Statistik och dataanalys I, 7.5 hp (771A15)

Statistics and Data Science I, 7.5 credits

Huvudområde

Computational Social Science

Nivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Satu Helske

Kursansvarig

Satu Helske

Studierektor eller motsvarande

Karl
Kursen ges för Termin Veckor Språk Ort VOF
F7MCD Master´s Programme in Computational Social Science 1 (HT 2018) v201844-201848 Engelska Norrköping o
VOF = Valbar / Obligatorisk / Frivillig

Huvudområde

Computational Social Science

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Master´s Programme in Computational Social Science

Förkunskapskrav

Kandidatexamen inom humaniora, samhällskap, kulturvetenskap, beteendevetenskap, naturvetenskap, datorvetenskap eller ingenjörsvetenskap.
​Dokumenterad kunskap i engelska motsvarande Engelska 6/B.

Lärandemål

Efter avslutad kurs ska den studerande på avancerad nivå kunna:

  • Beskriva de grundläggande postulaten och teoremen för tillämpad sannolikhetslära;
  • Skilja mellan diskreta och kontinuerliga sannolikhetsfördelningar och förstå hur dessa är relaterade till idén om stokastiska variabler;
  • Relatera vanliga sannolikhetsfördelningar som används i samhällsvetenskapen till olika sociala processer och utfall;
  • Använda statistisk programvara för att skapa slumpmässiga stickprov baserade på de vanligaste sannolikhetsfördelningarna;
  • Förklara principerna för Monte Carlo-simulering och implementera simuleringar med hjälp av lämpliga beräkningsverktyg;
  • Genomföra univariat hypotesprövning med hjälp av data och lämpliga beräkningsverktyg, samt kunna analysera och tolka hypotesprövningarnas resultat och robusthet.

Kursinnehåll

Kursen ger en översikt av de huvudsakliga grundpelarna i sannolikhetslära och statistik av relevans för samhällsvetenskaplig forskning, samt introducerar programmeringsverktyg för statistisk analys. De huvudsakliga sannolikhetsfördelningar som används inom samhällsvetenskaplig forskning, inklusive binomialfördelning, exponentiell fördelning, normalfördelning och Poissonfördelning, introduceras, och deras egenskaper och tillämpningar utforskas i intensiva datorlaborationer. Statistisk programvara används för att göra simuleringar baserade på dessa fördelningar. Beräkningsmetoder, inklusive Monte Carlo-simulering, används för att utforska de mest centrala teoremen under olika förhållanden. Hypotesprövningar för parametrar och statistik relaterade till vanliga univariata fördelningar introduceras och beräkningsalternativ diskuteras.

 

Undervisnings- och arbetsformer

Undervisningen sker i form av litteraturstudier, föreläsningar, seminarier och interaktiva datorlaborationer. Därutöver ska den studerande utöva självstudier.
Undervisningsspråk: engelska.

Examination

Kursen examineras genom skriftliga inlämningsuppgifter, datorlaborationer och en avslutande individuell skriftlig uppgift. Detaljerad information om examinationen finns i kursens studiehandledning.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för ekonomisk och industriell utveckling

Böcker

Blitzstein, Joseph K., Hwang, Jessica,, (2014) Introduction to probability CRC press

ISBN: 9781466575578,1466575573

Artiklar

TBA
EXAM Salstentamen EC 5 hp
GRP1 Gruppexamination EC 1 hp
HEM1 Hemtentamen EC 1.5 hp

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida. Det finns inga filer att visa.

Sidansvarig: Infocenter, infocenter@liu.se