Hopp til hovedinnhold

Generaliserte lineære modeller STA600

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.


Dette er emnebeskrivelsen for studieåret 2021-2022. Merk at det kan komme endringer.

Fakta
Emnekode

STA600

Versjon

1

Vekting (SP)

10

Semester undervisningsstart

Vår

Antall semestre

1

Vurderingsemester

Vår

Undervisningsspråk

Engelsk

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.
Forkunnskapkrav
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
Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Muntlig eksamen 1/1 45 Minutter A - F Ingen hjelpemidler tillatt

Vilkår for å gå opp til eksamen/vurdering
To obligatoriske innleveringer
Obligatoriske regneøvinger må være godkjent for å få avlegge eksamen.
Fagperson(er)
Emneansvarlig: Jörn Schulz
Emneansvarlig: 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 Computational Engineering, 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
Pensumlisten finner du i Leganto