At give de studerende en grundlæggende statistisk, datarelateret begrebsforståelse. At træne de studerende i datavisualisering og anvendelser af statistiske analysemetoder. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Karakterisere et tilfældigt eksperiment og datatyperne: Diskrete og kontinuerte data.
• Anvende, fremstille og fortolke visualiseringerne: Scatterplot, histogram, boxplot og quantile-quantile plot.
• Anvende og forstå sandsynlighedsbegrebet og sandsynlighedsfordelinger i både det diskrete og det kontinuerte tilfælde.
• Forstå og anvende de diskrete sandsynlighedsfordelinger: Uniform, Bernoulli, Binomial og Poisson ved benyttelse af programmet R.
• Forstå og anvende de kontinuerte sandsynlighedsfordelinger: Uniform, eksponential og normalfordeling med relateret benyttelse af programmet R.
• Fortolke og anvende estimationsmetoder for middelværdi, varians og fraktiler.
• Fortolke og anvende konfidensintervaller for middelværdi og differens mellem middelværdier.
• Fortolke og anvende den centrale grænseværdisætning.
• Forstå, fortolke og anvende en lineær regressionsanalyse.
• Forstå og anvende hypotesetest som grundlag for en statistisk analyse.
• Bruge R til fremstilling af en samlet beskrivende statistik for et datasæt.

Tilfældige eksperimenter, hændelsesbegrebet. Udfaldsrum og datatyper for observationer. Optælling af elementarhændelser, permutationer og kombinationer.
Sandsynlighedsregning, sumregel, produktregel, Bayes’ sætning.
Stokastisk afhængighed og uafhængighed.
Diskrete stokastiske variable, generelt: Definitionsgrundlag, udfaldsrum, frekvens- og fordelingsfunktion, middelværdi og varians.
Diskrete fordelinger: Bernoullifordelingen. Binomialfordelingen. Poissonfordelingen. Ligefordelingen.
Kontinuerte stokastiske variable generelt: Definitionsgrundlag, udfaldsrum, frekvens- og fordelingsfunktion, middelværdi og varians, fraktiler.
Kontinuerte fordelinger: Ligefordelingen. Eksponentialfordelingen. Normalfordelingen.
Chi-i-anden-fordelingen, Student’s t-fordeling, F-fordelingen.
Flerdimensionale stokastiske variable. Simultane, marginale og betingede fordelinger. Kovarians, korrelation.
Estimation af parametre i statistiske modeller og konfidensintervaller for parametre.
Hypotesetest, signifikansniveau, P-værdi. Lineære regressionsmodeller.
Beskrivende statistik, sammenhængen mellem empiri og model.
Programmet R benyttes til anvendelser, analyser og visualiseringer, samt til at understøtte teorien. Online E-lærebog for kurset 02323 Introduktion til Statistik,
https:/​/​02323.compute.dtu.dk/​book Faggruppe: AI, matematik og software
Mobilitet, Transport og Logistik: 2. semester
Proces og Innovation: 3. semester
Produktion: 3. semester
Sundhedsteknologi: 4 semester 10. januar, 2024