Föreläsning 1

karl.sigfrid@stat.su.se

Lärare på kursen

  • Oscar Oelrich, examinator, doktor
  • Karl Sigfrid, föreläsare, doktorand
  • Mona Sfaxi, övningslärare, masterexamen
  • Sofia Edlund, övningslärare, masterstudent
  • Sebastian Hedberg, övningslärare, masterstudent

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

Mottagningstider kommer att meddelas på Athena.

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 är https://statisticssu.github.io/SDA1/
    • 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
    • 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
  • Föreläsare: Karl Sigfrid
    • Beskrivande statistik
    • Visualisering
    • Intro till regressionsanalys
    • Prediktion
    • Introduktion till programmeringsspråket R

Kursens två delar

  • Del 2 - Sannolikhetsmodeller och inferens, 7.5 hp
  • Föreläsare: Oscar Oelrich
    • 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 under respektive föreläsning på kurswebbsidan.
  • Ytterligare kompletterande material som delas ut under kursens gång.

Inlämningsuppgifterna

  • Genomförs som grupparbeten, 3 studenter i varje grupp.
  • D1 och D5 är obligatoriska för gruppindelning. Ingen annan obligatorisk närvaro på kursen.
  • Två tillfällen (deadlines) finns för varje inlämningsuppgift:
    • Inlämning 1
    • Inlämning 2 (komplettering)
  • Om en inlämningsuppgift blir underkänd efter inlämning 1 går det att komplettera och lämna in igen vid tillfälle 2.
  • Om en inlämningsuppgift blir underkänd efter inlämning 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. All kod som lämnas i 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. För att kunna skilja korrekta från felaktiga svar måste du du själv ha tillräckliga kunskaper.

Salstentamen

  • Två tillfällen per delkurs, se kursbeskrivningen och schema.
  • Upplägg - minst 50 poäng av 100 möjliga för godkänt – kan vara räkneuppgifter och kunskapsfrågor.
  • Tillåtna hjälpmedel: Formel- och Tabellsamling kommer finnas i tentasalen.
  • Miniräknare utan lagrade formler tar ni med er – andra hjälpmedel är inte tillåtna.
  • Om särskilda behov finns (egen lokal, extra tid, språklexikon, mm.) kontakta studievägledaren i god innan tentan (ca 3 veckor innan).
  • Glöm inte att anmäla dig till tentan i god tid!

Betyg och betygskriterier

  • Inlämningsuppgifterna: Godkänd, Underkänd.
  • Salstentor: A, B, C, D, E, (Fx), F.
  • F och Fx är underkända betyg som kräver omtentamen.
  • Går ej att komplettera vid 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.

R-hjälpen - en mapp på Athena

  • Videor
    • Går igenom hur Rstudio fungerar.
    • Introducerar programmeringsspråket R.
    • Titta gärna på några av filmerna före första datorövningen. Förslagsvis video 2, och de första 5 minuterna av video 3.
  • Cheat sheets
    • Sammanfattningar av de vanligaste metoderna.
    • Referensmaterial.