ST817: Matematisk statistik II

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N370006112, N370006102
Censur: Intern prøve, en bedømmer, Intern prøve, to eller flere bedømmere
Bedømmelse: Bestået/Ikke bestået, 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Kandidat

STADS ID (UVA): N370006101
ECTS-point: 5

Godkendelsesdato: 27-10-2022


Varighed: 1 semester

Version: Arkiv

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.

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.

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.

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:

  • 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 pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Forudsætningsprøve a)

Tidsmæssig placering

Forår

Udprøvninger

Rapport

EKA

N370006112

Censur

Intern prøve, en bedømmer

Bedømmelse

Bestået/Ikke bestået

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

0

Uddybende information

Forudsætningsprøven er en forudsætning for deltagelse i eksamenselement a).

Eksamenselement a)

Tidsmæssig placering

Juni

Forudsætninger

Type Forudsætningsnavn Forudsætningsfag
Delprøve Forudsætningsprøve a) N370006101, ST817: Matematisk statistik II

Udprøvninger

Skriftlig eksamen

EKA

N370006102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

3 timer

Hjælpemidler

Tilladt, nærmere beskrivelse af eksamensreglerne vil blive offentliggjort i itslearning

ECTS-point

5

Vejledende antal undervisningstimer

30 timer per semester

Undervisningsform

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

  • Introfase: 20 timer
  • Træningsfase: 10 timers eksaminatorier

Introfasen 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. 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

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & 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.