
ST523: Statistisk modellering
Det Naturvidenskabelige Studienævn
Undervisningssprog: På dansk eller engelsk afhængigt af underviser, men engelsk ved internationale studerende
EKA: N360004102
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Bachelor
STADS ID (UVA): N360004101
ECTS-point: 10
Godkendelsesdato: 12-03-2025
Varighed: 1 semester
Version: Godkendt - aktiv
Kommentar
Indgangskrav
Kurset kan ikke vælges hvis du har bestået, er tilmeldt eller har fulgt ST813, eller hvis ST813 indgår som obligatorisk i din studieordning.
Faglige forudsætninger
Faglige forudsætninger. Studerende, der følger kurset, forventes at:
- Have kendskab til lineær algebra, calculus, grundlæggende statistik som gennemgået i ST521 og MM538
- Kunne anvende den statistiske software R
Formål
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.
Målbeskrivelse
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.
Indhold
Kurset indeholder følgende faglige hovedområder:
- Lineære modeller, simple og multiple regressionsmodeller.
- Parameterestimation, hypotesetest og konfidensområder.
- Residualanalyse.
- Transformation af variable, polynomiel regression.
- Envejs ANOVA.
- Modelopbygning og variabelselektion.
- Prediktion.
- Naturlige eksponentielle familier; momentfrembringende funktioner; variansfunktioner;
- Dispersionsmodeller;
- Likelihood teori;
- Chi-i-anden, F-og t-test; deviansanalyse;
- Iterativ mindste kvadraters algoritme;
- Lineære normale modeller,
- Logistisk regression,
- Analyse af tælledata, positive data.
- Anvendelse af statistisk modellering på forskellige datatyper, blandet andet med eksempler fra sundhedsvidenskab, biologi, økonomi, osv.
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Efterår
Udprøvninger
To take-home-opgaver, der bedømmes samlet
EKA
N360004102
Censur
Ekstern prøve
Bedømmelse
7-trinsskala
Identifikation
Fulde navn og SDU brugernavn
Sprog
Følger, som udgangspunkt, undervisningssprog
Hjælpemidler
Oplyses på kurset.
ECTS-point
10
Vejledende antal undervisningstimer
Undervisningsform
Skemalagte undervisningstimer:
Antal undervisningstimer i alt: 80
Heraf:
Fællestimer i klasselokale/auditorium: 80
I forelæsningerne præsenteres fagets grundbegreber og metoder med såvel teori som eksempler baseret på konkrete data.
I holdtimerne arbejdes der med teoretiske opgaver, og med data-baserede problemer hvortil der bruges statistisk software.
Andre planlagte undervisningsaktiviteter:
De studerende arbejder selvstændigt med opgaver samt forståelsen af fagets termer og begreber.
Ansvarlig underviser
Navn | Institut | |
---|---|---|
Birgit Debrabant | bdebrabant@imada.sdu.dk | Institut for Matematik og Datalogi (00) |
Skemaoplysninger
Administrationsenhed
Team hos Registratur
Udbudssteder
Anbefalede studieforløb
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.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.