Introduktion till statistik och data science 15 hp

Om kursen

Data genereras och samlas in överallt i dagens samhälle; av företag, myndigheter och organisationer. Statistiska dataanalysmetoder och en god datalitteracitet behövs för att tolka och analysera dessa data. Statistik och data science handlar om att använda data för att upptäcka mönster, jämföra grupper, analysera samband eller göra prognoser, dvs att ta fram kunskap för datadrivna beslut och vetenskapliga slutsatser.

Under kursen tränas studenten att, med hjälp av statistiska metoder och statistisk programvara, analysera data och därigenom generera faktabaserade beslutsunderlag. Att granska, värdera och kommunicera resultat från dataanalyser ingår också.

Kursens inledande fokus är på förståelse av det tillgängliga datamaterialet. För detta syfte används explorativ dataanalys vilket innefattar visualisering av data och sammanfattande statistik. Därefter flyttas fokus till statistiska metoder såsom hypotesprövning, linjär regression och logistisk regression. Dessa metoder används exempelvis för att jämföra grupper, hitta samband mellan variabler och göra prediktioner. Att med hjälp av dessa statistiska metoder dra slutsatser från data kallas för statistisk slutledning eller statistisk inferens.

Studenterna får grundläggande teori för de statistiska metoder som behandlas under kursen. Teorin är antingen baserad på beräkningsmässiga (Engelska: computational) grunder, såsom randomisering och bootstrap eller på mer matematiska grunder. Med denna teori som grund tränas studentens praktiska färdigheter och förmåga att genomföra statistiska dataanalyser med hjälp av statistiska programvaror, såsom R. Med utgångspunkt i den
statistiska teorin och datamaterialets egenskaper får studenten också övning i att reflektera över resultaten och därefter kommunicera dessa både muntligt och skriftligt.

Kursen består av fyra moduler:

Modul 1: Introduktion till statistiska undersökningar (1 hp)
Modul 2: Explorativ dataanalys, statistisk slutledning och modellering (7,5 hp)
Modul 3: Tillämpningar inom explorativ dataanalys och statistisk slutledning (3 hp)
Modul 4: Tillämpningar inom statistisk modellering (3,5 hp)