STA100, Statistik: Magisterkurs, 30,0 högskolepoäng Statistics: Magister Course, 30.0 higher education credits

Transkript

1 HANDELSHÖGSKOLANS FAKULTETSNÄMND STA100, Statistik: Magisterkurs, 30,0 högskolepoäng Statistics: Magister Course, 30.0 higher education credits Avancerad nivå/second Cycle 1. Fastställande Kursplanen är fastställd av Handelshögskolans fakultetsnämnd och senast reviderad Den reviderade kursplanen gäller från och med Utbildningsområde: Samhällsvetenskapligt 100 % Ansvarig institution: Inst för nationalekonomi med statistik 2. Inplacering Magisterkursen omfattar 30 hp inom avancerad nivå. Huvudområde Statistik Fördjupning A1F, Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav 3. Förkunskapskrav För tillträde till Statistik: Magisterkurs krävs genomgången Fördjupningskurs eller motsvarande kunskaper. För att få påbörja uppsatsarbetet liksom för tillträde till vissa av de valfria delkurserna kan ställas ytterligare krav på särskilda förkunskaper. 4. Innehåll Kursens övergripande mål är att 1. ge fördjupad kunskap och förståelse om central statistisk teori och hur denna kan tillämpas på olika problemställningar samt en ytterligare fördjupning inom någon vald specialisering. 2. ge studenterna en orientering om forskningsmetoder och aktuella forskningsfrågor inom vald specialisering. Undervisningen består av lektioner och, på flertalet kurser, seminarier samt praktiska övningar, där dator utnyttjas för beräkningar.

2 2/ 6 För specificerat innehåll, se nedan. 5. Mål Kursen syftar till att ge sådana färdigheter att studenten efter genomförd kurs skall 1. ha förmåga att själv identifiera och formulera statistiska frågeställningar. 2. ha förmåga att tillämpa statistisk teori så att studenten kritiskt kan granska forskningsrapporter och ha fördjupade färdigheter att analysera statistiska problem inom sin specialisering. 3. ha färdigheter att sammanställa och presentera en rapport baserad på vetenskaplig metod. För specificerade lärandemål se nedan. Delkurser: Försöksplanering 7,5 hp (STF425) (Design of Experiments) Kursen avser att ge förmåga att strukturera, formulera och analysera problem vid analys av experimentella undersökningar samt att ge kunskaper om statistiska principer för försöksplanering. Den inleds med genomgång av principer för uppläggning av experimentella undersökningar. Statistisk analys av effekter av behandlingar i vidare bemärkelse studeras. Analysmetoderna tillämpas på ett antal försökssituationer redogöra för - variansanalys vid fullständigt randomiserade försök. - ett flertal metoder för jämförelser mellan olika behandlingar samt känna till i vilka situationer dessa ska användas. 2. redogöra för upplägg av försök vars syfte är att skatta variation samt kunna analysera resultatet av sådana försök. 3. redogöra för - planering av försök med syfte att reducera det experimentella felet. - randomiserade blockförsök och latinska kvadrater samt översiktligt om balanserade ofullständiga blockförsök, partiellt balanserade blockförsök samt cykliska designs. 4. redogöra för planer för att jämföra behandlingar. Under detta moment ska den studerande få kunskap om faktoriella försök. Studenten ska kunna analysera data även vid obalanserade data. Kursmomentet ska ge kännedom om fraktionella faktoriella försök och den studerande ska kunna lägga upp sådana försök. 5. analysera data från de försök som ingår i kursen med ett avancerat statistiskt programpaket. Den studerande ska ha dokumenterad förståelse för det statistiska innehållet i vetenskapliga artiklar som tillämpat avancerade metoder för upplägg av försök. Den studerande ska visa att han/hon på egen hand kan genom litteraturstudier skaffa kunskap om mer avancerade metoder inom försöksplanering som inte ingår i kursen. Det övergripande syftet med detta mål är att den studerande ska kunna fungera som statistisk konsult vid upplägg och analys av försök.

3 3/ 6 Statistisk inferens, 7,5 hp (STI435) (Statistical Inference) Kursen avser att ge kunskaper om samplingfördelningar och om statistiska principer för estimering och hypotesprövning samt att ge förmåga att strukturera, formulera och lösa problem med verklighetsanknytning. Kursen är obligatorisk inom fördjupningskurs 2 för den som inte läst den inom fördjupningskurs 1. Kursen förutsätter genomgången kurs/delkurs Tillämpad sannolikhetsteori. 1. redogöra för grundläggande begrepp inom punktestimering som bias, varians och konsistens, approximativa metoder för beräkning av moment samt exakta och asymptotiskt erhållna samplingfördelningar. 2. behärska de fyra estimeringsmetoderna BLUE, OLS, Moment och ML och kunna tillämpa dem vid enkla fall. Dessutom skall man känna till begreppen Sufficiency och Information samt ha kännedom om Cramer-Raogränsen och dess begränsningar. 3. förstå innebörden av begreppet Pivotal statistic och kunna använda detta för att konstruera Neyman's konfidensintervall vid enkla fall. Man skall även förstå grunderna vid statistiska tester och känna till begreppen signifikansnivå, p-value och power samt kunna tillämpa kunskapen på enkla fall. Likaså skall man vara medveten om de problem som uppstår vid multipelinferens. 4. redogöra för två allmänna principer för att konstruera tester: Chitvå-kriteriet och MLratio-kriteriet samt kunna använda dessa inom vidare områden, t.ex.för att testa oberoende mellan kvalitativa variabler och testa likhet mellan marginalproportioner. Dessutom skall man ha kunskaper inom specialområden som inferens om Poisson-intensiteter, inferens om Markov-kedjor samt estimering av överlevnadsfunktioner och hazarder. Tidsserieanalys och prognosmetodik, 7,5 hp (STT410) (Time Series Analysis and Forecasting) Kursen avser att ge fördjupade kunskaper om statistiska metoder för att analysera tidsserier samt för att göra prognoser. Den inleds med en genomgång av olika typer av tidsserier och dess komponenter. Olika metoder för analys av variationer i en tidsserie studeras. Metoder för att göra prognoser i olika situationer presenteras. Metoderna tillämpas på ett antal praktiska situationer. 1. hantera tidsserier genom att kunna presentera dem på ett översiktligt och informativt sätt. 2. analysera tidsserier som innehåller olika komponenter genom att tillämpa klassisk tidsserieanalys. 3. analysera tidsserier med moderna analysmetoder som t ex Cointegration, VAR-analys och ARCH/GARCH och förstå vilka förutsättningar som skall gälla för sådan analys. 4. välja rätt analysmetod med utgångspunkt från tillgängliga data och givna förutsättningar. 5. självständigt analysera tidsserier med lämpliga analysmetoder.

4 4/ 6 Medicinsk statistik och epidemiologi, 7,5 hp (STM425) (Medical Statistics and Epidemiologi) Kursen tar upp olika typer av design i medicinska studier samt tekniker att analysera data, som exempelvis McNemar s test och Mantel-Haenzel- och Logrank-test. Vidare behandlas diagnostiska tester samt ett flertal epidemiologiska begrepp och relationer. Kursen tar också upp prediktering av hälsa på individnivå, liksom några vanliga fallgropar i medicinska studier. OBS! Denna kurs bör läsas efter genomgångna teorikurser, som exempelvis Inferens och Tillämpad sannolikhetsteori. 1. redogöra för olika typer av studier och om hur de praktiskt administreras: Cross-sectional/Longitudinal, Randomized/Non-randomized, Cohort, Case-Control, Matched, Cross-over, samt kunna redogöra för för- och nackdelar. 2. redogöra för olika sätt att lösa diagnostiska problem: ROC-kurvan, prediktiva värden., Måtten Incidens- Duration-Prevalens, CMR-SMR, Risk, Riskratio (RR), Odds, Oddsratio (OR), överlevnadsfunktion och hazard, samt ha förståelse för när de olika måtten är användbara. 3. redogöra för olika tekniker: Tester med parade och oparade kvalitativa data, test av likhet mellan OR's och likhet mellan överlevnadskurvor, prediktering av framtida hälsa med Logisisk regression och Empirical Bayes Prediction. Kännedom om Markov(m)-kedjan, m= 0,1,2 och dess användning vid prediktering av framtida hälsa, samt vilka konsekvenser som felspecificering av m kan få inom hälsoekonomi. Graduate Econometrics, 7.5 higher education credits (NEA175) (The course is given in English.) The main objective is to provide an advanced knowledge and insight into modern econometric methods. The student should be able to understand and apply the methods covered in the course. A special emphasize is on application of econometric methods on relevant economic problems. Usage of statistical software is an important part of the course. Students should be able to analyze and interpret regression results and critically assess their economic or policy relevance. Learning outcomes By the end of the course, students should be able to: 1. apply econometric methods on relevant economic problems. 2. analyze and interpret regression results. 3. critically assess their economic or policy relevance. 4. use statistical/econometric software

