Matematiska metoder för modern statistik och simulering

Modul 1: Statistisk dataanalys

A. Teori
Sannolikhet, betingad sannolikhet, Bayes sats, diskreta och kontinuerliga slumpvariabler, sannolikhetsfunktion, fördelningsfunktion, täthetsfunktion, lägesmått, spridningsmått, flerdimensionella slumpvariabler, beroendemått.

B. Praktik
Databehandling med programmering eller statistisk programvara, datareduktion, gleshet och kompression, principalkomponentanalys, klusteranalys, maskininlärning.

Modul 2: Statistisk inferens

A. Teori
Slumpmässiga stickprov, stickprovsfördelningar (t- och F-fördelningar), metoder för parameterskattning (minsta kvadratmetoden, maximum likelihood-metoden), beräkning av punkt och intervallskattningar för relevanta parametrar, variansanalys (ANOVA) och variansreduktion.

B. Praktik
Invers transform sampling, implementering av parameterskattningar med kontrollerad varians, jämförelse mellan skattningar baserade på maximum likelihood-metoden (eller andra metoder för parameterskattning) med skattningar baserade på maskininlärning.

Fördjupningsnivå: A1N (har endast kurs/er på grundnivå som förkunskapskrav)

Utbildningsnivå: Avancerad nivå

Behörighetskrav: Matematik 90 hp, 30 hp på G2F-nivå. Engelska 6. Motsvarandebedömning kan göras.