Emne - Statistikk - ISTT1003
ISTT1003 - Statistikk
Om emnet
Vurderingsordning
Vurderingsordning: Digital eksamen og arbeider
Karakter: Bokstavkarakterer
| Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
|---|---|---|---|---|
| Arbeider | 30/100 | |||
| Digital skoleeksamen | 70/100 | 3 timer | C |
Faglig innhold
Generell del (5 studiepoeng): Beskrivende statistikk. Sannsynlighet for hendelser, kombinatorikk og betinget sannsynlighet. Stokastiske variabler, forventing og varians. Kovarians, korrelasjon og uavhengighet. Sentrale sannsynlighetsfordelinger (bl.a. binomisk, poisson-, eksponential- og normalfordeling). Sentralgrenseteoremet. Parameterestimering og konfidensintervaller. Ett-utvalgs hypotesetester. Enkel lineær regresjon.
Studieretningsdel (2,5 studiepoeng): Multippel lineær regresjon, klassifikasjon og klyngeanalyse.
Læringsutbytte
Kunnskap
Kandidaten kjenner til de grunnleggende ideene i sannsynlighetsregning og statistikk. Kandidaten har kunnskap om enkle statistiske modeller og prosesser ofte brukt innen eget fagfelt og forstår forutsetningene for disse. Kandidaten er kjent med hvordan statistikk kan anvendes på en helhetlig måte, dvs. hvordan statistikk er et nødvendig verktøy for innsamling av data, og for å beskrive og evaluere resultater. Videre har kandidaten kunnskap om de vanligste metodene som brukes for å trekke slutninger om en prosess eller populasjon basert på uavhengige forsøk og tilfeldige utvalg. Kandidaten har kunnskap om metoder innen statistisk læring og data science
Ferdigheter
Kandidaten kan
- presentere og forklare viktige egenskaper til et datamateriale ved bruk av oppsummerende størrelser, tabeller og figurer
- regne på sannsynlighet for hendelser og betinget sannsynlighet, blant annet ved å ta i bruk kombinatorikk, stokastiske variabler, de mest sentrale sannsynlighetsmodellene (f.eks. binomisk, poisson-, eksponential- og normalfordeling) og sentralgrenseteoremet
- gjennomføre enkle statistiske analyser slik som å estimere parametere, beregne konfidensintervall, foreta ett-utvalgs hypotesetester og utføre beregninger knyttet til korrelasjon og enkel lineær regresjon
- anvende statistiske prinsipper og begreper innen eget fagfelt
- benytte Python eller lignende beregningsverktøy til å utføre nødvendige statistiske beregninger
- gjennomføre regresjon-, klassifikasjon- og klyngeanalyser på ulike datasett, og forklare forutsetninger og resultater fra metoder innen statistisk læring og data science
Generell kompetanse
Kandidaten ser viktigheten av statistisk kunnskap og kompetanse i ingeniørrollen og kan kommunisere med fagpersoner om ingeniørfaglige problemstillinger ved å benytte seg av statistiske begreper og størrelser. Kandidaten har gjennom studentaktiviteter som øvinger og tellende prosjektarbeid opparbeidet seg trygghet knyttet til enkel statistisk analyse og noen metoder for statistisk læring og data science. Denne kompetansen danner en plattform for videre ingeniørstudier, og for ulike typer anvendelser innen industri, konsulentvirksomhet og offentlig sektor.
Læringsformer og aktiviteter
Forelesninger, prosjektarbeid i gruppe og øvinger
Obligatoriske aktiviteter
- Øvinger
Mer om vurdering
Emnet har to delvurderinger med bokstavkarakter; prosjektarbeid (i grupper) og individuell eksamen. Begge delvurderingene må bestås for å bestå emnet.
Det arrangeres kontinuasjonseksamen i august for delvurderingen som er skriftlig eksamen (under tilsyn), og denne kan endres til muntlig eksamen dersom det er få studenter. Det arrangeres ikke kontinuasjonseksamen for prosjektoppgaven. Prosjektoppgaven må derfor gjennomføres på nytt når emnet går ordinært.
Kontinuasjon og frivillig gjentak/forbedring kan gjennomføres for enkelte delvurderinger uten at alle delvurderinger må tas opp igjen.
Dersom emnet endrer vurdering må hele emnet tas på nytt (både ved ikke-bestått delvurdering og ved forbedring av karakter).
Spesielle vilkår
Krever opptak til studieprogram:
Data - Ingeniørfag (BIDATA)
Digital infrastruktur og cybersikkerhet (BDIGSEC)
Anbefalte forkunnskaper
Matematiske metoder 1
Ingeniørfaglig innføringsemne
Forkunnskapskrav
Kunnskap i matematikk tilsvarende R1 og R2 i videregående skole, fra R2 spesielt forståelse og kompetanse kom kreves for å regne på enkle integraler.
Kursmateriell
Gunnar Løvås: Statistikk for universiteter og høgskoler. Kompendium i grunnleggende statistisk læring og data science. Temavideoer.
Studiepoengreduksjon
| Emnekode | Reduksjon | Fra | Til |
|---|---|---|---|
| ISTA1001 | 5.0 | HØST 2020 | |
| ISTA1002 | 5.0 | HØST 2020 | |
| ISTA1003 | 7.5 | HØST 2020 | |
| ISTG1001 | 5.0 | HØST 2020 | |
| ISTG1002 | 5.0 | HØST 2020 | |
| ISTG1003 | 7.5 | HØST 2020 | |
| ISTT1001 | 5.0 | HØST 2020 | |
| ISTT1002 | 5.0 | HØST 2020 | |
| TALM1005 | 5.0 | HØST 2020 | |
| TDAT2001 | 5.0 | HØST 2020 | |
| IE203312 | 5.0 | HØST 2020 | |
| IR201812 | 5.0 | HØST 2020 | |
| IR102712 | 4.0 | HØST 2020 | |
| SMF2251 | 5.0 | HØST 2020 | |
| VB6200 | 5.0 | HØST 2021 | |
| ST0103 | 5.0 | HØST 2024 | |
| ST1101 | 2.5 | HØST 2024 | |
| ST1201 | 2.5 | HØST 2024 | |
| TMA4240 | 5.0 | HØST 2024 | |
| TMA4245 | 5.0 | HØST 2024 |
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Grunnleggende emner, nivå I
Termin nr.: 1
Undervises: HØST 2024
Undervisningsspråk: Norsk
Sted: Trondheim
- Statistikk
Eksamensinfo
Vurderingsordning: Digital eksamen og arbeider
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
- Høst ORD Digital skoleeksamen 70/100 C 19.12.2024 09:00 INSPERA
-
Rom Bygning Antall kandidater SL111 orange sone Sluppenvegen 14 60 SL110 lilla sone Sluppenvegen 14 49 SL510 Sluppenvegen 14 12 SL311 orange sone Sluppenvegen 14 30 -
Høst
ORD
Arbeider
30/100
Innlevering
18.11.2024
INSPERA
12:00 -
Rom Bygning Antall kandidater - Sommer UTS Digital skoleeksamen 70/100 C INSPERA
-
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.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"