MSG830 H22 Statistisk Analys och Experimentplanering
Kursinformation
Kursen består av två delar, en teoretisk del (6hp) med föreläsningar, övningar och datorlaborationer och ett obligatoriskt projekt (1.5 hp). Kurslitteratur är ett kompendium. Svar för övningsuppgifterna hittas här.
På denna sida finns preliminära programmet för kursen: föreläsningar, räkneövningar och datorlaborationer. Beskrivning av projektet hittar du efter programmet.
För laborationerna och projektet behövs statistikprogramvaran RStudio som kan laddas ner i två steg
Steg 1: installera R från http://ftp.acc.umu.se/mirror/CRAN/ (Links to an external site.)
Steg 2: installera RStudio från https://rstudio.com/products/rstudio/download/ (Links to an external site.)
Inga förkunskaper i programmering krävs.
För dig som inte har egen dator finns möjligheten att göra labben i datasalen MVF22. Du måste då se till att du har konto på Chalmers vilket du skaffar via Chalmers studentportal.
Examinator och föreläsare: Tony Johansson
Schema: TimeEdit
Program
| Datum | Aktivitet | Innehåll | Avsnitt i kompendium |
| Onsdag 2/11 | Datatyper, Deskriptiv statistik | Kapitel 1 | |
| Torsdag 3/11 | Sannolikhetsteorins grunder, Kombinatorik, Betingad sannolikhet, Oberoende händelser, Bayes formel | Kapitel 2 | |
| Tisdag 8/11 | Övning |
Övningar i Kapitel 1 och 2: |
1.8.1, 2.6.1, 2.6.2, 2.6.3, 2.6.4, 2.6.9 |
| Tisdag 8/11 | Datorlab | Beskrivande statistik | Lab 1 |
| Onsdag 9/11 | Diskret slumpvariabel, Fördelning, Väntevärde, Varians, Binomialfördelning, Stora talens lag | Kapitel 3 | |
| Torsdag 10/11 | Kontinuerlig slumpvariabel, Täthet, Likformig, Normal, Centrala gränsvärdessatsen | Kapitel 4 | |
|
Tisdag 15/11 |
Övning |
Övningar i Kapitel 3 och 4: |
3.8.1, 3.8.4, 3.8.7, 4.4.2, 4.4.4, 4.4.6 |
| Tisdag 15/11 | Datorlab | Binomial och normalfördelning | Lab 2 (Windows) (Mac) |
| Onsdag 16/11 | Population och stickprov, Medelfel, Konfidensintervall, Hypotesprövning | Kapitel 5 | |
| Tisdag 22/11 | t-fördelning, 1-stickprov t-test | Kapitel 6 | |
| Tisdag 22/11 | Datorlab | Filinläsning och Paket | |
| Onsdag 23/11 | Övning | Övningar i Kapitel 5: | 5.6.2, 5.6.3, 5.6.4, 5.6.6, 5.6.7 |
| Onsdag 23/11 |
Föreläsning |
t-fördelning, t-test | Kapitel 6 |
| Torsdag 24/11 |
Föreläsning |
Försöksplanering och Projekt | Kapitel 10a |
| Tisdag 29/11 | Övning | Övningar i Kapitel 6: | 6.7.1, 6.7.2, 6.7.3, 6.7.4, 6.7.5, 6.7.6, 6.7.7, 6.7.8 |
| Tisdag 29/11 | Datorlab | Konfidensintervall | Lab 4 (Windows) (Mac) |
| Onsdag 30/11 | Föreläsning (Anteckningar) | Parat t-test, icke-parametriska test | Kapitel 6 |
| Torsdag 1/12 |
Föreläsning |
ANOVA, Multipla jämförelser, Bonferronis metod | Kapitel 7 |
| Tisdag 6/12 | Övning | ANOVA |
7.3.1, 7.3.2, 7.3.3, 7.3.4., 7.3.5 |
| Tisdag 6/12 | Datorlab | t-test och ANOVA | Lab 5 (Windows) (Mac) |
| Onsdag 7/12 |
Föreläsning |
Enkel linjär regression, Hypotesprövning av lutning, Analys av residualer, Korrelation (Pearson), t-test av korrelation | Kapitel 8 |
| Torsdag 8/12 |
Föreläsning |
Chi-två test, Chi-två fördelning, Goodness-of-fit test, Test av oberoende | Kapitel 9 |
| Tisdag 13/12 | Övning | Övningar i Kapitel 6-9 | 8.3.1, 8.3.2, 8.3.3, 8.3.4, 9.3.1, 9.3.2, 9.3.3b, 9.3.4, 9.3.5, 9.3.6, 9.3.7, 9.3.8 |
| Tisdag 13/12 | Datorlab | Linjär regression | Lab 6 (Windows) (Mac) |
| Onsdag 14/12 | Datorlab |
