Matematisk analyse og statistik i datalogi (MASD)

Kursusindhold

Kurset giver en introduktion til analyse, sandsynlighedsregning og statistik med datalogiske anvendelser. Kurset omfatter:

  • Kontinuitet, differentiation, integration og optimering i en variabel.
  • Sandsynlighed, betinget sandsynlighed og uafhængighed.
  • Stokastiske variable, middelværdi og varians.
  • Diskrete og kontinuerte fordelinger.
  • Binomialfordelingen og normalfordelingen.
  • Den centrale grænseværdisætning.
  • Deskriptive statistiske metoder.
  • Estimation af parametre og konfidensintervaller.
  • Test af hypoteser.
  • Likelihoodfunktion og maksimum-likelihood estimation.
Engelsk titel

Mathematical Analysis and Statistics for Computer Scientists (MASD)

Uddannelse

Bacheloruddannelsen i datalogi

Målbeskrivelse

Viden:

  • Almindelige matematiske funktioner af en reel variabel.
  • Almindelige sandsynlighedsfordelinger og deres anvendelser.
  • De sandsynlighedsteoretiske aksiomer samt de elementære principper for sandsynlighedsberegninger.
  • Relationen mellem stokastiske variable og sandsynlighedsfordelinger.
  • Statistiske modeller og grundlæggende principper for statistisk dataanalyse.

Færdigheder:

  • Kunne differentiere og integrere almindelige funktioner af en variabel.
  • Kunne udføre elementære sandsynlighedsberegninger samt foretage almindelige approksimationer eller vurderinger af sandsynligheder.
  • Kunne udføre estimation i simple normalfordelingsmodeller, herunder ét- og to-stikprøveproblemer, både formelmæssigt og vha et computerprogram.
  • Kunne udføre grundlæggende statistiske test, både formelmæssigt og vha et computerprogram.

Kompetencer:

  • Kunne oversætte datalogiske og andre videnskabelige problemstillinger, der involverer usikkerhed eller tilfældighed, til sandsynlighedsteoretiske problemstillinger, som derefter kan analyseres matematisk.
  • Kunne opbygge og bruge simple statistiske modeller, kunne vurdere deres relevans for at afklare konkrete videnskabelige spørgsmål, og kunne kvantificere usikkerheder om de konklusioner, der drages.

 

Forelæsninger, øvelser og obligatoriske hjemmeopgaver.

LinAlgDat, Datastrukturer og diskret matematik.

ECTS
7,5 ECTS
Prøveform
Løbende bedømmelse
Eksamen består af en løbende bedømmelse af 5-7 opgaver
Hjælpemidler
Skriftlige hjælpemidler tilladt
Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Kriterier for bedømmelse

Den studerende skal på tilfredsstillende måde godtgøre at han/hun lever op til fagets målbeskrivelse.

Enkeltfag dagtimer (tompladsordning)

  • Kategori
  • Timer
  • Forelæsninger
  • 32
  • Holdundervisning
  • 28
  • Forberedelse
  • 30
  • Projektarbejde
  • 116
  • Total
  • 206