Matematisk statistik (MStat)
Kursusindhold
Kurset en introduktion til matematiske statistik på et målteoretisk grundlag og dækker emnerne: statistiske modeller, likelihood og likelihoodfunktion, estimation, konfidensområder, hypotesetest samt asymptotisk teori.
De generelle teoretiske elementer i kurset udgør det matematiske fundament for en lang række videregående statistiske modeller og metoder, hvoraf der i kurset vil være særligt fokus på eksponentielle familier og maksimum-likelihood estimation.
Eksponentielle familier omfatter mange statistiske standardmodeller, som er udbredt i praktiske anvendelser. Herunder log-lineære modeller for antalstabeller. Samtidig udgør eksponentielle familier en klasse af modeller, som tillader en relativt simpel og fuldstændig behandling af maksimum-likelihood estimatorens asymptotiske egenskaber. Kurset giver således en detaljeret behandling af den matematiske teori bag nogle af de mest anvendte statistiske metoder. De teoretiske resultater vil i løbet af kurset blive sammenlignet med alternative computerintensive metoder baseret på simulation.
Mathematical Statistics
Bacheloruddannelsen i matematik
Bacheloruddannelsen i forsikringsmatematik
Bacheloruddannelsen i matematik-økonomi
Viden:
- Statistiske grundbegreber såsom likelihoodfunktion, estimation, konfidensområde og hypotesetest
- Statistiske modeller, herunder specielt eksponentielle familier, samt disses anvendelser
- Asymptotiske metoder og fordelingsresultater
- Kendskab til simulation som redskab
- Kendskab til praktisk dataanalyse i R
Færdigheder:
Ved kursets afslutning forventes den studerende at kunne:
- Opstille og analysere generelle statistiske modeller, herunder udlede likelihoodfunktioner og deraf afledte funktioner
- Identificere eksponentielle familier og benytte den generelle teori for sådanne i forbindelse med analysen af konkrete statistiske modeller
- Finde fordelingsmæssige egenskaber for estimatorer, teststørrelser og konfidensintervaller eksakt såvel som asymptotisk
- Sammenligne og tage stilling til valg af estimatorer og teststørrelser
-
Benytte R til analyser og simulationer
Kompetencer:
Den studerende skal efter endt kursus kunne:
- Identificere relevante statistiske modeller, herunder særligt eksponentielle familier, på baggrund af konkrete videnskabelige problemstillinger
- Indgå i et fagligt samarbejde omkring løsningen af en større statistisk opgave, hvori der indgår teoretiske såvel som praktiske aspekter
4 timers forelæsninger og 4 timers øvelser om ugen i 7 uger
Matematisk analyse og indledende kurser i statistik og/eller
machine learning, f.eks. SS og enten StatMet eller MLA og MLB.
Sandsynlighedsteori på et målteoretisk grundlag (f.eks. Sand),
herunder kendskab til den flerdimensionale normalfordeling og den
centrale grænseværdisætning.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig prøve, 4 timer med opsyn.
- Prøveformsdetaljer
- Kurset er udtaget til ITX-eksamen.
Se vigtig information om ITX-stedprøver på Studieinformation under punktet: Eksamen -> Eksamensform og regler -> Skriftlig stedprøve (ITX-prøve). - Hjælpemidler
- Alle hjælpemidler tilladt
Da eksamen afholdes som ITX-eksamen, stiller KU’s eksamenshus computere til rådighed. Egen computer, tablet, lommeregner eller mobiltelefon må IKKE medbringes.
- Bedømmelsesform
- 7-trins skala
- Censurform
- 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
- 28
- Forberedelse (anslået)
- 106
- Teoretiske øvelser
- 28
- Eksamensforberedelse
- 40
- Eksamen
- 4
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NMAB22005U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 4
- Skemagruppe
-
A (tirs 8-12 + tors 8-17)
- Kapacitet
- Der kan være færre pladser i eftertilmeldingsperioden
- Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Institut for Matematiske Fag
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Niels Richard Hansen (14-76716d747b367a367069767b6d764875697c7036737d366c73)
Timetable
Are you BA- or KA-student?
Courseinformation of students