NDAB19003U Grundlæggende statistik og sandsynlighedsregning (GSS)

Årgang 2023/2024
Engelsk titel

Introductory Probability Theory and Statistics (GSS)

Uddannelse

Bacheloruddannelsen i datalogi-økonomi

Kursusindhold

Kurset giver en introduktion til sandsynlighedsregning og statistik og omfatter følgende emner:

  • Sandsynlighed, betinget sandsynlighed, uafhængighed.
  • Stokastiske variable, middelværdi og varians, forventning, transformation.
  • Simultane og marginale fordelinger, kovarians og korrelation.
  • Diskrete og kontinuerte sandsynlighedsfordelinger.
  • Transformationer af normalfordelte variable.
  • Maksimum likelihood-(ML-)estimation.
  • Konstruktion af konfidensinterval og hypoteseafprøvning i basale normalfordelingsmodeller.
  • Introduktion til store tals lov og den centrale grænseværdisætning (der anvendes i økonometrifagene).
  • Computersimulation i Python

 

Kurset bidrager til opfyldelsen af målet om, at de studerende på datalogi-økonomi får

  • Teoretisk og praktisk indsigt fra kurser i statistik
  • Erfaring i at arbejde med programmering (Python)
Målbeskrivelser

Viden om

  • Aksiomer og regneregler for sandsynligheder samt af stokastiske variable.
  • Betingede sandsynligheder, uafhængighed og tilhørende regneregler.
  • Sandsynlighedsfunktioner og –tætheder i én og to dimensioner, middelværdi og varians, kovarians og korrelation, samt forskellen mellem marginale og simultane fordelinger.
  • De statistiske grundbegreber: statistisk model, estimation, princippet om ML-estimation, konfidensinterval og hypoteseafprøvning.
  • Store tals lov og den centrale grænseværdisætning.

 

Færdigheder i at

  • Beregne sandsynligheder og betingede sandsynligheder ved brug af deres definitioner og regneregler
  • Gennemføre beregninger vedrørende marginale, simultane og betingede sandsynligheder samt momenter for diskrete stokastiske variable.
  • Gennemføre beregninger vedrørende marginale tætheder og simple transformationer for kontinuerte stokastiske variable.
  • Gennemføre simple computersimulationseksperimenter ved hjælp af Python med henblik på at undersøge egenskaber ved stokastiske variable og deres fordelinger.
  • Estimere simple statistiske modeller (både vha. Python og uden hjælpemidler), beregne konfidensintervaller og udføre simple hypoteseafprøvninger i de præsenterede statistiske modeller 

 

Kompetencer til at

  • Oversætte oplysninger (givet som tekst) om sandsynligheder, betingede sandsynligheder og eksperimenter til de relevante matematiske formler og udtryk
  • Opstille simple statistiske modeller, kunne vurdere deres relevans for at afklare konkrete videnskabelige spørgsmål, og kunne kvantificere usikkerhed vedrørende deres konklusioner
  • Udføre estimation af en række statistiske modeller i Python og uden hjælpemidler samt aflæse og fortolke estimationsoutput
  • Designe, udføre og fortolke simple computersimulationseksperimenter, der undersøger egenskaber ved stokastiske variable og deres fordelinger
  1. Se Absalon, når kurset er oprettet.

  2.  

    Eksempelvis kunne følgende indgå i pensum:
  3. M. Sørensen: En introduktion til sandsynlighedsregning. 9. udgave. 
  4.  
  5. H. B. Nielsen: Introduction to likelihood based estimation and inference. Third edition.
Introduktion til matematik (MatIntro).
6 timers forelæsning og 6 timers øvelser om ugen i 7 uger.
Øvelser er en kombination af selvstændigt arbejde og gennemgang af opgaver med hjælp fra øvelseslærere. Forelæsninger vil være en kombination af slides, der tager udgangspunkt i pensum, tavlegennemgang, videoer med ekstramateriale, dialog mellem underviser og studerende, quizzer, og diskussioner i mindre grupper blandt de studerende.
  • Kategori
  • Timer
  • Forelæsninger
  • 42
  • Forberedelse (anslået)
  • 118
  • Teoretiske øvelser
  • 42
  • Eksamen
  • 4
  • I alt
  • 206
Løbende feedback i undervisningsforløbet
Peerfeedback (studerende giver hinanden feedback)

Der gives skriftlig feedback på obligatoriske afleveringsopgaver. Derudover løbende mundtlig feedback i undervisningsforløbet fra øvelseslærere samt feedback fra quizzer i forelæsninger og som del af forberedelsen. 

Point
7,5 ECTS
Prøveform
Skriftlig prøve, 4 timer med opsyn.
Krav til indstilling til eksamen

Det er et krav for at deltage i eksamen, at minimum tre ud af kursets fire obligatoriske opgaver er godkendte og gyldige.

Hjælpemidler
Kun visse hjælpemidler tilladt

Følgende hjælpemidler er tilladt:

Computer, bøger, noter og slides fra undervisningen; Lommeregner; Tekstbehandlingsprogrammer som Word og LyX; Excel og Python (herunder Jupyter Notebook); PDF viewers; Editors som Sublime eller VS Code.

 

Bedømmelsesform
7-trins skala
Censurform
Ekstern censur
Reeksamen

Prøveform: Samme som ved ordinær eksamen. 
 

Indstilling: Det er et krav for at deltage i reeksamen, at minimum tre ud af kursets fire obligatoriske opgaver er godkendte og gyldige. Hvis opgaverne ikke blev godkendt i det ordinære kursusforløb, kan de genafleveres til bedømmelse seneste tre uger før første dag i reeksamensperioden.

 

Kriterier for bedømmelse

Se målbeskrivelsen.