Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

Statistik B: Programmering och modellering, 15 hp

Engelskt namn: Statistics B: Programming and Modelling

Denna kursplan gäller: 2021-03-08 och tillsvidare

Kurskod: 2ST058

Högskolepoäng: 15

Utbildningsnivå: Grundnivå

Huvudområden och successiv fördjupning: Statistik: Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav

Betygsskala: För denna kurs ges betygen VG Väl godkänd, G Godkänd, U Underkänd

Ansvarig institution: USBE Statistik

Beslutad av: Rektor för Handelshögskolan, 2020-09-10

Reviderad av: Rektor för Handelshögskolan, 2021-03-04

Innehåll

Kursen består av två moment:

Moment 1: Statistisk programmering och simulering (7.5 hp)
Moment 2: Statistisk modellering (7.5 hp)

Moment 1
Momentet ger en introduktion till programmering och programspråket R. Momentet tar upp
grundläggande programmeringskoncept som datastrukturer, upprepning, villkorsstyrda satser och
funktioner. Momentet behandlar även enklare simuleringsstudier. För att främja reproducerbar
statistisk analys introduceras RMarkdown. Även programspråket Python behandlas kort.

Moment 2
Under momentet fördjupas kunskaperna om den linjär regressionsanalys som ingår i kursen Statistik
A. Metoder för analys av data med responsvariabler som är binära, kategoriska eller av typen
räknedata introduceras. För att analysera och dra slutsatser baserade på verkliga datamaterial
används bl.a. linjär, logistisk, probit, Poisson, multinomial och ordinal regressionsmodeller. Dessa
modeller är exempel på generaliserade linjära modeller vars övergripande teori för statistisk inferens
och modelldiagnostik behandlas under momentet. Under momentet introduceras också matris- och
vektoralgebra för att stödja detta.

Momentet avslutas med att metoder för analys av data där responsvariabeln är tid till en händelse
introduceras. Sådana analyser kallas överlevnadsanalys och bland metoder som introduceras finns
bl.a. Cox regression.

Programspråket R används för bearbetning, analys och presentation av datamaterial.

Förväntade studieresultat

Moment 1
Efter att ha genomgått momentet förväntas studenten kunna:

Kunskap och förståelse:
1. i given kod, identifiera och förklara syftet med enkla sekventiella algoritmer/program,

Färdighet och förmåga:
2. skapa enkla program i programspråket R med hjälp av grundläggande
programmeringstekniker,
3. utforma och genomföra enkla simuleringsstudier och sammanfatta uppkomna resultat,
4. omvandla enkla program från R till Python.

Moment 2
Efter att ha genomgått momentet förväntas studenten kunna:

Kunskap och förståelse:
5. härleda teoretiska resultat inom regressionsanalys,
6. redogöra för den övergripande teorin för generaliserade linjära modeller,
7. relatera den statistiska inferensens giltighet till modellantaganden,

Färdighet och förmåga:
8. tillämpa de metoder som behandlas i kursen för de olika typerna av responsvariabler,
9. använda R för bearbetning, analys och presentation av datamaterial,
10. muntligt och skriftligt presentera resultat av utförda dataanalyser,

Värderingsförmåga och förhållningssätt:
11. kritiskt granska resultat av utförda dataanalyser.

Behörighetskrav

Univ: Statistik B: Teori (15 hp) eller motsvarande

Undervisningens upplägg

Undervisningen består av föreläsningar, lektioner, datorlektioner, seminarier och handledning. Obligatoriska seminarier/inlämningsuppgifter förekommer. Undervisningen i vissa kursmoment/delar av moment kan komma att ges på engelska.

Examination

På moment 1 sker kunskapskontrollen genom individuella inlämningsuppgifter. På moment 1 ges
betygen Underkänd (U), Godkänd (G), eller Väl Godkänd (VG).

På moment 2 sker kunskapskontrollen genom individuell hemtentamen. På skriftliga tentamina ges
betygen Underkänd (U), Godkänd (G), eller Väl Godkänd (VG). På moment 2 ingår även obligatoriska
inlämningsuppgifter som görs i grupp och presenteras på seminarium. På inlämningsuppgifterna ges
betygen Underkänd (U) eller Godkänd (G). Inlämningsuppgifterna måste vara godkända innan
moment 2 är godkänt. Betyget på moment 2 bestäms av betyget på tentamen.

För de obligatoriska uppgifterna fastställs vissa datum då redogörelse ska inlämnas och/eller muntlig
presentation ges. Eventuella kompletteringar ska ske senast två veckor efter momentets slutdatum.
För att bli godkänd på hela kursen krävs att samtliga tentamina och obligatoriska uppgifter är
godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika
delar och sätts först när alla kursmoment är godkända.

Studerande som godkänts på ett prov får inte undergå förnyat prov för att uppnå ett högre betyg.
För studerande som ej blivit godkänd erbjuds ytterligare provtillfällen enligt ett fastställt schema.

Efter två underkända prov på ett moment har studenten rätt att begära byte av examinator. Skriftlig
begäran lämnas till studierektor senast två veckor före nästa examinationstillfälle.

Avsteg från kursplanens examinationsform kan göras för en student som har beslut om pedagogiskt
stöd på grund av funktionsnedsättning. Individuell anpassning av examinationsformen ska övervägas
utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade
studieresultat. Efter begäran av studenten ska kursansvarig lärare, i samråd med examinator,
skyndsamt besluta om anpassad examinationsform. Beslutet ska sedan meddelas studenten.

Examination baserad på samma kursplan som vid ordinarie examinationstillfälle garanteras två år
efter studentens förstagångsregistrering på kursen.

Tillgodoräknande
Tillgodoräknande sker enligt Umeå universitets tillgodoräknandeordning.

Övriga föreskrifter

Undervisningen i vissa kursmoment/delar av moment kan komma att ges på engelska.

Litteratur

Giltig från: 2021 vecka 10

Moment 1

Artiklar, guider, manualer och annat webbaserat material tillkommer med maximalt 200 sidor.

Moment 2

Mathematical statistics with applications
Wackerly Dennis D., Mendenhall William, Scheaffer Richard L.
7. ed. : Southbank : Thomson Learning : 2008 : xxii, 912 s. :
ISBN: 9780495385080
Obligatorisk
Se bibliotekskatalogen Album

Faraway Julian James.
Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models
Second edition. : Boca Raton : CRC Press, Taylor & Francis Group : [2016] : xiii, 399 pages :
ISBN: 978-1-4987-2096-0
Obligatorisk
Se bibliotekskatalogen Album

Vittinghoff Eric.
Regression methods in biostatistics [Elektronisk resurs] : linear, logistic, survival, and repeated measures models
New York : Springer : c2005. : xv, 340 p. :
Table of Contents / Abstracts
ISBN: 0-387-27255-0
Obligatorisk
Se bibliotekskatalogen Album
Läsanvisning: Läsanvisning: Delar av kapitel 3 och kapitel 7.

An Introduction to Statistical Learning : with Applications in R
James Gareth., Witten Daniela., Hastie Trevor., Tibshirani Robert.
New York, NY : Springer New York : 2013. : xiv, 426 p. 150 ill., 146 ill. in color. :
ISBN: 9781461471370
Obligatorisk
Se bibliotekskatalogen Album
Läsanvisning: Läsanvisning: Delar av kapitel 2 och kapitel 3. Boken finns för gratis nedladdning via följande adress: https://www.statlearning.com/