Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · V 2025
67 kandidater
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Emnet tar for seg statistiske metoder som er essensielle i alle tverrfaglige prosjekter som skal behandle datamengder. Forståelse for statistikk og kvantitativ forskningsmetode er en av bærebjelkene i kunnskapservervelse og -kommunikasjon innen naturvitenskap og medisin. Metodene som undervises er derfor relevante for en rekke av FNs bærekraftsmål der innhenting og analyse av data inngår.
Emnets innhold: Estimering og testing i enkle og multiple lineære regresjonsmodeller og i logistiske regresjonsmodeller. Regressorutvelgelse. Residualanalyse og metoder for modellundersøkelse. Prediksjon. Praktisk bruk av statistisk programvare.
KUNNSKAP: Studentene lærer å analysere data ved hjelp av lineær regresjon, både enkel og multippel regresjon, og med innslag av kategoriske variabler. Studenten får en enkel innføring i logistisk regresjon.
FERDIGHETER: Studentene skal være i stand til å gjennomføre statistiske analyser med metodene nevnt i Kunnskap. De skal kunne bruke forskjellige modeller på samme data og være i stand til å validere modellene og avgjøre hvilke som egner seg best. De skal kunne tolke resultatene fra analysene og videreformidle hva som er blitt gjort, resultatene samt svakheter og begrensinger med analysene og modellene. De skal forstå viktigheten av å ha gode data (eksempelvis representativitet, uavhengighet) for å kunne trekke nyttige og riktige konklusjoner fra en undersøkelse.
GENERELL KOMPETANSE: Studentene skal kunne anvende det de har lært på problemstillinger i sitt studium og senere i yrkeslivet og utføre analyser på egne data. Samtidig skal de kunne stille kritiske spørsmål til statistiske resultater som de genererer eller som blir presentert for dem og vurdere holdbarheten av disse resultatene.
Forelesninger : 2 timer daglig.
Regneøvinger: 4 timer daglig.
Skriftlig skoleeksamen: K1- Ingen bruk av KI
Obligatorisk aktivitet: K3 - Full bruk av KI. Bruk av KI er tillatt, men må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.
Eksamensoppgavene gis kun på engelsk.
Retningslinjer for bruk av kunstig intelligens (KI)Du oppfordres til å bruke KI-verktøy for å støtte din læring—som å få ideer, forbedre språket ditt eller lage skisser av algoritmer—men alt arbeid du leverer inn må være et resultat av din egen forståelse og innsats. Å kopiere og lime inn innhold direkte fra KI uten betydelig personlig bidrag, redigering eller diskusjon er ikke tillatt. Begrunnelse: Å bruke menneskelig tilbakemelding på arbeid som er generert av maskiner, undergraver universitetets rolle som et sted for ekte læring og personlig utvikling.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som STAT200.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Vår 2025 | 67 | D (2.42) | 17,9 % |
| Vår 2024 | 59 | C (3.07) | 17 % |
| Vår 2023 | 63 | C (3.16) | 7,9 % |
| Vår 2022 | 82 | B (3.57) | 0 % |
| Vår 2021 | 109 | C (2.94) | 5,5 % |
| Vår 2020 | 78 | C (3.44) | 0 % |
| Vår 2019 | 75 | C (3.24) | 10,7 % |
| Vår 2018 | 79 | C (3.20) | 10,1 % |
| Vår 2017 | 96 | B (3.85) | 3,1 % |
| Vår 2016 | 111 | B (3.66) | 0 % |
| Vår 2015 | 70 | B (3.83) | 0 % |
| Vår 2014 | 36 | B (3.97) | 0 % |