DS803: Statistik for Data Science

Dette kursus kan ikke følges af kandidatstuderende på Datalogi. 

Studerende, der følger kurset, forventes at:

• Have kendskab til matematik på gymnasialt niveau
• Kunne anvende PC

Kurset kan ikke følges af studerende, der: Har bestået basale eller videregående statistikkurser på niveau med ST520 Anvendt statistik eller højere.

Kurset har til formål at sætte den studerende i stand til at 

• Forstå basale begreber indenfor sandsynlighedsregning og fordelingsteori.
• Benytte grafiske og summariske metoder til beskrivende analyse.
• Beskrive data ved hjælp af nøgletalstørrelser såsom middelværdi, varians og korrelation.
• Opskrive konfidensintervaller for nøgletalstørrelser.
• Teste simple statistiske hypoteser.
• Analysere data ved hjælp af simple regressionsmetoder.
• Planlægge dataindsamling.
• Forstå centrale elementer i publicerede resultater fra statistiske analyser af konkrete data.
• Foretage en kritisk vurdering af relevansen af anvendte metoder og inferensen baseret herpå.
• Formulere statistiske resultater i ikke-tekniske termer.
• Anvende den statistiske software R til analyse af konkrete data, hvilket er vigtigt i forhold til at kunne arbejde akademisk med data science problemstillinger. 

Kurset bygger indirekte oven på den viden, der er erhvervet i kurser på den studerendes respektive bachelorstudie, og giver grundlag for studiet af samtlige emner senere i master-forløbet, herunder arbejdet master-projektet.

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

• Give kompetence til at arbejde kritisk med egne projekter og data.
  
• Give færdigheder i kritisk vurdering af videnskabelige publikationer.
• Give viden om valg og anvendelse af passende statistiske analysemetoder.

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

• Benytte grafiske og summariske metoder til beskrivende dataanalyse.
• Beskrive data ved hjælp af nøglestørrelser som middelværdi, varians og korrelation.
• Opskrive konfidensintervaller for nøglestørrelser.
• Teste simple statistiske hypoteser.
• Analysere data ved hjælp af simple regressionsmetoder.
• Planlægge dataindsamling.
• Forstå centrale elementer i publicerede resultater fra statistiske analyser af konkrete data.
• Vurdere relevansen af anvendte metoder og inferensen baseret herpå.
• Formulere statistiske resultater i ikke-tekniske termer.
• Benytte R til simple statistiske analyser.

Kurset indeholder følgende faglige hovedområder:

• Grundlaget for statistiske overvejelser. 
• Fra population til stikprøve og tilbage igen. 
• Basale parametre og deres estimation. 
• Beskrivende statistik (tabeller og grafisk præsentation). 
• Basal calculus 
• Sandsynligheder og fordelinger. 
• Hypoteser og principper for tests. 
• Eksempler på testmetoder: t-test, chi-kvadrat-test. 
• Basale begreber bag lineære modeller med udgangspunkt i simpel lineær regression. 
• Basale begreber med hensyn til studiedesign. Hyppige problemer indenfor anvendt statistik (typer af inferensfejl, massesignifikans). 
• I kurset anvendes den statistiske software R.

Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

 På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

• Introfase (forelæsning, holdtimer) - Antal timer: 26
• træningsfase: Antal timer: 22, heraf eksaminatorietimer 11 og laboratorieøveler 11 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. 

Studiefaseaktiviteter:

• Arbejde med konkrete regneopgaver, ud over de opgaver, der indgår i træningsfasetimerne.
• Diskussion af fagets termer og begreber og problemer med dataindsamling og datakvalitet.