STAT402 Regresjon for ph.d.-studenter
Studiepoeng:5
Ansvarlig fakultet:Fakultet for kjemi, bioteknologi og matvitenskap
Emneansvarlig:Ane C. W. Nødtvedt, Hilde Vinje
Campus / nettbasert:Undervises campus Ås
Undervisningens språk:Engelsk
Frekvens:Årlig
Undervisnings- og vurderingsperiode:Januarblokk + påfølgende parallell
Om dette emnet
Emnet bygger på STAT200 og utvides med en faglig påbygningsdel. Kurset gjennomføres i to deler:
- Blokkperiode (STAT200-delen, 5 stp): Ordinær undervisning, obligatoriske aktiviteter og skriftlig eksamen i januar.
- Parallellperiode (Utvidet del, 5 stp):
- Egenstudium med analyse og rapportering av et praktisk dataeksempel, gjerne egne data.
- Veiledningstjeneste med opptil 8 konsultasjonstimer.
- Ekstra pensumlitteratur og forskningsartikler for fordypning.
- Start- og midtsamlinger (hel-/halvdagsseminarer).
- Avsluttende muntlig presentasjon som del av mappevurderingen.
Dette lærer du
Kunnskap
Etter fullført emne skal studenten:
- Ha avansert kunnskap om regresjonsmodeller, inkludert multippel regresjon og generaliserte lineære modeller.
- Forstå statistiske forutsetninger, diagnosemetoder og modelltilpasning på et høyt akademisk nivå.
- Kjenne til nyere statistiske metoder og aktuell forskning innen regresjonsanalyse.
- Ha innsikt i anvendelse av regresjonsmodeller på reelle data fra ulike fagområder.
Ferdigheter
Etter fullført emne skal studenten kunne:
- Anvende avanserte regresjonsmetoder på reelle data og tolke resultatene korrekt.
- Vurdere og forbedre regresjonsmodeller basert på diagnostiske tester og residualanalyse.
- Bruke statistisk programvare for avansert dataanalyse.
- Presentere statistiske analyser skriftlig og muntlig på en klar og vitenskapelig måte.
Generell kompetanse
Etter fullført emne skal studenten:
- Kunne kritisk vurdere anvendelse av regresjonsmodeller i vitenskapelige studier.
- Kunne formidle statistiske resultater til både spesialister og ikke-spesialister.
- Ha evne til å arbeide selvstendig med avanserte dataanalyser og rapportering.
Læringsaktiviteter
Læringsstøtte
Pensum
Anbefalte forkunnskaper
Vurderingsordning, hjelpemiddel og eksamen
Om bruk av KI
Sensorordning
Obligatorisk aktivitet
Overlapp
Opptakskrav