brukes jevnlig.

  • Overlapping courses

    Ingen overlapp med andre emner.