Statistik och dataanalys I

F1: Introduktion

Valentin Zulj

Generell information om kursen

Lärare på kursen

  • Jonas Bjermo – kursansvarig, föreläsare och examinator på del 2
  • Valentin Zulj – föreläsare och examinator på del 1
  • Alice Luthander – plenara övningar och jour
  • Maria Bennis – plenara övningar och jour
  • Mina Poshtvar – datorövningar och inlämningsuppgifter
  • Roberta Hu – datorövningar och inlämningsuppgifter
  • William Gustafsson – datorövningar och inlämningsuppgifter

Statistiska institutionen finns på plan 6 i hus 4 på Campus Albano.

Mottagningstider enligt överenskommelse.

Tre viktiga dokument

  • Kursplan
    • Kursinnehåll, lärandemål, juridiskt bindande dokument
    • Finns i mappen Kursinformation på Athena
  • Kursbeskrivning
    • Vad som gäller just den här terminen, allmän info, deadlines, bedömningskriterier, examination
    • Finns i mappen Kursinformation på Athena
  • Läsanvisningar
    • Vad som tas upp på föreläsningar, övningar, mm
    • Finns på kurshemsidan

Kursens hemsida

  • Kursens hemsida nås via https://statisticssu.github.io/SDA1/
  • På kurshemsidan finns
    • Läsanvisningar
    • Föreläsningsslides (PDF-format eller HTML-format)
    • Datorlaborationer
    • Inlämningsuppgifter
    • Länk till schema

Athena (It’s learning)

  • Läroplattformen Athena
    • Kursinformation, inklusive studieplan
    • Meddelanden, inklusive schemaändringar med kort varsel
    • Inlämning av inlämningsuppgifter
    • Chattfunktion (om man snabbt behöver ha kontakt med mig så rekommenderar jag mejl)
    • Vi räknar med att ni har koll på meddelanden på Athena.
    • Tips: It’s learning finns även som mobilapp.

Kursens två delar

  • Del 1 - Dataanalys och regression, 7.5 hp
  • Valentin är föreläsare
    • Beskrivande statistik
    • Visualisering
    • Introduktion till regressionsanalys
    • Prediktion
    • Introduktion till programspråket R

Kursens två delar

  • Del 2 - Sannolikhetsmodeller och inferens, 7.5 hp
  • Jonas är föreläsare
    • Sannolikhetslära
    • Sannolikhetsmodeller för dataanalys
    • Inferens – slutledning från data
    • Beslutsfattande under osäkerhet

Examination

  • Del 1 - Dataanalys och regression, 7.5 hp
    • Inlämningsuppgift, 3 hp, grupparbete, skriftlig rapport
    • Skriftlig tentamen, 4.5 hp
  • Del 2 - Sannolikhetsmodeller och inferens, 7.5 hp
    • Inlämningsuppgift, 1.5 hp, grupparbete, skriftlig rapport
    • Skriftlig tentamen, 6 hp

Kurslitteratur

  • De Veaux, R., Velleman, P. och Bock, D. (2021),
    Stats: Data and Models,
    5:e upplagan, Pearson Global Edition.
  • Fysisk bok på Akademibokhandeln,
    eller online på Adlibris och Bokus.
  • En digital version finns att köpa eller hyra här

  • Föreläsningsslides – se respektive föreläsningsrubrik på kurswebbsidan
  • Ytterligare kompletterande material som delas ut under kursens gång

Inlämningsuppgifterna

  • Genomförs som grupparbeten med 3 studenter i varje grupp
  • D1 och D5 är obligatoriska för gruppindelning
  • Ingen annan obligatorisk närvaro på kursen
  • För varje inlämningsuppgift finns två inlämningstillfällen (deadlines)
    • Inlämningstillfälle 1
    • Inlämningstillfälle 2 (komplettering)
  • Om en inlämningsuppgift blir underkänd efter inlämningstillfälle 1 går det att komplettera och lämna in igen vid tillfälle 2
  • Om en inlämningsuppgift blir underkänd efter inlämningstillfälle 2 ges nästa inlämningstillfälle nästa termin

Inlämningsuppgifterna

  • Samarbete inom arbetsgrupp är självklart tillåtet
  • Alla i gruppen ska bidra ungefär lika mycket till rapporten och arbetet som leder upp till rapporten
  • Samarbete mellan grupper är också tillåtet
  • Plagiering är inte tillåtet! – automatiskt textmatchningsverktyg används
  • Om ni använder information som ni har hittar i böcker eller på nätet, ange alltid källan.
  • Använd gärna AI-verktyg för inlärning och för att hitta information, men lämna inte in AI-genererade svar på inlämningsuppgifterna!

