Universitetet for miljø- og biovitenskap (UMB)
Søkeresultat
Engelsk
| STAT300 |
Statistisk dataanalyse |
| Emneansvarlig/institutt |
Trygve Almøy |
IKBM |
|
|
|
| Studiepoeng |
10.0 |
| Språk |
Engelsk |
| Antallsbegrenset |
Minimum 5, maximum 100.
|
| Undervisningsperioder |
| Augustblokk |
Høstparallell |
Januarblokk |
Vårparallell |
Juniblokk |
| |
|
X |
X |
|
| |
|
|
|
|
| Fargeforklaring: Rødt/gult angir undervisningsperioder. Undervisningen starter i perioden som er merket med rødt. |
|
|
| Medvirkende lærere |
Øvingslærere.
|
| Strukturert undervisningstid |
Januarblokken: 4 timer organisert undervisning per dag, stort sett bestående av 2 timer forelesninger og 2 timer øvinger hver dag (felles undervisning med STAT200)
Vårparallellen: 4 timer organisert undervisning per uke, stort sett bestående av 2 timer forelesninger og 2 timer øvinger hver uke.
|
| Obligatoriske undervisningsaktiviteter |
Obligatoriske oppgaver. Den første leveres som en del av kurset STAT200
|
| Overlapping og studiepoengreduksjon |
ECN201 (5 stp), STAT200 (5 stp).
|
| Forutsatte forkunnskaper |
STAT100, eller tilsvarende.
|
| Anbefalte forkunnskaper |
MATH130 eller tilsvarende
|
| Eksamensform |
S |
| Eksamen |
3,5 times skriftlig prøve.
|
| Karakterregel |
A-F |
| Hjelpemidler ved skriftlig eksamen |
C3: Alle kalkulatorer. Alle andre hjelpemidler. |
| Normert arbeidsmengde |
150 timer teori, 110 timer oppgaveløsning, 40 timer obligatoriske oppgaver.
|
| Emnefrekvens |
Årlig |
| Frekvenskommentar |
-
|
| Læringsmåter |
1. Forelesninger.
2. Øvingsgrupper med løsning av oppgaver.
3. Gjennomføring obligatoriske oppgaver.
4. Selvstudium.
|
| Læringsstøtte |
Foruten forelesninger og øvinger kan faglig veiledning skje med faglærer i vanlig kontortid.
|
| Sensor |
Ekstern sensor blir brukt til gjennomgang av eksamensoppgavene og retting av alle besvarelsene (maksimum 25).
|
| Opptakskrav |
Realfag
|
| |
|
| Mål |
|
Studentene skal kjenne forutsetninger, anvendelser og teoretisk grunnlag for de mest vanlige metodene innen multivariat statistisk dataanalyse. Det legges vekt på at studentene, til en gitt problemstilling i sitt studium eller seinere i yrkeslivet, skal bli i stand til å formulere problemet slik at det kan analyseres ved hjelp av egnet multivariat statistisk metodikk. Videre skal studentene kunne bestemme hvilke(n) metode(r) som kan brukes til å modellere og analysere problemet samt å gjennomføre selve analysen, (hvis nødvendig) ved hjelp av egnet programvare. Studentene skal også beherske praktisk tolkning og gyldighetsvurdering av modeller, metoder og resultater.
|
| |
|
| Innhold |
|
Grunnleggende aspekter i multivariat statistisk analyse av data. Enkel matrisealgebra. Lineær regresjon, utvelgelse av forklaringsvariabler, sjekking av forutsetninger, og vurdering av modeller. Multikolinearitet. Multivariat normalfordeling. Prinsipal komponent analyse og faktoranalyse. Diskriminant analyse, klassifikasjon og clusteranalyse. Hvis tid: Partial Least Squares og kanonisk korrelasjonsanalyse.
|
| |
|
| Pensum |
|
Richard A. Johnson and Dean W. Wichern. Applied Multivariate Statistical Analysis. Pearson, Prentice Hall.
For lineær regresjon, se STAT 200
|
| |
| Sist oppdatert |
2012-04-12 |
|
|
|
