Statistiske metoder (StatMet)
Kursusindhold
Kurset introducerer en række praktiske og teoretiske værktøjer til at lave statistiske dataanalyser. Der lægges vægt på at sætte den studerende i stand til at bruge det statistiske software R effektivt til visualisering, oprensning, klargøring og modellering af konkrete datasæt. Desuden lægges vægt på at illustrere brugen af simulation og sampling baserede metoder som et naturligt værktøj til at analysere statistiske problemstillinger.
Kurset giver desuden en introduktion til klassen af lineære
normale modeller, som har en stor praktisk anvendelighed. Der
lægges vægt på at give en detaljeret matematisk forståelse af
resultater vedrørende fordelingen af estimatorer og teststørrelser
for en række vigtige modeller baseret på normalfordelingen: lineær
regression, en- og tosidet variansanalyse, flerfaktormodeller samt
kombinationer af disse.
Statistical Methods
Bacheloruddannelsen i matematik
Bacheloruddannelsen i forsikringsmatematik
Bacheloruddannelsen i matematik-økonomi
Viden:
- Kendskab til grundlæggende statistiske begreber (fx. fordelingsfunktion, fraktiler og momenter) og deres matematiske egenskaber
- Karakterisering af sandsynlighedsmål på R
- Praktisk og teoretisk forståelse af begreber og metoder som knytter sig til transformation af en- og flerdimensionale sandsynlighedsmål
- Kendskab til simulation som redskab
- Kendskab til sampling baserede metoder og fordelinger
- Kendskab til praktisk dataanalyse i R
- Dybdegående praktisk og teoretisk forståelse af en række eksempler på lineære normale modeller
Færdigheder:
Ved kursets afslutning forventes den studerende at kunne:
- Udlede fordelingsmæssige egenskaber for estimatorer og teststørrelser baseret på transformationer af normalfordelte variable
- Kunne beregne konfidensintervaller og udføre hypotesetest knyttet til udvalgte eksempler som gennemgås på kurset
- Benytte R til simulation og resampling fx. med henblik på at studere fordelingen af en estimator eller en teststørrelse
- Benytte R til praktiske dataanalyser
- Anvende og fortolke R output fra de lineære normale modeller som gennemgås på kurset
Kompetencer:
Den studerende skal efter endt kursus kunne
- Udvælge og anvende relevante statistiske metoder på konkrete datasæt ved brug af R
- Indgå i et fagligt samarbejde omkring løsningen af en statistisk opgave, hvori der indgår teoretiske såvel som praktiske aspekter
4 timers forelæsninger og 4 timers øvelser om ugen i 8 uger
Lebesgueintegralet og målteori (LIM) og Sandsynlighedsteori (SAND) senest samtidig samt et introducerende kursus i sandsynlighedsregning og statistik (fx. SS).
- ECTS
- 7,5 ECTS
- Prøveform
-
Løbende bedømmelse
- Prøveformsdetaljer
- Den løbende evaluering består af 2 multiple choice prøver og en
skriftlig opgave som besvares i mindre grupper.
Den endelig bedømmelse foretages som et vægtet gennemsnit af de 2 multiple choice prøver og den skriftlige opgave.Resultatet af de to multiple choice prøver vægtes hver med 25 %, og den skriftlige opgave vægtes med 50 %.
Der skal redegøres for den enkelte studerendes bidrag til besvarelsen af den skriftlige opgave, og der skal som udgangspunkt være 2-3 deltagere i hver gruppe.
For at bestå kræves at
* det individuelle bidrag til den skriftlige opgave er bestået
* de to multiple choice prøver er besvaret.
* den samlede vægtede bedømmelse af multiple choice opgaver og den skriftlige opgave bestås - Hjælpemidler
- Alle hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
En intern bedømmer
- Reeksamen
-
Samme som ordinær eksamen med følgende modifikationer:
Hvis den studerende har deltaget i 2 multiple choice prøver i forbindelse med den ordinære eksamen, så kan disse indgå ved bedømmelsen af reeksamen. Alternativt skal den studerende deltage i en skriftlig multiple choice prøve som vægtes med 50 % i den samlede bedømmelse.
Hvis den studerende i forbindelse med den ordinære eksamen har afleveret en gruppeopgave, så kan denne indgå med vægten 50 % i bedømmelsen ved reeksamen sammen med resultatet af den skriftlige multiple choice prøve. Alternativt skal der afleveres en gruppeopgave eller en individuel opgave senest 2 uger før første dag i reeksamensugen. Denne opgave vil svare til (men behøver ikke være identisk med) opgaven, som blev stillet i forbindelse med den ordinære eksamen.
Kriterier for bedømmelse
Den studerende skal på tilfredsstillende måde godtgøre, at vedkommende lever op til fagets målbeskrivelse.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 32
- Forberedelse (anslået)
- 99
- Teoretiske øvelser
- 32
- Projektarbejde
- 20
- Eksamensforberedelse
- 20
- Eksamen
- 3
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NMAB22015U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 2
- Skemagruppe
-
A (tirs 8-12 + tors 8-17)
- Kapacitet
- Ingen begrænsning – medmindre du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende.
- Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Institut for Matematiske Fag
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Line Katrine Harder Clemmensen (4-71706d68457266796d33707a336970)
Se skema
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende