MENY
Dette er studietilbudet for studieår 2020-2021. Endringer kan komme.


Emnet gir en innføring i generaliserte lineære modeller (GLM), som er en naturlig generalisering av vanlig (multippel) lineær regresjon for normalfordelte responser til responser fra en større klasse av fordelinger, spesielt diskrete fordelinger. Teori for generaliserte lineære modeller blir gjennomgått med anvendelser bl.a. på regresjonsmodeller for normalfordelte data, logistisk regresjon for binære og multinomiske data, Poisson-regresjon og levetidsanalyse. Prinsipper for statistisk modellering, estimering og inferens. Likelihoodteori. Anvendelser og analyse av datasett vektlegges.

Læringsutbytte

Etter å ha tatt dette emnet skal studenten:
• Kjenne til teori for generaliserte lineære modeller
• Kjenne til hvordan regresjon med binære, multinomiske, Poisson- og levetidsresponser kan gjøres
• Forstå bruk av likelihoodestimering generelt og spesielt for generaliserte lineære modeller
• Kunne benytte teorien til å analysere datasett.

Innhold

Emnet gir en innføring i generaliserte lineære modeller (GLM), som er en naturlig generalisering av vanlig (multippel) lineær regresjon for normalfordelte responser til responser fra en større klasse av fordelinger, spesielt diskrete fordelinger. Teori for generaliserte lineære modeller blir gjennomgått med anvendelser bl.a. på regresjonsmodeller for normalfordelte data, logistisk regresjon for binære og multinomiske data, Poisson-regresjon og levetidsanalyse. Prinsipper for statistisk modellering, estimering og inferens. Likelihoodteori. Anvendelser og analyse av datasett vektlegges.

Forkunnskapskrav

MAT100 Matematiske metoder 1, MAT200 Matematiske metoder 2, STA100 Sannsynlighetsregning og statistikk 1
eller tilsvarende kurs.

Anbefalte forkunnskaper

STA500 Sannsynlighetsregning og statistikk 2

Eksamen/vurdering

Vekting Varighet Karakter Hjelpemiddel
Muntlig eksamen1/145 minutterA - FIngen hjelpemidler tillatt

Vilkår for å gå opp til eksamen/vurdering

To obligatoriske innleveringer
Obligatoriske undervisningsaktiviteter må være godkjent for å få avlegge eksamen.

Fagperson(er)

Emneansvarlig
Jörn Schulz
Faglærer
Tore Selland Kleppe
Instituttleder
Bjørn Henrik Auestad

Arbeidsformer

Fire timer forelesning og to timer regneøvinger per uke.

Åpent for

Matematikk og fysikk - bachelorstudium
Byplanlegging - Master
Datateknologi - Master program
Environmental Engineering - Master of Science Degree Programme
Industriell økonomi - Master i teknologi/siv.ing.
Robotteknologi og signalbehandling - Master i teknologi/siv.ing.
Konstruksjoner og materialer - Master i teknologi/siv.ing.
Mathematics and Physics - Master of Science Degree Programme
Matematikk og fysikk, femårig integrert masterstudium i realfag
Offshore Field Development Technology - Master's Degree Programme
Industrial Asset Management - Master's Degree Programme
Marine- and Offshore Technology - Master's Degree Programme
Offshore Technology - Master's Degree Programme
Petroleum Geosciences Engineering - Master of Science Degree Programme
Petroleum Engineering - Master of Science Degree Programme
Teknisk samfunnssikkerhet - Master i teknologi/siv.ing.
Risk Management - Master's Degree Programme (Master i teknologi/siviling.)

Emneevaluering

Skjer vanligvis gjennom skjema og/eller samtaler i henhold til gjeldende retningslinjer.

Litteratur

Litteratur/pensum publiseres omlag 14 dager før påmelding til emnet åpner


Dette er studietilbudet for studieår 2020-2021. Endringer kan komme.

Sist oppdatert: 22.02.2020