Når du har fulgt kurset kan du: 1. Lave realistiske (realistiske betyder at du kan validere data, vurdere om du skal transformere osv.) statistiske analyser (lineær- og logistisk regressionsanalyse samt bootstrap). Du kan udføre beregningerne vha. et statistiksoftware. 2. Forstå en del af den teori som statistikken hviler på. 3. Beherske forskellige former for formidling af både teori og resultater: mundtlig fremstilling, rapport og poster.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Identificere og diskutere forskellige former for konvergens af stokastiske variable
Diskutere estimation af fordelingsfunktion og statistiske funktionaler.
Foretage en bootstrap analyse ved hjælp af et specificeret statistisk software, samt fortolke resultaterne
Diskutere forskelle og ligheder mellem parametrisk og ikke-parametrisk inferens
Forklare statistisk hypotesetest og p-værdier, samt relatere dette til test fra indledende statistik
Beskrive forskelle og ligheder mellem frekvens baseret inferens samt Bayesiansk inferens.
Formulere et projekt indenfor enten lineær eller logistisk regression samt indsamle relevante data
Analysere indsamlede data, samt fortolke resultaterne.
Diskutere forskelle og ligheder mellem lineær og logistisk regression.
Forsvare en statistisk rapport, en poster samt en mundtlig fremlæggelse
Kursusindhold:
Konvergens af stokastiske variable. Estimation af fordelingsfunktion og statistiske funktionaler. Statistiske modeller, statistisk inferens herunder: parametrisk og ikke-parametrisk inferens, samt Bayesiansk inferens. "Statistical learning". Bootstrap analyser. Hypotesetest og p-værdier. Lineær og logistisk regression.
Bemærkninger:
Kurset giver en god introduktion til nogle af de mest almindeligt anvendte lineære statistiske modeller, samt en god inføring i statistisk metodologi både fra et teoretisk og et praktisk synspunkt.