ST817: Matematisk statistik II

Kommentar

Bemærk at dette kursus i foråret 2024 afvikles som studiekreds.

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at have kendskab til matematisk statistik, svarende til indholdet af kurset ST521 Matematisk Statistik.

Kurset bygger oven på den viden, der er erhvervet i kurset ST521, og demonstrerer avancerede emner i 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 masterprojekt indenfor statistik.

Formål

Kurset har til formål at bibringe den studerende en yderligere og avanceret forståelse af den matematiske statistiks teori og metoder, hvilket er vigtigt i forhold til at beherske disses anvendelse til praktisk data-analyse.

Målbeskrivelse

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

forstå og identificere hvilke problemstillinger, der kan løses ved hjælp af multivariate teknikker
udføre praktisk dataanalyse ved hjælp af kursets modeller
programmere kursets modeller og teknikker i den statistiske software brugt ved kurset
identificere og forstå relevante oplysninger i softwarens output
resumere resultaterne af en analyse i en statistisk rapport

Indhold

Kurset indeholder følgende faglige hovedområder:

teori om hypotesetest
teori om betingede halemomenter
diskriminantanalyse og klassifikation

Litteratur

Se itslearning for litteraturlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Forår og Juni

Udprøvninger

Portfolioeksamen

EKA

N370006102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort - Eksamensnummer

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

Den skriftlige stedprøve varer 3 timer

Hjælpemidler

Alle almindelige hjælpemidler tilladt

ECTS-point

Uddybende information

Portfolio bestående af følgende elementer:

En opgave afleveret undervejs i kurset
Afsluttende skriftlig stedprøve i eksamensperioden

For samlet at opnå en bestået karakter skal hhv. element 1 og 2 hver for sig leve op til måbeskrivelserne.

Element 1 vægter 20% og element 2 vægter 80% af karakteren, idet der dog anlægges en

helhedsvurdering.

Reeksamen:

Reeksamen ændres til en mundtlig eksamen, hvis der er 5 eller færre studerende tilmeldte

Varighed: 30 minutter (inklusiv sidespørgsmål)

Emner gives før eksamensdatoen
Studerende trækker emne på eksamensdatoen
Studerende har 30 minutters forberedelsestid før mundtlig eksamen

Vejledende antal undervisningstimer

30 timer per semester

Undervisningsform

Skemalagte undervisningstimer:

Antal undervisningstimer i alt: 30

Heraf:

Fællestimer i klasselokale/auditorium: 30

Forelæsninger vil introducere de generelle begreber og teorier og øvelsestimerne vil blive brugt til at få en dybere forståelse af disse gennem opgaver. Der vil benyttes aktiverende undervisning og, hvis muligt, smart boards.

Andre planlagte undervisningsaktiviteter:

Læsning af kursusmaterialet og forberedelse til ugentlige opgaver, individuelt eller i grupper.

Ansvarlig underviser

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

Skemaoplysninger

Odense

Vis fuldt skema

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil	Uddannelse	Semester	Udbuds periode

Overgangsordninger

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

Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.