Statistiska beräkningar
Denna kurs ger dig fördjupade kunskaper inom statistisk programmering. Du får verktyg för t ex design av statistiska undersökningar, estimation, hypotestest och Bayesiansk analys. Kursen behandlar några grundläggande principer för numeriska beräkningar och under kursens gång får du lära dig funktionsoptimering, integration och simuleringstekniker.
Kursen ger dig kunskap om grundläggande principer för numeriska beräkningar. Du lär dig att utforma algoritmer för funktionsoptimering, integration och simulering av fördelningar och att lösa statistiska beräkningsproblem med hjälp av programvara. Du får lära dig att utföra simuleringsexperiment.
-
Kursupplägg
Kursen läses på heltid, dagtid.
Kursen kan läsas som fristående kurs, eller som del av Masterprogrammet i statistik.
Undervisning
Undervisningen består av föreläsningar och datorlaborationer. Undervisningen sker på engelska.
Kursinformation
- Course description spring 2024 (115 Kb)
Övrig information för registrerade studenter finns på Athena.
Examination
Kursen examineras genom salstentamen och skriftlig inlämningsuppgift. För mer information om examinationen, se kursplanen.
Examinator
Lärare på kursen vårterminen 2024
Kursansvarig
Du hittar Per Göstas mottagningstider i länken ovan. Det går bra att mejla Per Gösta och komma överens om en tid, om du vill träffas utanför mottagningstiden.
-
Schema
Schema finns tillgängligt senast en månad före kursstart. Vi rekommenderar inte utskrift av scheman då vissa ändringar kan ske. Vid kursstart meddelar utbildningsansvarig institution var du hittar ditt schema under utbildningen. -
Kurslitteratur
Observera att kurslitteraturen kan ändras fram till två månader före kursstart. -
Kontakt
Lärare på kursen vårterminen 2024
Kursansvarig
Du hittar Per Göstas mottagningstider i länken ovan. Det går bra att mejla Per Gösta och komma överens om en tid, om du vill träffas utanför mottagningstiden.
Om du har frågor kring att studera vid Statistiska institutionen, Stockholms universitet, kontakta vår studievägledare.