STAT210 Forsøksplanlegging og variansanalyse

KUNNSKAP: Studentene lærer å anvende fundamentale statistiske prinsipper ved planlegging av forsøk, for å sammenligne ulike grupper eller behandlinger, og å analysere data fra slike forsøk ved hjelp av variansanalyse.

FERDIGHETER: Studentene skal være i stand til å gjennomføre statistiske analyser med metodene nevnt i Kunnskap. De skal kunne tolke resultatene fra analysene og videreformidle hva som er blitt gjort, 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 til disse resultatene.

Studentene forutsettes å:

• Kunne utføre deskriptiv statistikk og trekke slutninger fra denne.
• Kjenne grunnleggende begreper og prinsipper innen sannsynlighetsteori med vekt på stokastiske variabler og deres egenskaper.
• Være kjent med noen vanlige sannsynlighetsfordelinger, herunder normalfordelingen, binomisk fordeling, Student’s t-fordeling, f-fordeling og kji-kvadratfordelingen.
• Forstå grunnleggende estimeringsteori, herunder hva som forståes med konfidensintervall, punktestimat, forventningsretthet og standardfeil for en estimator.
• Omformulere enkle situasjonsbeskrivelser og problemstilling(er) til en relevant statistisk modell, og fortolke parameterne i denne.
• Dette gjelder situasjoner som kan dekkes av enkle lineære regresjonsmodeller, enveis variansanalyse eller bivariate analyser.
• Teste de aktuelle problemstillingene ved hjelp av formelle hypoteser, herunder sette opp aktuelle hypoteser, teste disse og gi en fortolkning av resultatet.
• Grunnleggende ferdigheter i R/RStudio.

Punktene listet opp over dekkes av STAT100 eller tilsvarende emne.

2 timer forelesning og 2 timer regneøving pr. dag for enkelte student. Ønsker auditorium med mulighet for direktestreaming ved forelesning.

Parallelle øvingsgrupper 10-12 eller serielle øvingsgrupper 14-18 (studentene deltar da enten 1415-1600 eller 1615-1800) avhengig av romkapasitet.

• 3,5 timers skriftlig eksamen, teller 100 %. A-F.
• Eksamen gis utelukkende på engelsk. Studentene kan svare på norsk, dansk, svensk eller engelsk.
• Hele eller deler av eksamen kan bli gitt som flervalgsoppgave.

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.

Forelesninger: 28 timer.

Øvelser: 26 timer.

Selvstudium: 71 timer.

Pensum oppgis på første forelesning. Lenker til undervisningsmateriell på nett vil bli gitt på Canvas før kurset starter.

Læreboken i kurset er:

Montgomery, D.C. 2019. Design and Analysis of Experiments, 9th Edition, EMEA Edition. John Wiley & Sons UK.

• To interne sensorer, hvorav én er emneansvarlig, vil kvalitetssikre eksamensoppgavene. Eksamensbesvarelsene vil bli sensurert av emneansvarlig som intern sensor.
• Ekstern sensor godkjenner opplegg for vurdering.