course-details-portlet

MA8701 - Generelle statistiske metoder

Om emnet

Vurderingsordning

Vurderingsordning: Skriftlig eksamen
Karakter: Bestått/Ikke bestått
Termin:  Høst

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Skriftlig 100/100 4 timer

Vurderingsordning

Vurderingsordning: Muntlig eksamen
Karakter: Bestått/Ikke bestått
Termin:  Vår

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Muntlig 100/100

Faglig innhold

Emnet foreleses normalt hvert annet år, og bare dersom et tilstrekkelig antall interesserte melder seg. Foreleses neste gang våren 2015. Dersom det melder seg få studenter, vil kurset gis som ledet selvstudium.

Emnet gir en bred innføring i grunnleggende prinsipper og metoder for statistisk inferens og prediksjon. Sammen med emne MA8704 Sannsynlighetsteori og asymptotiske teknikker danner det en teoretisk basis for doktorgradsstudenter innen statistikk.

Innholdet omfatter følgende: Introduksjon til "supervised" læring. Lineære metoder for regresjon og klassifikasjon. Ekspansjoner og regularisering. Metoder for kjerneglatting. "Likelihood"-teori og asymptotiske metoder. Modellestimering, modellvurdering og modellvalg. Empiriske Bayes-metoder.

Læringsutbytte

1. Kunnskap.
Emnet gir en bred innføring i grunnleggende prinsipper og metoder for statistisk inferens og prediksjon. Sammen med emnet MA8704 Sannsynlighetsteori og asymptotiske teknikker danner det en teoretisk basis for doktorgradsstudenter innen statistikk. Innholdet omfatter følgende: Introduksjon til "supervised" læring. Lineære metoder for regresjon og klassifikasjon. Ekspansjoner og regularisering. Metoder for kjerneglatting. "Likelihood"-teori og asymptotiske metoder. Modellestimering, modellvurdering og modellvalg. Empiriske Bayes-metoder.


2. Ferdigheter.
Studentene vil lære om og bli i stand til å bruke grunnleggende teknikker i moderne statistikk (statistisk "læring"). Det legges spesiell vekt på moderne metoder for analyse av store datamengder ("data mining"), både ved parametriske og ikke-parametriske metoder; empiriske Bayes-metoder; samt valg av modell og beregning av asymptotiske egenskaper ved metoder.

3. Kompetanse.
Studentene vil være i stand til å delta i vitenskapelige diskusjoner og utføre forskning innen statistikk på høyt internasjonalt nivå. De vil være i stand til å delta i anvendte prosjekter innen statistiske metoder og til å anvende sine kunnskap på problemer i teoretisk statistikk.

Læringsformer og aktiviteter

Forelesninger, evt. som ledet selvstudium.

Kursmateriell

The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition (Springer Series in Statistics, 2009) by Trevor Hastie, Robert Tibshirani, and Jerome Friedman.

Flere sider om emnet

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Doktorgrads nivå

Undervisning

Termin nr.: 1
Undervises:  VÅR 2015

Undervisningsspråk: -

-

Fagområde(r)
  • Statistikk
Kontaktinformasjon
Emneansvarlig/koordinator:

Ansvarlig enhet
Institutt for matematiske fag

Eksamensinfo

Vurderingsordning: Skriftlig eksamen

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Høst ORD Skriftlig 100/100
Rom Bygning Antall kandidater

Vurderingsordning: Muntlig eksamen

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Vår ORD Muntlig 100/100 13.05.2015
Rom Bygning Antall kandidater
Sommer KONT Muntlig 100/100 07.08.2015
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU