0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

I noen tidligere år har det blitt brukt mer tid på første del av læreboken. Det ble da påpekt av studentene at det vil være bedre med mer fokus på siste del av læreboken hvor det nye materialet og kjernen i teorien blir presentert. Dette ble gjennomført i de tre foregående år og anbefales også videre.

Emnet er et teoretisk grunnlagskurs og således relevant for alt statistisk arbeid. Formålet med kurset blir kommunisert til studentene i starten og underveis hvor det blir poengtert hvorfor de ulike tema er viktige. Kurset er plassert på høsten i 4 klasse. Dermed har studentene en del statistikk grunnlag slik at de kan se relevansen av teorien. De har også grunnleggende matematikkfag. Det virker som en gunstig plassering. Emnet er mer teoretisk krevende enn andre tidligere statistikkkurs hvor fokus oftere er algoritmer og metoder. Noen studenter ble frustrert av dette, mens andre satte pris på å få innsikt i teorien bak metodene. Oppmøte på forelesningene var jevnt godt og studentene deltok aktivt med spørsmål og diskusjon. Studentene skriver (se vedlegg): What do you think about the lectures? Should more of the theory be left as self-study? More examples? Answer 1: I thought the lectures were very good. Engaged lecturer which was open to questions and gave good and thorough explanations.Answer 2: More calculations. When there are no solutions to exercises and not much training in problem solving they become mostly un-done. Læringaktivitetene består av forelesning, øvelser og selvstudier. Alle organisert undervisning foregikk fysisk. Det ble gitt ukentlige øvelser hvor tre av dem måtte leveres inn for godkjenning for å få lov til å gå opp til eksamen. Øvelsesoppgavene er bevisst krevende for at studentene skal strekke seg etter å se rekkevidden av teorien. Question:What do you think about the exercises? Scribe? Mandatory exercises? Answer 1: I found the compulsory task of taking notes very good. I've heard that it's not usual here to take lecture notes and I think that this is an importantskill, also with regard to final theses. I think the fact that they had to be written in two groups was quite good if you had a sensible partner. Answer 2: The exercises have been nice. They are quite difficult, so I think having solutions for the non-mandatory exercises would have been helpful. Thescribe exercise was ok. The mandatory exercises were very difficult in my opinion. I spent considerable time on them, but felt like it was difficult. Studentene skriver at de obligatoriske øvingene var krevende.Dette skapte noe frustrasjon, men læringsutbytte så ut til å være godt. Studentene vil gjerne ha LF på øvinger, men jeg anbefaler ikke dette (med unntak av de obligatoriske øvingene). De har tilstrekkelig mengde LF fra gamle eksamensoppgaver. I tillegg er det ukentlige treffetider med både faglærer og stipendiat. Storparten av studentene er masterstudenter i statistikk. Disse har et godt læringmiljø på Matteland. 4 eksamensbesvarelser var svært gode. Ellers A: xxxxB: xxxxxC: xxxxxD: xE: xxxF: xxxxxxx Eksamensoppgaven ga en god evaluering av studentene. Det generelle inntrykket er at studentene er lite øvet på å regne med symboler og gjøre egne argument. Dette er en naturlig konsekvens av prioritering av bruk av programpakker i øvrig del av deres studieopplegg og i deres bakgrunn fra VGS (fokus på Geogebra versus å faktisk lære matematikk og fysikk). De viser liten evne til analytiske argument 'på papir' i forhold til tidligere studenter.

<h3>Faglig innhold</h3>Transformasjoner og momenter av tilfeldige variabler. Definisjon av fordelingsklasser. Ulikheter og konvergensteoremer. Suffisiente observatorer. Frekventistiske og bayesianske estimatorer. Metoder for konstruksjon av punktestimatorer, intervallestimatorer og hypotesetester, samt optimalitet av disse. Asymptotiske egenskaper for estimatorer og hypotesetester.<h3>Læringsutbytte</h3>1. Kunnskap. Studenten har solide teoretiske kunnskaper om generelle prinsipper for statistisk inferens. Studenten har kunnskap om hvordan punkt- og intervallestimatorer, samt hypotesetester konstrueres, og om hvordan disse estimatorene og testene evalueres. Studenten har innsikt i hvordan optimale estimatorer og tester konstrueres. Studenten har også noe kjennskap til asymptotisk teori for statistisk inferens. 2. Ferdigheter. Studenten kan utføre punktestimering, hypotesetesting og intervallestimering under et stort mangfold av diskrete og kontinuerlige sannsynlighetsmodeller. Studenten kan videre evaluere egenskapene til disse estimatorene og testene, såvel for endelige utvalgsstørrelser som asymptotisk når utvalgsstørreelsen vokser, samt velge optimale estimatorer og tester.<h3>Læringsformer og aktiviteter</h3>Forelesninger og obligatoriske øvinger. Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Spesielt utvalgte øvinger må være godkjent for å gå opp til eksamen. 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.

