Dataanalysens grundvalar

Lärandemål

Efter godkänd kurs ska studenten kunna:

• formulera beslutsproblem, inklusive beslutsrum och förlustfunktion, särskilt för hypotesprövning och skattningsproblem,
• härleda konfidensintervall med hjälp av gränsvärdessatser som Glivenko-Canelli and Dvoretzky Kiefer-Wolfowitz-olikhet,
• använda koncentrationsolikheter för att härleda olikheter för specifika fördelningar och bevisa grundläggandeolikheter,
• härleda Bayes-optimalitet för enkla beslutsmetoder,
• härleda olikheter för generaliseringsfel via Vapnik-Chervonenkis dimension,
• härleda olikheter för minimaxrisk,
• välja lämpliga modellkomplexitetsmått för att balansera väntevärdesfel och varians,
• tillämpa ovanstående för att härleda och implementera algoritmer, inklusive algoritmer ämnade att fungera med begränsade resurser.