Emne

Generaliserte lineære modeller (STA600)

Fakta

Emnekode STA600

Vekting (stp) 10

Semester undervisningsstart Vår

Undervisningsspråk Engelsk

Antall semestre 1

Vurderingssemester Vår

Timeplan Vis timeplan

Litteratur Pensumlisten finner du i Leganto

Introduksjon

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.

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, likelihoodteori, estimering og inferens, bayesianske metoder. 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.

Forkunnskapskrav

  • Matematiske metoder 1 (MAT100)
  • Matematiske metoder 2 (MAT200)
  • Sannsynlighetsregning og statistikk 1 (STA100)
  • Sannsynlighetsregning og statistikk 2 (STA500)
eller
  • Matematiske metoder 1 (MAT100)
  • Lineær algebra (MAT110)
  • Sannsynlighetsregning og statistikk 1 (STA100)
  • Sannsynlighetsregning og statistikk 2 (STA500)
eller
  • Matematiske metoder 1 (MAT100)
  • Matematiske metoder 2 (MAT200)
  • Sannsynlighetsregning og statistikk 1 (STA100)
  • Statistisk læring (STA530)
eller
  • Matematiske metoder 1 (MAT100)
  • Lineær algebra (MAT110)
  • Sannsynlighetsregning og statistikk 1 (STA100)
  • Statistisk læring (STA530)
eller tilsvarende emner.

Anbefalte forkunnskaper

Sannsynlighetsregning og statistikk 2 (STA500)

Eksamen / vurdering

Muntlig eksamen

Vekt 1/1

Varighet 45 Minutter

Karakter Bokstavkarakterer

Hjelpemiddel Ingen hjelpemidler tillatt

Muntlig eksamen er indviduell.

Vilkår for å gå opp til eksamen/vurdering

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

Arbeidsformer

Fire timer forelesning og to timer regneøvinger per uke.

Åpent for

Enkeltemner på masternivå ved Det teknisk-naturvitenskapelige fakultet
Byplanlegging - master Computational Engineering - master Datateknologi - master Miljøteknologi - master Industriell økonomi - master Konstruksjons- og maskinteknikk - master Matematikk og fysikk - master Matematikk og fysikk - master Industriell teknologi og driftsledelse - master Marin- og offshoreteknologi - master Petroleumsteknologi - master

Opptakskrav

Søkeren må oppfylle opptakskravet til et av studieprogrammene som emnet er åpent for.

Emneevaluering

Fakultetet avgjør om det skal gjennomføres tidligdialog i alle emner eller i utvalgte grupper av emner. Formålet er å få tilbakemeldinger fra studentene for forbedringer i semesteret. I tillegg skal det gjennomføres en digital emneevaluering minst hvert tredje år for å innhente studentenes erfaringer.

Kontakt

Instituttleder:
Bjørn Henrik Auestad
Emneansvarlig:
Jörn Schulz

Tilbys av

Det teknisk-naturvitenskapelige fakultet

Institutt for matematikk og fysikk

Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1