Kursplan för |
|
MVE302 - Sannolikhet och statistik
|
Probability and statistics |
|
Kursplanen fastställd 2019-02-22 av programansvarig (eller motsvarande) |
Ägare: TKTEM |
|
7,5 Högskolepoäng
|
Betygskala: TH - Fem, Fyra, Tre, Underkänd |
Utbildningsnivå: Grundnivå |
Huvudområde: Matematik
|
Institution: 11 - MATEMATISKA VETENSKAPER
|
Undervisningsspråk: Svenska
Anmälningskod/tillfälleskod: 59120
Sökbar för utbytesstudenter: Nej
Max antal deltagare: 60
Endast studenter med kurstillfället i programplan
Modul |
|
Poängfördelning |
|
Tentamensdatum |
Lp1 |
Lp2 |
Lp3 |
Lp4 |
Sommarkurs |
Ej Lp |
0318 |
Tentamen |
6,0 hp |
Betygskala: TH |
|
|
|
|
6,0 hp
|
|
|
|
03 Jun 2020 fm J, |
11 Okt 2019 fm SB_MU,
11 Okt 2019 fm SB_MU
|
18 Aug 2020 fm J |
0418 |
Projekt |
1,5 hp |
Betygskala: UG |
|
|
|
|
1,5 hp
|
|
|
|
|
I program
TKTEM TEKNISK MATEMATIK, CIVILINGENJÖR, Årskurs 1 (obligatorisk)
Examinator:
Johan Jonasson
Gå till kurshemsida
Ersätter
MVE301
Sannolikhet, statistik och risk
Behörighet:
För kurser på grundnivå inom Chalmers utbildningsprogram gäller samma behörighetskrav som till de(t) program där kursen ingår i programplanen.
Kursspecifika förkunskaper
Inledande en- och flervariabelanalys. Linjär algebra rekommenderas.
Syfte
Det övergripande syftet med kursen är att både ge grundläggande kunskaper i sannolikhetsteori och statistik och ge färdigheter till att lösa enkla praktiska problem/säkerhetanalyser. Mer detaljerat är syftet att behandla grunderna inom sannolikhetslära och klassisk inferens samt att ge en introduktion till moderna datorintensiva metoder att analysera data (t.ex. bootstrap) och, genom att använda Bayesiansk inferens, ge kunskaper om hur man kan väga samman olika typer av osäkerheter.
Lärandemål (efter fullgjord kurs ska studenten kunna)
Efter fullgjord kurs ska studenten ha god färdighet i grundläggande sannolikhetsteori och en god känsla för statistiskt tankesätt, statistisk modellering och grundläggande statistiska metoder. Detta innefattar även en viss inblick i Bayesianska metoder. Man ska också kunna använda programvara till att simulera fördelningar för stokastiska variabler och utföra statistisk inferens.
En mycket detaljerad läsanvisning kommer att publiceras på kurshemsidan. Ett projekt kommer också att ge en gruppvis fördjupning i något område, färdighet i muntlig presentationsteknik och färdighet i rapportskrivning.
Innehåll
Utfallsrum, sannolikhet, betingning. Modellering med olika sannolikhetsfördelningar. Metoder att räkna med stokastiska variabler, väntevärdes- och varianslagar, genererande funktioner, centrala gränsvärdessatsen, fördelningsapproximation, felintensitet. Parameterskattning, maximum likelihood mm., konfidensintervall och test i olika standardsituationer, stokastiska vektorer och introduktion till linjär regression. Envägs variansanalys. Bayesiansk statistik. Poissonprocesser. Bootstrap. Ett projekt ger vidare fördjupning inom något område.
Organisation
Föreläsningar, räkneövningar, projekthandledning och två tillfällen för projektredovisning.
Litteratur
P. Olofsson and M. Andersson, Probability, Statistics and Stochastic Processes, 2nd edition, Wiley 2011.
Examination inklusive obligatoriska moment
Skriftlig examen och projekt. Projektet omfattar en skriftlig rapport och en muntlig redovisning inför klassen. Det är obligatorisk närvaro på presentationstillfällena.