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.Se «Læringsformer og aktiviteter».

Anbefalte forkunnskaper

TMA4240/TMA4245 Statistikk eller tilsvarende kunnskaper. Emnet krever en viss grad av modenhet i statistikk og for størst utbytte av emnet anbefales også et av emnene TMA4267 Lineære statistiske modeller eller TMA4255 Anvendt statistikk.

Link til informasjon om emnet

Faglig innhold

Transformasjoner og momenter av tilfeldige variabler. Definisjon av fordelingsklasser. Ulikheter og konvergensteoremer. Suffisiente observatorer. Frekventistiske og bayesianske estimatorer. Metoder for konstruksjon av punktestimatorer, intervallestimatorer og hypotesetester, samt optimalitet av disse. Asymptotiske egenskaper for estimatorer og hypotesetester.

Kursmateriell

Læringsutbytte

1. Kunnskap. Studenten har solide teoretiske kunnskaper om generelle prinsipper for statistisk inferens. Studenten har kunnskap om hvordan punkt- og intervallestimatorer, samt hypotesetester konstrueres, og om hvordan disse estimatorene og testene evalueres. Studenten har innsikt i hvordan optimale estimatorer og tester konstrueres. Studenten har også noe kjennskap til asymptotisk teori for statistisk inferens. 2. Ferdigheter. Studenten kan utføre punktestimering, hypotesetesting og intervallestimering under et stort mangfold av diskrete og kontinuerlige sannsynlighetsmodeller. Studenten kan videre evaluere egenskapene til disse estimatorene og testene, såvel for endelige utvalgsstørrelser som asymptotisk når utvalgsstørreelsen vokser, samt velge optimale estimatorer og tester.

Læringsformer og aktiviteter

Forelesninger og obligatoriske øvinger. Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Spesielt utvalgte øvinger må være godkjent for å gå opp til 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.

Øvinger

Statistisk inferens

Statistikk

Teknologiske fag

Lektorutdanning i realfag for trinn 8 – 13

Mathematical Sciences (Master's Programme)

Fysikk og matematikk - masterstudium (5-årig)

Matematiske fag - bachelorstudium

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(26765)/FieldValuesAsText

I noen tidligere år har det blitt brukt mer tid på første del av læreboken. Det ble da påpekt av studentene at det vil være bedre med mer fokus på siste del av læreboken hvor det nye materialet og kjernen i teorien blir presentert. Dette ble gjennomført i fjor og i år og anbefales også videre.

