Kursplan för Principer för statistisk slutledning

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2019-02-22 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnStatistical inference principles
  • KurskodMVE326
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPENM
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeMatematik
  • InstitutionMATEMATISKA VETENSKAPER
  • BetygsskalaTH - Fem, Fyra, Tre, Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 20114
  • Sökbar för utbytesstudenterNej

Poängfördelning

0115 Inlämningsuppgift, del A 2,5 hp
Betygsskala: UG		 2,5 hp
0215 Tentamen, del B 5 hp
Betygsskala: TH		 5 hp
  • 21 Mar 2020 fm SB
  • 08 Jun 2020 em J
  • 24 Aug 2020 fm J

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Ersätter

  • MVE325 Statistical inference principles

Behörighet

Information saknas

Särskild behörighet

För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

För tillträde till kursen krävs kunskaper motsvarande kursen MVE155 Statistisk slutledning. Dessutom krävs kunskaper motsvarande minst 15 hp på avancerad nivå i matematisk statistik.

Syfte

Kursen behandlar på ett matematiskt och rigoröst sätt matematisk statistik och principer för statistisk slutledning. Utöver behandlingen av centrala statistiska begrepp och modeller så diskuteras och jämförs olika filosofiska perspektiv på vetenskaplig inferens.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Studenten skall efter fullföljd kurs kunna matematiska grundläggningar av
  • poängskattning inklusive att hitta och evaluera skattningar,
  • hypotestester inklusive att hitta och evaluera test,
  • intervallskattning inklusive att hitta och evaluera skattningar,
  • asymptotisk skattning,

och skall kunna använda dessa begrepp och satser i teoretiska övningar och programmeringsövningar.

Innehåll

Det centrala innehållet i kursen är:
  • exponentiella familjer av sannolikhetsfördelningar
  • uttömmande- och likelihoodprinciperna för datareduktion
  • maximum likelihoodskattningar and Bayesianska skattningar
  • EM-algoritmen
  • likelihoodratiotester och Bayesianska tester
  • starkaste tester
  • intervallskattningar
  • asymptotisk skattning

Organisation

Föreläsningar, övningar, inlämningsuppgifter

Litteratur

Litteratur anges separat.

Examination inklusive obligatoriska moment

Skriftliga inlämningar. Skriftlig examen.

Kursplanen innehåller ändringar

  • Ändring gjord på tentamen:
    • 2020-04-29: Tentamensdatum Tentamensdatum ändrat av elisabeth eriksson
      [30566, 51431, 3], Ny tenta för läsår 2019/2020, ordinal 3 (ej nedlagd kurs)
    • 2020-03-09: Plats Plats ändrat från Johanneberg till Samhällsbyggnad av annbe
      [2020-03-21 5,0 hp, 0215]
    • 2020-01-21: Tentamensdatum Tentamensdatum ändrat av elisabeth eriksson
      [30566, 51431, 2], Ny tenta för läsår 2019/2020, ordinal 2 (ej nedlagd kurs)
  • Ändring gjord på kurstillfälle:
    • 2019-11-06: Examinator Examinator ändrat från Annika Lang (langa) till Umberto Picchini (picchini) av Viceprefekt
      [Kurstillfälle 1]