EPN-V2

MAMO3100 Statistisk analyse Emneplan

Engelsk emnenavn
Statistical analysis
Studieprogram
Bachelorstudium i ingeniørfag – matematisk modellering og datavitenskap
Omfang
10.0 stp.
Studieår
2024/2025
Timeplan
Emnehistorikk

Innledning

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.

Anbefalte forkunnskaper

Emnet bygger på DAPE2000 Matematikk 2000 med statistikk.

Forkunnskapskrav

Ingen

Læringsutbytte

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

Arbeids- og undervisningsformer

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

Arbeidskrav og obligatoriske aktiviteter

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.

Vurdering og eksamen

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.

Hjelpemidler ved eksamen

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.

Vurderingsuttrykk

Gradert skala A-F.

Sensorordning

En intern sensor. Ekstern sensor brukes jevnlig.

Emneoverlapp

Ingen overlapp med andre emner.