TDAB01 · 6 hp · Grundnivå (G2F) · Matematik, Tillämpad matematik
Sannolikhetslära och statistik
Ges · nästa start HT 2026
27 %
klarade senaste ordinarie tentan
TEN2 · 24 okt 2025 · 73 studenter
35 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
TEN2 · 179 studenter
97 %
Svårare än 97 % av kurserna på grundnivå
Jämfört med 874 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 128 studenter.
Ingår i 1 program
Tentamen
TEN2 Skriftlig salstentamen
- 5
- 4
- 3
- U
Ordinarie tentor
35 % godkända · 179 studenter
- 27 %73
- 49 %55
- 29 %51
Omtentor
50 % godkända · 74 studenter
- 47 %17
- 56 %9
- 44 %18
- 78 %9
- 80 %5
- 31 %16
- Klarar omtentan: 50 % (74 studenter), jämfört med 35 % (179 studenter) på ordinarie
- Får 4 eller 5: 10 % (253 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %1
- 100 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Tentamen
TEN1 Skriftlig tentamen
- 5
- 4
- 3
- U
Ordinarie tentor
78 % godkända · 74 studenter
- 88 %42
- 66 %32
Omtentor
67 % godkända · 30 studenter
- 60 %5
- 43 %7
- 75 %8
- 80 %10
- Klarar omtentan: 67 % (30 studenter), jämfört med 78 % (74 studenter) på ordinarie
- Får 4 eller 5: 38 % (104 studenter)
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 0 %1
- 67 %3
- 67 %3
- 25 %4
- 100 %1
Inlämning eller laboration
LAB2 Datorbaserade laborationsuppgifter
- G
Ordinarie tillfällen
100 % godkända · 96 studenter
- 100 %24
- 100 %22
- 100 %50
Senare tillfällen
100 % godkända · 38 studenter
- 100 %14
- 100 %10
- 100 %9
- 100 %5
- Klarar ett senare tillfälle: 100 % (38 studenter), jämfört med 100 % (96 studenter) på ordinarie
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %4
- 100 %1
- 100 %3
Inlämning eller laboration
LAB1 Datorbaserade laborationsuppgifter
- G
Ordinarie tillfällen
100 % godkända · 84 studenter
- 100 %47
- 100 %37
Senare tillfällen
100 % godkända · 5 studenter
- 100 %5
- Klarar ett senare tillfälle: 100 % (5 studenter), jämfört med 100 % (84 studenter) på ordinarie
Visa små tillfällen (7)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %1
Om kursen
Mål
Kursens övergripande mål är att ge en introduktion till den matematiska teorin för statistisk kvantifiering och analys av osäkerhet med hjälp av sannolikhetsmodeller, med speciell fokus på problemställningar inom datavetenskap och mjukvaruteknik. Kursen ger kunskaper i hur sannolikhetsmodeller och statistisk teori används för att dra slutsatser om osäkra kvantiteter utifrån observerade data, göra prediktioner och fatta optimala beslut under osäkerhet. Den statistiska inferensteorin presenteras både från ett frekvensbaserat och ett bayesianskt perspektiv. Efter avslutat kurs skall den studerande kunna:
- formulera relevanta slumpmodeller för statistisk analys av osäkerhet.
- utföra sannolikhetsberäkningar för stokastiska variabler och deras fördelningar.
- härleda punktskattningar med maximum likelihood-metoden samt beräkna konfidensintervall.
- härleda en bayesiansk aposteriorifördelning för ett antal vanligt förekommande sannolikhetsmodeller.
- utföra prediktioner och fatta optimala beslut med hjälp av sannolikhetsmodeller.
- implementera statistiska beräkningar och simulering med sannolikhetsmodeller i ett modernt programspråk.
Innehåll
Händelser och sannolikheter. Axiom för sannolikheter. Sannolikhetstolkningar.Kombinatorik. Stokastiska variabler. Diskreta och kontinuerliga univariata fördelningar, bl a Bernoulli, likformig, Poisson, normal, t, gamma, chi-två och beta. Simultana sannolikhetsfördelningar, bl a multivariat normal, multinomial och Dirichletfördelningen. Marginalfördelningar och betingade fördelningar. Väntevärde och varians. Kovarians och korrelation. Statistiskt beroende. Chebyshevs olikhet. Stora talens lag. Centrala gränsvärdessatsen. Simulering. Introduktion till stokastiska processer. Markovprocesser. Deskriptiv och grafisk statistik. Punktskattningar. Samplingfördelningen. Likelihoodfunktionen och maximum likelihood-metoden. Bayesiansk inferens. Konfidensintervall ochbayesianska sannolikhetsintervall för populationsväntevärden och proportioner. Introduktion till hypotestest. Linjär regression. Prediktion. Korsvalidering. Beslutsteori. Problemlösning inom datavetenskap och mjukvaruteknik.
- Examinator
- Ann-Charlotte Hallberg
- Schemalagd tid
- 0 h
- Huvudområde
- Matematik, Tillämpad matematik