Kurset holder meget på lineær regressionsanalyse, som er et vigtigt værktøj i markedsføring, planlægning, drift og årsagsanalyse. Kurset fortsætter med brug af "R" statistik software, som var præsenteret i Grundkursus i Statistik. Studerende øve sig i forskellige datatyper og problemstillinger med vægt på anvendelser i mobility og transport. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Beskriv problemer med en formel struktur og vælg den relevant analyse
• Vælg, samle, lave om og rette data ifølge erkendt standarder
• Beskriv datasæt ved hjælp af deskriptiv statistikker, ANOVA og signifikanstest
• Redegør for grundliggende teori af lineær regression og "ordinary least squares"
• Udfør restanalyse, anvend data transformationer og evaluer hvordan en model passer
• Tilpas multipel regressionsmodeler ved hjælp af trinvis regression
• Formuler beslutningsmodeler med logistisk regression
• Løs casestudier om forudsigelser eller årsagsanlyser
• Udvikle relevant statistisk analyse software færdigheder, især "R".

Kurset introducerer lineær regression og derefter fortsætter til avanceret metoder. Læringsmål omfatter både metoder og problemløsning tip. Et sortiment af datasæt om mobilitet og transport udforskes til at demonstrere kompleks modeler, også til vise hvad kan tage fejl, og hvordan man kan undgå falsk fortolkninger. Kurset sluttes med et fokus på virkelige data og muligheden for flere fortolkninger af dataene. Washington, Simon et al. (2020) Statistical and Econometric Methods for Transportation Data Analysis, 3rd. Edition

Harvard Business School case studier må købes direkte fra forlægger online. Cases bliver udgivet ved kursusstart. Cases ændrer sig løbende hvert år.

Videnskabelige artikler fra DTU biblioteket. Sektion for Produktion, transport og planlægning
Mobilitet, transport og logistik: 3. semester 03. juli, 2025