MSG830 H23 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.
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.
Obs! Laborationerna är på engelska. Ordbok.
Examinator och föreläsare: Tony Johansson (tonyj@chalmers.se)
Räkneövningar: Tony Johansson
Datorlaborationer: Eszter Lakatos (eszter.lakatos@chalmers.se)
Schema: TimeEdit
Program
| Datum | Aktivitet | Innehåll | Avsnitt i kompendium |
| Onsdag 1/11 | Datatyper, Deskriptiv statistik | Kapitel 1 | |
| Torsdag 2/11 | Sannolikhetsteorins grunder, Kombinatorik, Betingad sannolikhet, Oberoende händelser, Bayes formel | Kapitel 2 | |
| Tisdag 7/11 | 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 7/11 | Datorlab | Beskrivande statistik | Lab 1 (Rmd) (html) |
| Onsdag 8/11 | Diskret slumpvariabel, Fördelning, Väntevärde, Varians, Binomialfördelning, Stora talens lag | Kapitel 3 | |
| Torsdag 9/11 | Kontinuerlig slumpvariabel, Täthet, Likformig, Normal, Centrala gränsvärdessatsen | Kapitel 4 | |
|
Tisdag 14/11 |
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 14/11 | Datorlab | Binomial och normalfördelning | Lab 2 (Rmd) (html) |
| Onsdag 15/11 | Population och stickprov, Medelfel, Konfidensintervall, Hypotesprövning | Kapitel 5 | |
| Torsdag 16/11 | t-fördelning, 1-stickprov t-test | Kapitel 6 | |
| Tisdag 21/11 | Övning | Övningar i Kapitel 5: |
5.6.2, 5.6.3, 5.6.4, 5.6.6, 5.6.7 |
| Tisdag 21/11 |
Föreläsning |
t-fördelning, t-test | Kapitel 6 |
| Onsdag 22/11 |
Föreläsning |
Försöksplanering och Projekt | Kapitel 10a |
| Torsdag 23/11 | Datorlab | Filinläsning och Paket | |
| Tisdag 28/11 | 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 28/11 | Datorlab | Konfidensintervall | Lab 4 (Rmd) (html) |
| Onsdag 29/11 | Föreläsning (Anteckningar) | Parat t-test, icke-parametriska test | Kapitel 6 |
| Torsdag 30/11 |
Föreläsning (R-kod) |
ANOVA, Multipla jämförelser, Bonferronis metod | Kapitel 7 |
| Tisdag 5/12 | Övning | ANOVA |
7.3.1, 7.3.2, 7.3.3, 7.3.4., 7.3.5 |
| Tisdag 5/12 | Datorlab | t-test och ANOVA | |
| Onsdag 6/12 |
Föreläsning |
Enkel linjär regression, Hypotesprövning av lutning, Analys av residualer, Korrelation (Pearson), t-test av korrelation | Kapitel 8 |
| Torsdag 7/12 |
Föreläsning |
Chi-två test, Chi-två fördelning, Goodness-of-fit test, Test av oberoende | Kapitel 9 |
| Tisdag 12/12 | 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 12/12 | Föreläsning (Anteckningar) | Försöksplanering och beräkning av stickprovsstorlek | Kapitel 10b |
| Onsdag 13/12 | Föreläsning | Handledning av projekt | |
| Torsdag 14/12 | Datorlab | Linjär regression | |
| Tisdag 19/12 | Lektion | ||
| Tisdag 19/12 | Datorlab | Chi-två-test | |
| Onsdag 3/1 | Föreläsning | Genomgång av gammal tenta | |
| Torsdag 4/1 | Föreläsning | Handledning av projekt och frågestund | |
| Fredag 12/1 | Tentamen |
Kurslitteratur
Vi kommer att använda ett Kompendium författat av Staffan Nilsson, Aila Särkkä, Serik Sagitov och Malin Palö Forsström. 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.
Jag har ansvarat för fem tidigare tentor i kursen. De finns tillgängliga med lösningar nedan. Notera att vissa förändringar i kursinnehåll kan ha skett.
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
Den 23 november är det rimligt att börja jobba med projektet. Stäm av projektidén med kursledaren 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 kursledaren senast den 31 januari, 2024. Endast en i gruppen behöver lämna in rapporten. Glöm inte ange samtliga gruppdeltagares namn på rapporten.
Kurssammanfattning:
| Datum | Information | Sista inlämningsdatum |
|---|---|---|