Emnet er et teoretisk grunnlagskurs og således relevant for alt statistisk arbeid. Formålet med kurset blir kommunisert til studentene i starten og underveis hvor det blir poengtert hvorfor de ulike tema er viktige. Kurset er plassert på høsten i 4 klasse. Dermed har studentene en del statistikk grunnlag slik at de kan se relevansen av teorien. Det virker som en gunstig plassering. Emnet er mer teoretisk krevende enn andre tidligere statistikkkurs hvor fokus oftere er algoritmer og metoder. Noen studenter ble frustrert av dette, mens andre satte pris på å få innsikt i teorien bak metodene. Oppmøte på forelesningene var jevnt godt og studentene deltok aktivt med spørsmål og diskusjon. Studentene skriver: What parts of the teaching and learning activities do you think have contributed to mostlearning for the students? Answer: Lectures Læringaktivitetene består av forelesning, øvelser og selvstudier. Alle organisert undervisning foregikk fysisk. Det ble gitt ukentlige øvelser hvor tre av dem måtte leveres inn for godkjenning for å få lov til å gå opp til eksamen. Øvelsesoppgavene er bevisst krevende for at studentene skal strekke seg etter å se rekkevidden av teorien. I referansegrupperapporten skriver studentene at de obligatoriske øvingene var krevende. De skriver og: The compulsory assignments were important to the learning by allowing the studentsto practise important and relevant tasks. The compulsory assignments have a clear purpose in the learning process. Thedefinitions on the exercise sheets were helpful. Dette skapte noe frustrasjon, men læringsutbytte så ut til å være godt. Studentene vil gjerne ha LF på øvinger, men jeg anbefaler ikke dette. De har tilstrekkelig mengde LF fra gamle eksamensoppgaver. Storparten av studentene er masterstudenter i statistikk. Disse har et godt læringmiljø på Matteland. 5 eksamensbesvarelser var svært gode, 4 var til stryk, og de resterende 14 var spredd i mellom. Eksamensoppgaven ga en god evaluering av studentene. Det generelle inntrykket er at studentene er lite øvet på å regne med symboler og gjøre egne argument. Dette er en naturlig konsekvens av prioritering av 'koding' og bruk av programpakker i øvrig del av deres studieopplegg og i deres bakgrunn fra VGS (fokus på Geogebra versus å faktisk lære matematikk). De viser liten evne til analytiske argument 'på papir' i forhold til tidligere studenter.

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(21269)/FieldValuesAsText

I noen tidligere år har det blitt brukt mer tid på første del av læreboken. Det ble da påpekt av studentene at det vil være bedre med mer fokus på siste del av læreboken hvor det nye materialet og kjernen i teorien blir presentert. Dette ble gjennomført i år og anbefales også videre.

Emnet er et teoretisk grunnlagskurs og således relevant for alt statistisk arbeid. Formålet med kurset blir kommunisert til studentene i starten og underveis hvor det blir poengtert hvorfor de ulike tema er viktige. Kurset er plassert på høsten i 4 klasse. Dermed har studentene en del statistikk grunnlag slik at de kan se relevansen av teorien. Det virker som en gunstig plassering. Emnet er mer teoretisk krevende enn andre tidligere statistikkkurs hvor fokus oftere er algoritmer og metoder. Noen studenter ble frustrert av dette, mens andre satte pris på å få innsikt i teorien bak metodene. Oppmøte på forelesningene var jevnt godt og studentene deltok aktivt med spørsmål og diskusjon. Læringaktivitetene består av forelesning, øvelser og selvstudier. Alle organisert undervisning foregikk fysisk. Det ble gitt ukentlige øvelser hvor tre av dem måtte leveres inn for godkjenning for å få lov til å gå opp til eksamen. Øvelsesoppgavene er bevisst krevende for at studentene skal strekke seg etter å se rekkevidden av teorien. I referansegrupperapporten skriver studentene at de obligatoriske øvingene var svært krevende, og at de færreste klarte å svare på alle oppgavene som ble gitt. Dette skapte noe frustrasjon, men læringsutbytte så ut til å være godt. Storparten av studentene er masterstudenter i statistikk. Disse har et godt læringmiljø på Matteland, selv om Korona nok satte sitt preg på dette. To eksamensbesvarelser var svært gode, to var til stryk, og de resterende 15 var spredd i mellom. Eksamensoppgaven ga en god evaluering av studentene.

Forelesninger og obligatoriske øvinger. Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Spesielt utvalgte øvinger må være godkjent for å gå opp til eksamen. 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.

Lektorutdanning i realfag - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(15734)/FieldValuesAsText

Faget er teoretisk av karakter. Det gjev innsyn i statistisk tankegong som ligg bak den metodiske tilnærminga til faget som blir gitt i grunnkurset og en del  andre statistikkkurs. Pensum er relativt stort og det er krevjande å tileigne seg alt i full mon. Ei del definisjonar er relativt abstrakte og vidtrekkjande og faglærar har lagt vekt på å gje mange og til dels krevjande øvingsoppgåver for at ein skal få eit grep om kva dei inneber. Det blei gitt gitt 3 obligatoriske øvingar i faget. Desse blei spreidd jamnt utover semesteret og var delvis av oppsummerande art. Studentane har vore positive til kvaliteten på undervisninga og opplegget inklusivt lærebok, øvingar og obligatoriske øvingar og skriv i referansegruppe rapporten at læringsutbytte har vore svært høgt.

