NTNU:TIA:REST

Institutt for matematiske fag

Department of Mathematical Sciences

Spesifiserte trykte og håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Engelsk

Norsk

Mer om vurdering

Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen. Dersom kurset foreleses på engelsk kan eksamen bli gitt kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk.

Anbefalte forkunnskaper

Emnet TMA4240/TMA4245 Statistikk eller tilsvarende kunnskaper.

Link til informasjon om emnet

Faglig innhold

Stokastiske vektorer. Multivariabel normalfordeling. Multippel lineær regresjon. Variansanalyse. Multippel hypotesetesting. Forsøksplanlegging.

Kursmateriell

Læringsutbytte

1. Kunnskap. Studenten har gode teoretiske kunnskaper om de mest populære statistiske modeller og metoder som benyttes i vitenskap og teknologi, dette inkluderer spesielt regresjonsmodeller. De statistiske egenskapene til multivariabel normalfordeling er godt kjent for studenten, og studenten er fortrolig med rollen til den multivariate normalfordelingen i lineære statistiske modeller. 2. Ferdigheter. Studenten vet hvordan han/hun kan planlegge et eksperiment og hvordan han/hun kan samle inn informative data av høy kvalitet. Videre kan studenten velge en egnet statistisk modell og metode, og utføre statstiske analyser ved hjelp av statistisk programvare. Studenten vet hvordan resultatene fra de statistiske analysene skal presenteres, og kan trekke konklusjoner.

Læringsformer og aktiviteter

Forelesninger, øvinger og en skriftlig eksamen. Undervisningen i emnet vil kunne bli gitt på engelsk.

Øvinger

Lineære statistiske modeller

Statistikk

Teknologiske fag

Fysikk og matematikk - masterstudium (5-årig)

Mathematical Sciences (Master's Programme)

Matematiske fag - bachelorstudium

Lektorutdanning i realfag for trinn 8 – 13

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(23751)/FieldValuesAsText

Alle trykte og skrevne

Dersom studenten også etter utsatt eksamen har sluttkarakteren F/ikke-bestått, må studenten gjenta hele emnet neste studieår. Arbeider som teller med i sluttkarakteren må gjentas. For mer informasjon om vurdering, Se «Læringsformer og aktiviteter».

Stokastiske vektorer. Multivariabel normalfordeling. Multippel lineær regresjon. Variansanalyse. Multippel hypotesetesting. Forsøksplanlegging. 

Forelesninger, øvinger og arbeider (prosjekter). Mappevurdering gir grunnlag for sluttkarakter i emnet. I mappen inngår skriftlig avsluttende eksamen (70%) og arbeider (elektroniske øvinger og/eller prosjekter) (30%). Resultater for delene angis i %-poeng, mens vurdering for hele mappen (sluttkarakteren) angis med bokstavkarakter. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen. Undervisningen i emnet vil kunne bli gitt på engelsk. Dersom kurset foreleses på engelsk kan eksamen bli gitt kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk.

Arbeider

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(18245)/FieldValuesAsText

På grunn av koronapandemien ble undervisningen hovedsakelig gjort digitalt ved hjelp av Zoom. I tillegg ble forelesningene tatt opp med Panopto. Nettbrett med skriveredskap ble brukt istedenfor tavle, og på begge plattformene ble video av nettbrett og av foreleser vist. To av forelesningene ble holdt fysisk (i tillegg til Zoom og Panopto). Den digitale undervisningen fungerte godt, og det var flere spørsmål via chat på Zoom enn det vanligvis er på fysiske forelesninger. Studentene får teoretisk undervisning og øving i å programmere med den statistiske programpakken R. Dette gjør at læringsmålene oppnås på en god måte.

Læringsutbyttet er blitt oppdatert jevnlig i løpet av de siste ti årene kurset er gitt. Mål for kunnskap og ferdigheter blir kommunisert til studentene i starten av semesteret. Emnets læringsutbytte er godt tilpasset parallelle og tidligere emners læringsutbytte.

Læringsaktiviteter var forelesninger, tre obligatoriske øvinger og anbefalte øvinger. Innholdet i øvingene er relevant for det som nettopp er blitt forelest. Studentene var motivert for å levere de to første obligatoriske øvingene, men da emnet dette semesteret hadde karakterer bestått / ikke bestått pga. hjemmeeksamen, var det mange som droppet den siste obligatoriske øvingen. Det er vanskelig å si noe om læringsmiljøet, da så og si all undervisning skjedde digitalt.

Slutteksamen telte 70 % og de obligatoriske øvingene 30 %. Studentene hadde fått beskjed om at de måtte ha minst 40 % score totalt og minst 40 % score på slutteksamen for å stå. Det gjorde at tredje øving ikke hadde noen innvirkning hvis man hadde god uttelling på de to første, så mange unnlot å levere denne. Det betyr at faktorielle forsøk, som var tema for tredje øving, fikk dårligere vurderingsgrunnlag enn normalt.

Dersom studenten også etter utsatt eksamen har sluttkarakteren F/ikke-bestått, må studenten gjenta hele emnet neste studieår. Arbeider som teller med i sluttkarakteren må gjentas. For mer informasjon om vurdering, se «Læringsformer og aktiviteter».

Forelesninger, øvinger og arbeider (prosjekter).
Mappevurdering gir grunnlag for sluttkarakter i emnet. I mappen inngår skriftlig avsluttende eksamen (70%) og arbeider (elektroniske øvinger og/eller prosjekter) (30%). Resultater for delene angis i %-poeng, mens vurdering for hele mappen (sluttkarakteren) angis med bokstavkarakter. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen. 
Undervisningen i emnet vil kunne bli gitt på engelsk. Dersom kurset foreleses på engelsk kan eksamen bli gitt kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk. 

1. Kunnskap. Studenten har gode teoretiske kunnskaper om de mest populære statistiske modeller og metoder som benyttes i vitenskap og teknologi, dette inkluderer spesielt regresjonsmodeller. De statistiske egenskapene til multivariabel normalfordeling er godt kjent for studenten, og studenten er fortrolig med rollen til den multivariate normalfordelingen i lineære statistiske modeller. 
2. Ferdigheter. Studenten vet hvordan han/hun kan planlegge et eksperiment og hvordan han/hun kan samle inn informative data av høy kvalitet. Videre kan studenten velge en egnet statistisk modell og metode, og utføre statstiske analyser ved hjelp av statistisk programvare. Studenten vet hvordan resultatene fra de statistiske analysene skal presenteres, og kan trekke konklusjoner.


Lektorutdanning i realfag - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(12683)/FieldValuesAsText

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(5978)/FieldValuesAsText

Lineære statistiske modeller - TMA4267