MSG830 H24 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: Aila Särkkä (aila@chalmers.se)

Räkneövningar och datorlaborationer: Aila Särkkä (aila@chalmers.se) (Serie Sagitov (serik@chalmers.se))

Schema: TimeEdit

Lösningarna till den senaste tentan (2025-01-17) kan hittas här.

Program

Datum	Aktivitet	Innehåll	Avsnitt i kompendium
Onsdag 6/11	Föreläsning (Anteckningar)	Datatyper, Deskriptiv statistik	Kapitel 1
Torsdag 7/11	Föreläsning (Anteckningar)	Sannolikhetsteorins grunder, Kombinatorik, Betingad sannolikhet, Oberoende händelser, Bayes formel	Kapitel 2
Tisdag 12/11	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 12/11	Datorlab	Beskrivande statistik	Lab 1 (Lab1.R) (Lab1.html)
Onsdag 13/11	Föreläsning (Anteckningar)	Diskret slumpvariabel, Fördelning, Väntevärde, Varians, Binomialfördelning, Stora talens lag	Kapitel 3
Torsdag 14/11	Föreläsning (Anteckningar)	Kontinuerlig slumpvariabel, Täthet, Likformig, Normal, Centrala gränsvärdessatsen	Kapitel 4
Tisdag 19/11	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 19/11	Datorlab	Binomial och normalfördelning	Lab 2 (lab2.R) (lab2.html)
Onsdag  20/11	Föreläsning (Anteckningar)	Population och stickprov, Medelfel, Konfidensintervall, Hypotesprövning	Kapitel 5
Torsdag 21/11	Föreläsning (Anteckningar)	t-fördelning, 1-stickprov t-test	Kapitel 6
Tisdag 26/11	Övning	Övningar i Kapitel 5:	5.6.2, 5.6.3, 5.6.4, 5.6.6, 5.6.7
Tisdag 26/11	Datorlab	Filinläsning och paket	Lab 3  (lab3.R)  (lab3.Rmd) (lab3_data.txt) (lab3_excel.xlsx)
Onsdag 27/11	Föreläsning	icke-parametriska test, 2-stickprov t-test, parat t-test	Kapitel 6
Torsdag 28/11	Föreläsning (Anteckningar)	ANOVA, Multipla jämförelser, Bonferronis metod	Kapitel 7
Tisdag 03/12	Övning	Övningar i Kapitel 6:	6.7.2, 6.7.3, 6.7.5, 6.7.6, 6.7.7, 6.7.9
Tisdag 03/12	Datorlab	Konfidensintervall	Lab 4 (lab4.R) (lab4.Rmd) (lab4.html)
Onsdag  04/12	Föreläsning (Anteckningar)	Försöksplanering och Projekt	Kapitel 10a
Torsdag 05/12	Datorlab	t-test och ANOVA	Lab 5 (lab5.R)(lab5.Rmd) (lab5.html)
Tisdag 10/12	Övning	ANOVA	7.3.1, 7.3.2, 7.3.3, 7.3.4., 7.3.5
Tisdag 10/12	Föreläsning (Anteckningar)	Enkel linjär regression, Hypotesprövning av lutning, Analys av residualer, Korrelation (Pearson), t-test av korrelation	Kapitel 8
Onsdag 11/12	Föreläsning (Anteckningar)	Chi-två test, Chi-två fördelning, Goodness-of-fit test, Test av oberoende	Kapitel 9
Torsdag 12/12	Datorlab	Linjär regression	Lab 6  (lab6.R)(lab6.Rmd) (lab6.html)
Tisdag 17/12	Övning	Övningar i Kapitel 8-9	8.3.2, 8.3.3, 8.3.4, 8.3.5, 9.3.1, 9.3.2, 9.3.5
Tisdag 17/12	Datorlab	Chi-två-test	Lab 7 (lab7.R)(lab7.Rmd) (lab7.html)
Onsdag 18/12	Föreläsning (Anteckningar)	Försöksplanering och beräkning av stickprovsstorlek	Kapitel 10b
Torsdag 19/12	Föreläsning  (Tenta 1, Tenta 2, Tenta 3)	Genomgång av gammal tenta och frågestund
Fredag 3/1	Föreläsning	Handledning av projekt och frågestund
Fredag 17/1	Tentamen

 

Tillbaka till toppen

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.

Tillbaka till toppen

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. 

Gamla tentor av  Tony Johansson och av Aila Särkkä/Serik Sagitov kan man hitta under Moduler.

Tillbaka till toppen

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 25 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, 2025. Endast en i gruppen behöver lämna in rapporten. Glöm inte ange samtliga gruppdeltagares namn på rapporten.

Tillbaka till toppen