Programplaner og emneplaner - Student
MAMO3100 Statistisk analyse Emneplan
- Engelsk emnenavn
- Statistical analysis
- Omfang
- 10.0 stp.
- Studieår
- 2024/2025
- Emnehistorikk
-
- Pensum
-
VÅR 2025
- Timeplan
-
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.