Chi-två-test |
Lab 7 (Windows) (Mac) |
| Torsdag 15/12 | Föreläsning | Handledning av projekt | |
| Tisdag 3/1 | Föreläsning | Genomgång av Typtentan | |
| Tisdag 3/1 | Föreläsning | Genomgång av gammal tenta | Tenta januari 2022 |
| Onsdag 4/1 | Föreläsning (Anteckningar) | Försöksplanering och beräkning av stickprovsstorlek | Kapitel 10b |
| Torsdag 5/1 | Föreläsning | Handledning av projekt och frågestund | |
| Fredag 13/1 | Tentamen |
Kurslitteratur
Vi kommer att använda ett Kompendium författat av Staffan Nilsson, Aila Särkkä och Serik Sagitov. Kompendiet är under konstruktion.
Utöver kompendiet kan du även läsa någon grundläggande bok i statistik, t ex Milton & Arnold: Introduction to probability and statistics.
Examination
Examinationen består av två delar, en skriftlig tentamen och ett projekt. För projektet ges bara betygen U eller G, medan för den skriftliga tentamen ges betygen U, G eller VG.
Den 24 februari har vi gått genom alla de viktigaste testen och senast då är det dags att börja jobba med projektet. Rapporten ska lämna in senast den 31 mars, men ju förr desto bättre.
Projekt
Syftet med projektet är att ni i grupper av 3-4 personer ska pröva på att planera ett projekt som sedan ska analyseras med statistiska metoder ni lärt på kursen. Att forska ska vara roligt. Välj någonting som intresserar er, det blir bättre då. Det är förstås bäst om ni kan hitta på ett projekt inom ert huvudämne, men det går också fint med något som ni bara tycker är intressant i största allmänhet. Ni kan välja att utföra experiment av något slag, men också observationsstudier går bra.
Ett minimikrav på projektet är att ni genererar data, beskriver data med lämpliga mått och plottar och utför minst ett statistiskt test. Det går inte att garantera signifikanta resultat, men ni bör åtminstone ha en forskningshypotes som rimligen kan vara sann.
Några exempel på vad som har studerats i tidigare projekt:
Användning av Swish, Punktlighet hos spårvagnar, Tobakskonsumtion, Pepparkakstest, Ekologisk konsumtion, Prisskillnader mellan kravmärkt och vanlig produkt, Matvanor (veg, fisk, kött), Julmusttest, Kaffekonsumtion, Klimatförändringar i Oslo sen 30-talet, Sociala medier och stress, Kost-träning-utseendefixering, Studenters lunchvanor, Hur spricker Mariekex (modell för tektoniska plattor), Trafikflöde och trängselskatt, Sömnvanor, Dendokronologi i Skogaby, etc
Stäm av projektidén med kursledaren Aila Särkkä (aila@chalmers.se) innan ni börjar projektet.
Rapporten ska innehålla en inledande beskrivning av frågeställningen och beskrivning av data, ett metodavsnitt där ni beskriver försöksupplägget, metoden/metoderna ni har använt och ger era noll- och forskningshypoteser, en resultatdel där resultaten av era analyser presenteras och en avslutande diskussion. Resultaten kan beskrivas i ren text och med egenkonstruerade tabeller, men bifoga också den R output som ligger till grund för framställningen, samt de datafiler du använt. I diskussionen bör ni diskutera antaganden ni har gjort och om de stämmer och begränsningar av er undersökning.
Rapporten mailas till aila@chalmers.se (i pdf-format) senast den 31 januari, 2023. Endast en i gruppen behöver lämna in rapporten. Glöm inte ange samtliga gruppdeltagares namn på rapporten.
Kurssammanfattning:
| Datum | Information | Sista inlämningsdatum |
|---|---|---|