English   Danish

2021/2022  BA-BMECO1280U  Statistiske Modeller

English Title
Statistical Models

Kursusinformation

Sprog Dansk
Kursets ECTS 7,5 ECTS
Type Obligatorisk
Niveau Bachelor
Varighed Et semester
Starttidspunkt Efterår
Tidspunkt Skemaet bliver offentliggjort på calendar.cbs.dk
Studienævn
MEC Studienævnet for HA/cand.merc. i erhvervsøkonomi og matematik, BSc
Kursusansvarlig
  • Peter Dalgaard - Institut for Finansiering (FI)
Primære fagområder
  • Statistik og kvantitative metoder/Statistics and quantitative methods
Undervisningsformer
  • Blended learning
Sidst opdateret den 01-07-2021

Relevante links

Læringsmål
Den studerende skal vil kursets afslutning være i stand til at :
  • analysere statistiske modeller matematisk
  • opstille og formulere relevante statistiske modeller for konkrete datasæt
  • vurdere statistiske modellers validitet ved grafiske og numeriske metoder
  • analysere data ved hjælp af en relevant statistisk model og fortolke resultaterne heraf i et klart sprog, relevant for den faktiske, faglige problemstilling, med korrekt anvendelse af fagudtryk
Forudsætninger for at deltage i kurset
Kendskab til matematik, statistik og sandsynlighedregning som opnået gennem de to første år af HA(mat)-studiet
Prøve/delprøver
Statistiske modeller:
Prøvens ECTS 7,5
Prøveform Mundtlig prøve på baggrund af skriftligt produkt

Det er en forudsætning for at deltage i den mundtlige prøve, at det skriftlige produkt er afleveret inden afholdelse af prøven; inden for fastsat frist. Karakteren gives på baggrund af en helhedsbedømmelse af det skriftlige produkt og den individuelle mundtlige præstation, jf. også studieordningens regler om prøveformer.
Individuel eller gruppeprøve Individuel mundtlig prøve på baggrund af gruppeopgave
Antal personer i gruppen 3-5
Omfang af skriftligt produkt Max. 15 sider
Det er ikke tilladt for studerende at vælge at skrive opgaven alene - det er en gruppeopgave med individuel mundtlig eksamen.
Opgavetype Opgavebesvarelse
Varighed
Skriftligt produkt afleveres på en fastsat dato og tidspunkt.
20 min. pr. studerende, inkl. votering, karaktergivning og begrundelse
Bedømmelsesform 7-trins-skala
Bedømmer(e) Eksaminator og ekstern censor
Eksamensperiode Vinter
Syge-/omprøve
Samme prøveform som ved ordinær prøve
Opgaven fra ordinær eksamen genafleveres. Ændringer er tilladt.
Beskrivelse af eksamensforløbet

Den skriftlige opgave baseres på 3-4 mindre opgaver som stilles i løbet af undervisningsforløbet. Det forventes at opgaverne løses i grupper på det tidspunkt de er stillet og hvor der er løbende mulighed for at få hjælp fra underviserne. Den egentlige eksamensopgave kan være en komprimeret udgave af de løbende opgaver.

Den mundtlige eksamination dækker hele pensum, men tager typisk afsæt i den skriftlige opgave.

Kursets indhold, forløb og pædagogik

Indhold i faget er primært regressionsmodeller med én responsvariabel, med hovedeksemplerne lineære normalfordelingsmodeller og generaliseret lineære modeller for binomialfordelte eller poissonfordelte data. Desuden gennemgås log-lineære modeller for kategoriske data. De forklarende variable kan være enten kontinuerte eller klassificerede eller en blanding af begge dele. De klassiske modeller i multipel regression, variansanalyse og kovariansanalyse, gennemgås sammen med den nødvendige normalfordelingsteori. I tilfældet med diskret respons gennemgås de hertil svarende modeller sammen med teorien for generaliserede lineære modeller og asymptotiske likelihoodmetoder.

Beskrivelse af undervisningsformer
Forelæsninger og øvelser med brug af det statistiske programmeringssprog 'R'.
Feedback i undervisningen
I løbet af kurset vil studerende, der løser opgaver, kunne få feedback på deres arbejde ifm øvelsesundervisningen ved at deltage aktivt i undervisningen.

Den ugentlige kontortid kan anvendes til at få afklaret spørgsmål om pensum og til at få hjælp til de ugentlige opgaver.

Studerende vil få feedback på den skriftlige eksamensopgave ifm den mundtlige eksamen.
Studenterarbejdstimer
Forberedelse 112 timer
Undervisning 66 timer
Eksamen 27 timer
Foreløbig litteratur

John Fox: Applied Regression Analysis and Generalized Linear Models (Sage, 3.

udgave), kapitel 1-15 samt supplerende noter

Sidst opdateret den 01-07-2021