Kunskap och förståelse Efter genomgången kurs ska studenten kunna definiera beskrivande storheter för statistiska fördelningar och datamaterial, såsom läges- och spridningsmått (1) visa insikt om grundläggande begrepp och metoder från sannolikhetsteori och statistisk teori samt några vanligt förekommande statistiska modeller (2). Färdighet och förmåga Efter genomgången kurs ska studenten kunna tillämpa statistiska analysmetoder (3) använda statistisk programvara för bearbetning, analys och presentation av datamaterial (4) genomföra en komplett statistisk undersökning inkluderande datainsamling, bearbetning, analys samt skriftlig redovisning (5). Värderingsförmåga och förhållningssätt Efter genomgången kurs ska studenten kunna bedöma när olika statistiska metoder är användbara (6) uppskatta hur osäkerhet påverkar slutsatser samt kvantifiera risker för fel (7).
Kursinnehåll
Kursen behandlar: Beskrivande statistik och explorativ dataanalys Grundläggande begrepp och modeller för slumpmässiga fenomen, sannolikhetsfördelningar samt centrala gränsvärdessatsen Statistisk inferensteori inklusive punkt-, intervallskattning och hypotesprövning Enkel, multipel och icke-linjär regressionsanalys Statistisk försöksplanering Multivariatanalys inklusive dimensionsreducerande metoder och klusteranalys
Förutsättningar
Grundläggande behörighet samt avklarad kurs i matematik 7,5 hp eller motsvarande.
Litteratur
Practical Statistics for Data Scientists - Peter Bruce, Andrew Bruce, Peter Gedeck