KURSPLAN Grundläggande statistik 7,5 högskolepoäng Basic Statistics Grundnivå, S0009M Version Höst 2020 Lp 1 - Vår 2021 Lp 4Höst 2021 Lp 1 - Tills vidare Kursplan gäller: Höst 2021 Lp 1 - Tills vidareVald version visar för vilken termin och läsperiod som denna kursplanen gäller för. Senaste version visas först. Utbildningsnivå Grundnivå Fördjupningskod G1N Betygskala U G VG Ämne Statistik Ämnesgrupp (SCB) Statistik BehörighetGrundläggande behörighetUrvalUrvalet grundas på betyg och högskoleprovMål/Förväntat studieresultat Indelat i tre kategorier nedan, ska du som student efter genomgången kurs: 1. Kunskap och förståelse kunna definiera beskrivande storheter för statistiska fördelningar och datamaterial, såsom läges- och spridningsmått. ha kunskap om grundläggande begrepp och metoder från sannolikhetslära och statistisk teori samt förstå innebörden av begreppet statistisk modell 2. Färdighet och förmåga använda programvara, både statistisk och gängse kalkylprogram, för att bearbeta, analysera och presentera datamaterial. bestämma läges- och spridningsmått samt beräkna sannolikheter i de situationer som behandlas i kursen. beskriva och analysera samband mellan två eller flera variabler använda statistiska metoder för att analysera modell- eller populationsegenskaper genom punktskattning, konfidensintervall samt hypotesprövning; 3. Värderingsförmåga och förhållningssätt Kunna bedöma när statistiska metoder är användbara. Kunna uppskatta hur osäkerhet påverkar slutsatser samt kvantifiera risker för felaktiga beslut Kursinnehåll Kursen består av följande moment: Beskrivande statistik : De vanligast förekommande metoderna behandlas, inklusive läges och spridningsmått, histogram och lådagram. Sannolikhetsteori: grundläggande begrepp och metoder för att behandla slumpmässiga fenomen, bl.a. oberoende händelser, betingade sannolikheter och några välkända sannolikhetsfördelningar, inkl. Binomialfördelningen och Normalfördelningen. Inferens: Metoder för att dra slutsatser om parametrar i fördelningar eller populationer. Här ingår punktskattning, konfidensintervall och hypotesprövning för parametrarna i binomial- och normalfördelningen. Även jämförande situationer behandlas. Regressionsanalys: korrelation, enkel linjär regression och multipel linjär regression Genomförande Kursens undervisningsspråk samt undervisningsform anges för varje kurstillfälle och framgår av kurssidan på Luleå tekniska universitets hemsida. Kursen grundar sig på följande arbetssätt: Undervisningstillfällen av teoretisk karaktär. Handledningspass där de studerande arbetar med problemlösning under handledning av lärare. Detta arbete görs i regel i grupp. Besvarande av frågeuppsättningar som läggs ut på kurswebb fortlöpande under kursen. Inlämningsuppgifter. Examination Om det finns beslut om särskilt pedagogiskt stöd, i enlighet med Riktlinjen Studentens rättigheter och skyldigheter vid Luleå tekniska universitet, finns möjlighet till anpassad eller alternativ examinationsform. Skriftlig tentamen vid kursens slut. För godkänt på kursen krävs godkänd tentamen (4.5 hp), godkänt på de obligatoriska uppgifterna (1.5 hp), samt godkända webbuppgifter (1.5 hp).ExaminatorAdam JonssonÖvergångsbestämmelserKursen S0009M motsvarar kursen S0005MLitteratur. Gäller från Höst 2020 Lp 1 (Kan ändras fram till 10 veckor innan studiestart)Meddelas senare. Sök böcker på biblioteket » KursgivareInstitutionen för teknikvetenskap och matematik (TVM)Moduler KodBenämningBetygskalaHPTillståndGäller frånTitel 0003Skriftlig tentamenU G VG4.50ObligatoriskH21 0004Obligatoriska uppgifterU G VG1.50ObligatoriskH21 0005WebbuppgifterU G VG1.50ObligatoriskH21 StudiehandledningStudiehandledning finns i lärplattformen Canvas före kursstart. Du som är ny student hittar all information du behöver på www.ltu.se/nystudent. Du som redan studerar vid Luleå tekniska universitet hittar information om kursstart via schema på studentwebben alternativt via kursrummet i lärplattformen. Du når lärplattformen via Mitt LTU.Kursplanen fastställdav HUL Niklas Lehto 2020-02-14Revideradav Huvudansvarig utbildningsledare Niklas Lehto 2021-02-17