Mer om att använda AI

  • Vi betraktar en AI-gerererad text som likvärdig med en text som har skrivits av någon annan person
  • Att kopiera en AI-genererad text och presentera den som sin egen är otillåtet, på samma sätt som det är otillåtet att kopiera en text ur en bok eller från ett diskussionsforum på internet
  • Om du formulerar en egen text med utgångspunkt i en AI-genererad text så bör du beskriva hur du har använt AI-verktyget
  • Du kan generera programmeringskod med ett AI-verktyg för att lära dig, men all kod som lämnas in som del i en examination ska du ha skrivit själv
  • Kom ihåg att svaret från ett AI-verktyg, eller program-koden, inte alltid är korrekt, utan AI kan “hallucinera”
  • För att kunna skilja korrekta från felaktiga svar måste du du själv ha tillräckliga kunskaper

Salstentamen

  • Två tillfällen per delkurs, se kursbeskrivningen och schema
  • Varje tentamen omfattar 100 poäng – 50 poäng krävs för godkänt betyg (E)
    • Tentamen kan innehålla både räkneuppgifter och kunskapsfrågor
  • Tillåtna hjälpmedel:
    • Formel- och Tabellsamling: kommer att finnas i skrivsalen
    • Miniräknare: kommer att finnas i skrivsalen (se nästa slide)
    • Andra hjälpmedel är inte tillåtna
  • Om särskilda behov finns, kontakta studievägledaren på Statistiska institutionen i god tid innan tentan (studievagledare@stat.su.se)
  • Glöm inte att anmäla dig till tentan i god tid! (Anmälan stänger i regel 10 dagar innan, men det varierar med helger etc)

Miniräknare på tentamen

  • Universitetet tillhandahåller miniräknare vid tentamen
  • Miniräknarna som finns i salen är av denna sort (länk)
  • Det är inte tillåtet att använda en egen miniräknare på tentamen
  • Ett tips är därför att inte vänja er för mycket vid funktioner i er egen räknare, utan håll det på en nivå som enkelt kan översättas till en annan räknare
  • Institutionen har köpt in några exemplar av miniräknaren – säg till om ni vill titta lite närmare på en, så kan jag ta med till föreläsning

Betyg och betygskriterier

  • Inlämningsuppgifterna: Godkänd, Underkänd
  • Salstentor: A, B, C, D, E, (Fx), F
  • F och Fx är underkända betyg som kräver omtentamen, och det går inte att komplettera upp ett Fx
  • Minimikrav för slutbetyg på hela kursen:
    • godkänt på båda inlämningsuppgifterna
    • minst E på båda tentorna
  • För betygskriterier för respektive prov, se Kursbeskrivningen
  • Slutbetyg på hela kursen = sammanvägning av betygen på tentorna, se Kursbeskrivningen

Betyg och betygskriterier

Kursvärdering

  • Enkät skickas ut efter kursen
  • Snälla, svara! Vi bryr oss verkligen om era åsikter!
  • Vi sammanställer en rapport som läggs upp på Athena

Aktiviteterna på schemat

  • Föreläsningar (F): Vi går igenom nya begrepp och metoder
  • Räkneövningar (Ö): Få hjälp att lösa räkneuppgifter
    • Att lösa uppgifter är ofta nödvändigt för att förstå materialet
    • Bra förberedelse inför tentan
  • Datorlaborationer (D): Få hjälp att gå igenom datorlaborationerna
    • Bra förberedelse inför inlämningsuppgiften

Mer specifik information om Del 1

Undervisning

  • Föreläsningar: 10 tillfällen

    • Går igenom teori och visar exempel på tillämpningar

    • Ibland mindre kod- och räkneexempel

  • Räkneövningar: 6 tillfällen

    • Lärare löser uppgifter (från boken) som relaterar till tidigare föreläsningar

  • Datorlaborationer: 4 tilfällen (anmäl er till grupp!)

    • Studenter använder R för att implementera metoder från föreläsningar

    • Lärare finns tillgängliga i sal för att hjälpa till/diskutera

  • Jour: 3 tilfällen

    • Lärare finns i bokad sal för att svara på frågor och diskutera kursmaterial

Rekommenderad arbetsplan

  • Inför föreläsning: Läs motsvarande kapitel i boken
  • Efter föreläsning/inför räkneövning: Skumma igenom slides, gå igenom “checklista” för föreläsning, arbeta med de uppgifter till räkneövning
  • Inför datorlaborationer: Kolla igenom datoruppgifter, installera eventuella R-paket som du inte redan har
  • Inför jour: Förbered lista med frågor, välj ut de du ser som viktigast/svårast (vi kan inte garantera att du hinner få hjälp med precis allt).
  • Allmänt: Arbeta tillsammans med någon/några kursare!

Credits

Dessa slides skapades av Karl Sigfrid för kursen Statistik och Dataanalys I, och har uppdaterats av Oskar Gustafsson och Valentin Zulj