Kursussøgning, efter- og videreuddannelse – Københavns Universitet

Videresend til en ven Resize Print Bookmark and Share

Kursussøgning, efter- og videreuddannelse

Matematisk analyse og statistik i datalogi (MASD)

Praktisk information
Studieår 2016/2017
Tidspunkt
Blok 1
Niveau Bachelor
ECTS 7,5 ECTS
Kursusansvarlig
  • Aasa Feragen (4-707082704f73783d7a843d737a)
  • Datalogisk Institut
Kursusnummer: NDAB16007U

Engelsk titel

Mathematical Analysis and Statistics for Computer Scientists (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.

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.

 

Anbefalede faglige forudsætninger

LinAlgDat, Datastrukturer og diskret matematik.

Tilmelding

As an exchange, guest and credit student - click here!

Continuing Education - click here!

Uddannelse

Bacheloruddannelsen i datalogi

Studienævn

Studienævn for Matematik og Datalogi

Kursustype

Enkeltfag dagtimer (tompladsordning)

Varighed

1 blok

Skemagruppe

A (tirs 8-12 + tors 8-17)
---- SKEMA LINK ----

Undervisningsform

Forelæsninger, øvelser og obligatoriske hjemmeopgaver.

Undervisningssprog

Dansk

Arbejdsbelastning

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

Eksamen

Prøveform

Løbende bedømmelse
Eksamen består af en løbende bedømmelse af 5-7 opgaver

Hjælpemidler

Skriftlige hjælpemidler tilladt

Bedømmelsesform

7-trins skala

Kriterier for bedømmelse

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

Censurform

Ingen ekstern censur

Reeksamen

4 timers skriftlig eksamen.

Mere information om kurset
Er du BA- eller KA-studerende?
Er du bachelor- eller kandidat-studerende, så find dette kursus i kursusbasen for studerende:

Kursusinformation for indskrevne studerende