732G46 · 15 credits · Basic level (G1F) · Statistik
Regression Analysis and Analysis of Variance
Discontinued
26%
passed the latest ordinary exam
TEN1 · 19 Jan 2024 · 34 students
29%
passed the ordinary exams, all sittings over the last 5 years
TEN1 · 87 students
Part of 1 programme
Exam
TEN1 Examination
- VG
- G
- U
Ordinary exams
29% passed · 87 students
- 26%34
- 31%29
- 29%24
Re-exams
29% passed · 104 students
- 64%11
- 45%20
- 17%23
- 38%13
- 0%14
- 27%11
- 17%12
- Pass the re-exam: 29% (104 students), compared with 29% (87 students) on the ordinary exam
- Get VG: 7% (191 students)
Show small sittings (1)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 0%4
Other modules
Partial exams, hand-ins and labs. They are not part of the figures at the top.
Hand-in or lab
LAB1 Laboratory work
- G
Main rounds
100% passed · 13 students
- 100%7
- 100%6
Later rounds
100% passed · 32 students
- 100%8
- 100%5
- 100%7
- 100%12
- Pass a later round: 100% (32 students), compared with 100% (13 students) on the ordinary exam
Show small sittings (8)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 100%2
- 100%1
- 100%4
- 100%2
- 100%2
- 100%2
- 100%3
- 100%1
About the course
Aim
Efter avslutad kurs ska den studerande kunna:
- beskriva de vanligaste metoderna för analys av linjära och icke-linjära samband
- bedöma och kritiskt diskutera kvaliteten i givna datamängder
- identifiera och välja lämpliga linjära modeller för att studera samband mellan variabler i observations- samt i experimentella studier
- utföra statistisk inferens för linjära statistiska modeller
- validera och utvärdera linjära statistiska modeller
- kritiskt granska resultatet av en utförd analys
- använda statistisk programvara för att genomföra analyserna
- författa rapporter med statistiska analyser för givna problem
- värdera generaliseringsmöjligheter som finns utifrån identifierade samband i data
- genomföra uppgifter inom givna tidsramar
Content
I kursen behandlas:
- enkla och multipla linjära regressionsmodeller
- kovarians och korrelation
- framställning och beräkning av regressionsmodeller i matrisform
- polynomregression
- interaktioner mellan förklarande variabler
- simultan inferens vid multipla test och intervallskattning
- kategoriska förklaringsvariabler
- transformationer av respons- eller förklarande variabler
- multikollinearitet och confounding
- metoder för variabelselektion och modellval
- analys av avvikande observationer
- olika skalor på responsvariabel och generaliserade linjära modeller, exempelvis logistisk- och Poissonregression,
- likelihoodfunktioner och maximum likelihoodskattningar
- försöksplanering med och utan block
- regressionsmodeller för balanserade och obalanserade försöksplaner
- modeller för en- och flervägs variansanalys med fixa och/eller slumpmässiga effekter
- analys av kontraster och parvisa jämförelser
- kovariansanalys
- icke-parametriska analysmetoder för linjära modeller, exempelvis Kruskal-Wallis test
- Examiner
- Isak Hietala
- Main field of study
- Statistik