5 5/ 6 Uppsats 15 hp (Project Paper) Uppsatsen kan utgöras av ett Referatarbete (redogörelse av tidigare forskning), en Simuleringsstudie (studie av en metods robusthet med simulerade data) eller ett Tillämpat arbete (analys av verkliga data). Studenten skall efter genomgången kurs ha förvärvat tillräckliga kunskaper för att självständigt analysera statistiska problem vilket innebär: 1. att kunna formulera en problemställning som bygger på att studenten tillgodogjort sig tidigare kurser i ämnet. att studenten har förmåga att klart och överskådligt strukturera den skriftliga framställningen. 2. att studenten skall kunna tillämpa relevant statistisk teori och grundläggande vetenskaplig metod. 3. att studenten skall kunna använda ett klart och bra språk, vilket bland annat kräver att kunna följa etablerade grammatiska och ortografiska regler. 4. att studenten skall kunna försvara sitt arbete vid ett seminarium med kursdeltagarna. 5. att studenten också skall kunna ge konstruktiv kritik på någon annans uppsats vid ett seminarium med kursdeltagarna. 6. att studenten också skall ha förvärvat förmåga att kritiskt bedöma olika slags källmaterial. Uppsats 30 hp (Project Paper) Uppsatsen kan utgöras av ett mera omfattande Referatarbete (redogörelse av tidigare forskning), en fördjupad Simuleringsstudie (studie av en metods robusthet med simulerade data) eller ett större Tillämpat arbete (Analys av verkliga data). Studenten skall efter genomgången kurs ha förvärvat tillräckliga kunskaper för att självständigt analysera statistiska problem vilket innebär att kunna formulera en problemställning som bygger på att studenten tillgodogjort sig tidigare kurser i ämnet. att studenten har förmåga att klart och överskådligt strukturera den skriftliga framställningen. att studenten skall kunna tillämpa relevant statistisk teori och grundläggande vetenskaplig metod. att studenten skall kunna använda ett klart och bra språk, vilket bland annat kräver att kunna följa etablerade grammatiska och ortografiska regler. att studenten skall kunna försvara sitt arbete vid ett seminarium med kursdeltagarna. att studenten också skall kunna ge konstruktiv kritik på någon annans uppsats vid ett seminarium med kursdeltagarna. att studenten också skall ha förvärvat förmåga att kritiskt bedöma olika slags källmaterial. 6. Litteratur Se separat litteraturlista. 7. Former för bedömning Examinationen på teorikurserna består normalt av projektarbeten samt muntliga och/eller skriftliga prov.

6 6/ 6 8. Betyg Betygsskalan omfattar betygsgraderna Underkänd (U), Godkänd (G), Väl godkänd (VG). För slutbetyget Väl godkänd på magisterkursen krävs att minst hälften av kursen bedömts med betyget Väl godkänd. Student som har underkänts två gånger på prov inom kursen har rätt att hos Handelshögskolans fakultetsnämnd begära att annan examinator utses att bestämma betyg. 9. Kursvärdering Efter avslutad kurs kommer utvärdering att ske. 10. Övrigt Undervisningsspråk: engelska och svenska.