P?melding
- S?knadsknappen nedenfor tar deg til opptaksportalen EVUweb.
- Velg ?Universitetet i Oslo? som institusjon.
- Klikk p? knappen ?Registrer s?knad?.
- Logg inn med ID-porten, Feide eller eIDAS.
- Endre eventuelle brukeropplysninger og opprett bruker.
- F?lg instruksjonene i s?knadsskjemaet og fullf?r.
S?k opptak i EVUweb
Kort om emnet
Beregning av usikkerhet er en helt sentral del av statistisk analyse, og konsepter slik som standardfeil og konfidensintervaller er verkt?y som brukes til ? kvantifisere usikkerheten knyttet til estimering og prediksjon. I mindre komplekse situasjoner er det ofte mulig ? utlede analytiske formler for usikkerhet under (rimelige) antagelser knyttet til strukturen i data. For mer kompliserte modeller og problemer, blir en analytisk tiln?rming ofte komplisert og tidkrevende. Det kan ogs? lede til feil eller misvisende konklusjoner hvis antagelsene eller forenklingene som gj?res er uriktige. Dette emnet handler om metoder for ? kvantifisere og beregne usikkerhet i statistikk og maskinl?ring. Emnet vil gi en introduksjon til tradisjonelle metoder innen statistisk inferens og beregning av usikkerhet, men hovedfokuset vil v?re p? bootstrapping. Bootstrapping er en form for resampling, hvor man bruker simulering eller gjentatte trekninger fra data (med tilbakelegging), til ? beregne ulike m?l for usikkerhet og n?yaktighet, slik som skjevhet, varians, konfidensintervaller, prediksjonsfeil osv. Det er en generell teknikk som kan anvendes i mange problemer og situasjoner. Flere ekte datasett og modeller (fra regresjon til tre-baserte modeller) vil bli brukt for ? illustrere hvordan bootstrapping kan brukes i praksis.
Hva l?rer du?
Etter ? ha tatt emnet vil du:
- v?re kjent med klassiske metoder for statistisk inferens og beregning av usikkerhet.
- vite hvordan bootstrapping og andre resamplingsteknikker kan brukes for ? beregne usikkerhet og andre m?l p? presisjon.
- ha erfaring med bruk av bootstrapping p? ekte data med metoder slik som regresjon, generaliserte line?re modeller (GLM) og tre-baserte modeller.
- ha kjennskap til begreper som overtilpassning, statistisk modellvalg og problemer knyttet til inferens etter valg av statistisk modell.
Opptak til emnet
For ? ta emnet kreves det generell studiekompetanse.
Det legges i tillegg til grunn at s?kere innehar utdanning tilsvarende en bachelor i realfag. Noen emner vil allikevel forutsette eller bygge p? bestemte forkunnskaper for at du skal f? utbytte av undervisningen. Selv om slike forkunnskaper ikke er et krav for opptak, vil vi frar?de ? s?ke p? emner hvor du mangler anbefalte forkunnskaper. For de emnene hvor dette er aktuelt er det angitt i emnebeskrivelsen.?
S?k om opptak
- Lenken ovenfor tar deg til opptaksportalen EVUweb.
- Velg ?Universitetet i Oslo? som institusjon.
- Klikk p? knappen ?Registrer s?knad?.
- Logg inn med ID-porten, Feide eller eIDAS.
- Endre eventuelle brukeropplysninger og opprett bruker.
- F?lg instruksjonene i s?knadsskjemaet og fullf?r.
Obligatoriske forkunnskaper
Generell studiekompetanse
Anbefalte forkunnskaper
Anbefalte forkunnskaper: Det anbefales ? ha en bachelor i et realfag samt ? ha tatt emnet ITEVU4120 – Verdien av data i beslutningsprosesser (nedlagt) f?r dette emnet. Videre er f?lgende kurs anbefalt forkunnskap: MAT1100 – Kalkulus, MAT1110 – Kalkulus og line?r algebra, MAT-INF1100 – Modellering og beregninger (nedlagt), STK1000 – Innf?ring i anvendt statistikk og IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.
Undervisning
Undervisningen gjennomf?res over tre hele dager. Det beregnes tre timer forelesninger og en time med studentaktiviteter per dag.
Emnet undervises p? norsk.
Eksamen
Prosjektoppgave?som teller 100 % ved sensurering.
Ved oppgaveskriving m? du gj?re deg?kjent med?reglene for kildebruk og referanser. Ved brudd p? reglene kan du bli mistenkt for?fors?k p? fusk.
Eksamensspr?k
Dersom emnet undervises p? engelsk vil det bare tilbys eksamensoppgavetekst p? engelsk. Du kan besvare eksamen p? norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala?best?tt/ikke best?tt. Les mer om karakterskalaen.
Mer om eksamen ved UiO
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.