ITD20218 Statistikk og statistisk programmering (Vår 2024)

Fakta om emnet

Studiepoeng:
10
Ansvarlig avdeling:
Fakultet for informasjonsteknologi, ingeniørfag og økonomi
Studiested:
Halden
Emneansvarlige:
  • Nils-Christian Walthinsen Rabben
  • Christian Fredrik Heide
Undervisningsspråk:
Norsk eller engelsk
Varighet:
½ år

Emnet er tilknyttet følgende studieprogram

Obligatorisk emne i:

  • bachelorstudiet i ingeniørfag - data

  • bachelorstudiet i ingeniørfag - data, Y-veien

  • bachelorstudiet i ingeniørfag - data, Tress.

  • bachelorstudiet i informatikk - design og utvikling av IT-systemer med fordypning i maskinlæring

Valgfritt emne for øvrige.

Anbefalte forkunnskaper

Kunnskaper tilsvarende Diskret matematikk.

Undervisningssemester

 4. semester (vår).

Studentens læringsutbytte etter bestått emne

Kunnskap

Studenten

  • forstår og gjør rede for begreper innen sannsynlighetsregning

  • forstår og gjør rede for begreper innen statistikk

  • behersker en programmeringsbasert tilnærming til statistisk dataanalyse i et egnet programmeringsspråk

Ferdigheter

Studenten kan

  • utføre sannsynlighetsregning

  • regne med ulike diskrete og kontinuerlige sannsynlighetsmodeller

  • utføre statistiske metoder som estimering, konfidensintervall og hypotesetesting

  • utføre kovarians- og regresjonsanalyse

  • visualisere og manipulere data

  • lage egne funksjoner som benytter/modifiserer tilgjengelige funksjoner for å løse spesielle problemer som ikke kan løses med standard kode

  • presentere sine analyseresultater i en oversiktlig og vitenskapelig form, ved hjelp av tekst og grafikk

Generell kompetanse

Studenten kan

  • bruke teknikker innen sannsynlighetsregning og statistiske metoder

Innhold

Del 1. Grunnleggende statistikk

  • Sannsynlighetsbegrepet (inkludert Bayes' formel).

  • Diskrete og kontinuerlige sannsynlighetsmodeller (blant annet binomisk, hypergeometrisk, normal, uniform og student-t)

  • Forventning og varians

  • Estimering, konfidensintervall og hypotesetesting

  • Kovarians- og regresjonsanalyse

Del 2. Statistisk programmering

  • Innføring i et egnet programmeringsspråk for statistisk programmering

  • Visualisering av data

  • Strukturering og manipulering av data i tabell-format.

Undervisnings- og læringsformer

Forelesninger og øvingsoppgaver.

Arbeidsomfang

Ca 250 timer.

4-6 timer forelesninger + 2 timer øvinger per uke.

Arbeidskrav - vilkår for å avlegge eksamen

Godkjent 5 øvingsoppgaver

Arbeidskravet må være godkjent før studenten kan fremstille seg til eksamen 

Eksamen

Skriftlig ekamen

4 timers skriftlig eksamen. Det benyttes bokstavkarakter A-F. Hjelpemidler til eksamen:

  • lærebøker og egne notater

  • godkjent kalkulator som deles ut på eksamensdagen

Sensorordning

Ekstern og intern sensor eller to interne sensorer.

Evaluering av emnet

Dette emnet evalueres på følgende måte:

  • Midtsemesterevaluering (obligatorisk)

Den emneansvarlige lager en oppsummering på bakgrunn av studentenes tilbakemeldinger og sine egne erfaringer med emnet. Oppsummeringen behandles av Programutvalget ved Institutt for informasjonsteknologi og kommunikasjon.

Litteratur

Gjeldende litteraturliste for 2024 Vår finner du i Leganto
Sist hentet fra Felles Studentsystem (FS) 18. juli 2024 03:00:32