ST813: Statistisk Modellering

Kurset samlæses med ST523.

Kurset kan ikke vælges hvis du har bestået, er tilmeldt eller har fulgt ST523, eller hvis ST523 indgår som obligatorisk i din studieordning.

Studerende, der følger kurset, forventes at:

• Have kendskab til lineær algebra, calculus, grundlæggende statistik
• Kunne anvende den statistiske software R

Kurset har til formål at sætte den studerende i stand til at arbejde med lineære og generaliserede lineære modeller ud fra såvel et teoretisk og et anvendelsesperspektiv. Deltagerne vil opnå indsigt i lineære og generaliserede lineære modellers matematiske struktur, herunder erfaring med at genkende sådanne modeller ud fra et givet statistisk problem.

• Give kompetence til at håndtere modelopstillinger og/eller modelberegninger.
• Give færdigheder i at foretage statistisk analyse af data.
• Give teoretisk viden om og praktisk erfaring med at anvende metoder og modeller fra statistik.

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

• genkende de forskellige typer modeller og beskrive deres ligheder og forskelle, og gøre rede for den rolle som svarvariabel, forklarende variable, variansfunktion og linkfunktion spiller for statistisk modellering;
• manipulere de matematiske og statistiske elementer for lineære og generaliserede lineære modeller, så som parametre og principper for estimation, udledning af statistiske test baseret på standardfejl, devians og residual kvadratsum;
• udlede teoretiske egenskaber for nye modeller baseret på den generelle teori, samt skelne klart mellem eksakte og asymptotiske resultater;
• give overblik over de vigtigste eksempler på lineære og generaliserede lineære modeller, samt kunne identificere hvilke problemstillinger der kan løses ved hjælp af sådanne modeller; 
• anvende teoretiske resultater for lineære og generaliserede lineære modeller på konkrete eksempler, samt gøre rede for resultaternes praktiske fortolkning;
• erkende betydningen af og forskellen mellem regressionsparametre og dispersionsparameteren, og bruge denne viden i praktiske og teoretiske sammenhænge;
• udføre praktisk dataanalyse ved hjælp af statistisk modellering, herunder undersøge en models korrekthed ved hjælp af residualanalyse;
• udføre den statistiske analyse med brug af den statistiske software R, herunder kunne identificere og fortolke relevante oplysninger i programmets output;
• dokumentere resultaterne af en statistisk analyse i form af en skriftlig rapport.

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:

• Introfase (forelæsning) - 48 timer
  
• Træningsfase: 32 timer
  

I introfasen benyttes en modificeret udgave af klassisk forelæsning, hvor fagets grundbegreber og metoder præsenteres, med såvel teori som eksempler baseret på konkrete data. I disse timer er der mulighed for spørgsmål og diskussion. I træningsfasen arbejdes der med regneopgaver og diskussionsemner, som relaterer sig til indholdet i de forudgående introfasetimer. I disse timer er der mulighed for at arbejde specifikt med særligt vanskelige emner. I studiefasen arbejder de studerende selvstændigt med opgaver og forståelsen af fagets termer og begreber diskuteres. Der er efterfølgende mulighed for at bringe spørgsmål op i enten introfasetimerne eller træningsfasetimerne. 

Aktiviteter i studiefasen hvor de studerende forventes at:

• Arbejde med de nye begreber.
• Øge deres forståelse af de emner der dækkes ved forelæsningerne.
• Løse relevante opgaver.
• Læs teksten bogkapitler og videnskabelige tidsskriftsartikler leveres som støtte til forelæsningerne

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.