Emnet er eit teoretisk grunnlagskurs og såleis relevant for alt statistisk arbeid. Føremålet med kurset blir kommunisert til studentane i starten og underveis der det blir poengtert kvifor temaane er viktige. Kurset er plassert på hausten i 4 klasse. Dermed har studentane ein del statistikk grunnlag slik at dei kan sjå relevansen av teorien. Det verkar som ei gunstig plassering. Dessutan gjev studentane uttrykk for at det er godt med eit teoretisk rekningsbasert kurs midt opp i mange andre som lenar seg på datakraft.

Læringsaktivitetane består av føresingar, øvingar og sjølvstudium. Alle organisert undervisning føregjekk fysisk. Det er i alt 12 øvingar, tre av dei skal leverast inn for godkjenning for å få lov til å gå opp til eksamen. Etter kvar av dei obligatoriske øvingane blei det gitt tilbakemelding til studentane om kva som var bra og kva som kunne forbetrast. Øvingsoppgåvene er bevisst krevjande for at studentane skal strekkje seg etter å sjå rekkjevidda av teorien. Dei styrer ein god del av læringsutbyttet i faget. I referansegrupperapporten skriv studentane at dei gjev eit godt grunnlag for eksamen og at eksamen gjerne følast lettare enn øvingane. Storparten av studentane er masterstudentar i statistikk. Desse har eit godt læringsmiljø på Matteland, sjølv om Korona nok sette sitt preg på dette og. Ein sit att med inntrykket av at eigeninnsatsen og motivasjonen var god. Det var stabilt godt frammøte på førelesing (25-30) og eksamensbesvarelsane var gode.

Dei tre obligatoriske øvingane må vere godkjende for å få lov til å gå opp til eksamen. Eksamen er 4 timar skriftleg og eignar seg godt til å teste dei ferdigheitane ein forventar at studentane skal kunne. Karakterskalaen går frå A - F. Karakterane er normalt gode, ca. halvparten A og B og lite stryk. I år blei skuleeksamen omgjort til heimeeksamen med bestått/ikkje bestått. Trass i det blei eksamensbesvarelsane gode, prosentvis ville det blitt like mange A som før. 46 studentar avla eksamen, ein leverte blankt og det var ingen stryk blant dei andre.Faget blei underlagt ekstern sensur i 2019. I 2020 blei eksamensoppgåvene godkjende av ekstern sensor

TMA4240/TMA4245 Statistikk eller tilsvarende kunnskaper. Emnet krever en viss grad av
modenhet i statistikk og for størst utbytte av emnet anbefales også et av emnene TMA4267
Lineære statistiske modeller eller TMA4255 Anvendt statistikk.


Transformasjoner og momenter av tilfeldige variabler. Definisjon av fordelingsklasser. Ulikheter og konvergensteoremer. Suffisiente observatorer. Frekventistiske og bayesianske estimatorer. Metoder for konstruksjon av punktestimatorer, intervallestimatorer og hypotesetester, samt optimalitet av disse. Asymptotiske egenskaper for estimatorer og hypotesetester.


1. Kunnskap. Studenten har solide teoretiske kunnskaper om generelle prinsipper for statistisk
inferens. Studenten har kunnskap om hvordan punkt- og intervallestimatorer, samt hypotesetester konstrueres, og om hvordan disse estimatorene og testene evalueres. Studenten har
innsikt i hvordan optimale estimatorer og tester konstrueres. Studenten har også noe kjennskap
til asymptotisk teori for statistisk inferens.
2. Ferdigheter. Studenten kan utføre punktestimering, hypotesetesting og intervallestimering under et stort mangfold av diskrete og kontinuerlige sannsynlighetsmodeller. Studenten
kan videre evaluere egenskapene til disse estimatorene og testene, såvel for endelige utvalgsstørrelser som asymptotisk når utvalgsstørreelsen vokser, samt velge optimale estimatorer
og tester.


Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(10102)/FieldValuesAsText

Statistisk inferens - TMA4295