ST521: Matematisk statistik

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N360000102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Bachelor

STADS ID (UVA): N360000101
ECTS-point: 10

Godkendelsesdato: 30-04-2018


Varighed: 1 semester

Version: Arkiv

Kommentar

25003101(tidligere UVA) er identisk med denne kursusbeskrivelse. 

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at have kendskab til stoffet fra MM533 Matematisk og numerisk analyse.

Formål

Kurset har til formål at sætte den studerende i stand til at forstå den
matematiske statistiks teori og metoder, hvilket er vigtigt i forhold
til at beherske disses anvendelse til praktisk data-analyse.

Kurset bygger oven på den viden, der er erhvervet i kurset MM533
Matematisk
og numerisk analyse, og giver en generel introduktion til matematisk
statistik. Kurset danner grundlag for efterfølgende kurser i statistik
såsom beregningsmæssig statistik, multivariat analyse, linerære modeller
og sandsynlighedsteori og giver mulighed for at skrive bachelorprojekt
indenfor statistik.

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

  • Give kompetence til at beherske den matematiske statistiks teori og metoder, samt deres anvendelser til statistisk udledning
  • Give færdigheder i at foretage statistisk analyse af data og kritisk begrunde valget af relevante analyse- og løsningsmodeller
  • Give teoretisk viden om og praktisk forståelse for anvendelsen af metoder og modeller fra statistik

Målbeskrivelse

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

  • beherske den matematiske statistiks teori og metoder,
  • beherske disses anvendelser til statistisk inferens

Indhold

Kurset indeholder følgende faglige hovedområder:

  • sandsynlighed og stokastiske variable
  • uafhængighed, betinget sandsynlighed og Bayes sætning
  • diskrete og kontinuerte fordelinger
  • middelværdi, varians og kovarians
  • specielle fordelinger
  • normalfordelingen og den centrale grænseværdisætning
  • momentfrembringende funktioner
  • konvergensbegreber og de store tals lov
  • likelihood funktionen og maximum likelihood estimation
  • score funktionen og Fishers informationsmatrix
  • Cramér-Rao’s informationsulighed og efficiens
  • konsistens og asymptotisk normalitet af maximum likelihood estimatoren
  • sufficiensbegrebet og dets anvendelse ved estimation
  • likelihood ratio testen og andre former for hypotesetest
  • statistisk inferens baseret på konfidensintervaller og hypotesetest

    Litteratur

    Se BlackBoard for pensumlister og yderligere litteraturhenvisninger.

    Eksamensbestemmelser

    Eksamenselement a)

    Tidsmæssig placering

    Efterår

    Udprøvninger

    Projekt og skriftlig eksamen

    EKA

    N360000102

    Censur

    Intern prøve, to eller flere bedømmere

    Bedømmelse

    7-trinsskala

    Identifikation

    Fulde navn og SDU brugernavn

    Sprog

    Følger, som udgangspunkt, undervisningssprog

    Hjælpemidler

     Oplyses på kurset

    ECTS-point

    10

    Uddybende information

    Projektet tæller 20 % af den samlede karakter.

    Eksamensformen ved reeksamen kan være en anden end eksamensformen ved den ordinære eksamen.

    Vejledende antal undervisningstimer

    120 timer per semester

    Undervisningsform

    For at sætte de studerende i stand til at nå læringsmålene for kurset tilrettelægges undervisningen således, at der er 120 forelæsningstimer, holdtimer etc. på et semester.

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

    • Introfase (forelæsning, holdtimer) - Antal timer: 60
    • Træningsfase: Antal timer: 60
    • Total: Antal timer: 120

    Ansvarlig underviser

    Navn E-mail Institut
    Jing Qin qin@imada.sdu.dk

    Skemaoplysninger

    Administrationsenhed

    Institut for Matematik og Datalogi (matematik)

    Udbudssteder

    Odense

    Anbefalede studieforløb

    Profil Uddannelse Semester Udbuds periode
    KA Sidefag i matematik for centralt fag i Idræt og Sundhed - optag 1. september 2017 og 2018 Kandidat i matematik | Odense 1 E18, F19
    KA Sidefag i matematik for centralt fag udenfor naturvidenskab - optag 1. september 2017 og 2018 Kandidat i matematik | Odense 1 E18, F19
    BA Centralt fag i anvendt matematik et-faglig - optag 1. september 2016 Bachelor i matematik og [sidefag] | Odense 3 E18, F19
    BA Centralt fag i anvendt matematik et-faglig - optag 1. september 2017 og 2018 Bachelor i matematik og [sidefag] | Odense 3 E18, F19
    BA Centralt fag matematik to-faglig med sidefag i datalogi, fysik og kemi - optag 1. september 2016 og frem Bachelor i matematik og [sidefag] | Odense 3 E18, F19
    BSc.scient.oecon BSc.scient.oecon | Bachelor i matematik-økonomi | Odense 3 F20
    BSc.scient.oecon BSc.scient.oecon | Bachelor i matematik-økonomi | Odense 3 F19
    BSc.scient.oecon BSc.scient.oecon | Bachelor i matematik-økonomi | Odense 3 E18
    BSc.scient.oecon BSc.scient.oecon | Bachelor i matematik-økonomi | Odense 3 E19
    KA Sidefag i matematik for centralt fag i biologi - optag 1. september 2017 og 2018 Kandidat i matematik | Odense 3 E18, F19
    KA Sidefag i matematik for centralt fag i datalogi - optag 1. september 2017 og 2018 Kandidat i matematik | Odense 3 E18, F19
    KA Sidefag i matematik for centralt fag i kemi eller fysik - optag 1. september 2017 og 2018 Kandidat i matematik | Odense 3 E18, F19
    KA Tilvalg matematik for centralt fag i kemi - optag 1. september 2018 Kandidat i matematik | Odense 3 E18, F19