Kursplan för Grunderna i statistisk modellering
Fundamentals of Statistical Modeling
Basdata
Särskild behörighet
Kandidat- eller yrkesexamen om minst 180 hp eller motsvarande examen. Den sökande ska ha läst sammanlagt minst 60 hp i matematik, statistik, och programmering varav analys i en och flera variabler, numeriska metoder, sannolikhetsteori och statistik samt programmering i ett allmänt programmeringsspråk som C++, Python eller Java. Dessutom krävs Engelska B/Engelska 6 med lägst betyget godkänd/E eller motsvarande.
Mål
Kursen syftar till att utrusta studenten med kunskap och förståelse för verktyg för avancerad statistisk modellering samt kunskap och förståelse för hur dessa verktyg tillämpas inom biologi, medicin och hälsovetenskap.
Efter genomgången kurs ska studenten kunna:
Avseende Kunskap och förståelse
- Förklara sambandet mellan kumulativ fördelning, sannolikhetsmassa/-täthet, kvantil, gleshet, kumulativ hazard och hazardfunktioner,
- Förklara begreppen joint-, marginal- och betingade fördelningar,
- Förklara skillnaderna mellan inferens för urvalspopulationer och icke-urvalspopulationer samt beskriva de generella och specifika antaganden som ligger till grund för dessa två typer av inferens.
Avseende färdighet och förmåga
- Utveckla statistiska modeller som matematiska funktioner för joint-, marginal- och betingade sannolikhetsfördelningar, både marginellt och betingat på kovariater,
- Skatta parametriska, semi-parametriska och icke-parametriska fördelningsfunktioner,
- Föreslå en lämplig statistisk modell för att testa en specifik forskningshypotes inom biomedicinsk forskning, skatta modellen med standardstatistisk programvara, utvärdera modellens anpassning och tolka resultaten.
Avseende förhållningssätt och värderingsförmåga
- Uppvisa kritiskt tänkande och omdöme vid bedömning av kvalitet och validitet av de statistiska aspekterna i biomedicinska forskningsstudier.
Innehåll
Kursen introducerar studenter till en enhetlig, generell ram för dataanalys som ett statistiskt angreppssätt inom vetenskap. Den beskriver stegen och möjligheterna i att skapa statistiska modeller för joint-, marginal- och betingade sannolikhetsfördelningar, eventuellt betingat på kovariater; redogör för likheter med andra vetenskapliga områden såsom fysik och teknik; presenterar relevanta sammanfattande mått och visuella representationer; förtydligar den vetenskapliga betydelsen av att skilja mellan inferens för urvalspopulationer och inferens för icke-urvalspopulationer; förklarar de generella och specifika antaganden som ligger till grund för dessa två typer av inferens; introducerar en ram för att bygga, skatta och utvärdera statistiska modeller; samt använder ett enda beräkningsverktyg, den icke-linjära optimeringen implementerad i R-funktionen "nlm" och Stata-kommandot "ml".
Kursen fokuserar på verkliga tillämpningar där alla mätta variabler kan ha en begränsad uppsättning möjliga värden, vilket korrigerar biaserna i traditionella metoder såsom ordinär minsta kvadratmetoden och maximum likelihood-skattare. Kursen visar kopplingen mellan den enhetliga, generella ramen och några populära statistiska metoder, såsom linjär regression, logistisk regression, Poisson-regression, kvantilregression, Cox-regression, flexibla parametriska överlevnadsmodeller, konkurrerande risk-modeller, mixade effektmodeller, latent klassanalys, grupptrajektorimodeller och fler.
Studenterna fördjupa sina kunskaper om grunderna och filosofin bakom dataanalys och statistisk praxis samt lära sig att se alla andra statistiska metoder som specialfall av en enhetlig, generell ram. De förbereds också för vidare avancerade studier inom statistik.
Arbetsformer
De centrala undervisningsmetoderna i kursen är föreläsningar, teknikstödd inlärning (särskilt datorbaserad dataanalys), självstudier och grupparbete. Kursen betonar aktivt lärande, det vill säga att tillämpa kunskap i praktiken och kritisk reflektion.
Examination
Examinationen består av uppgifter med skriftlig och/eller muntlig redovisning och en individuell skriftlig examination. Redovisningsmomenten i uppgifterna (t.ex. att hålla en muntlig presentation eller lämna in en skriftlig rapport) ska vara genomförda före kursslutet enligt de tider som anges i schemat.
Obligatoriskt deltagande
Det är obligatoriskt att närvara vid kursintroduktionen och de lärandeaktiviteter där inlämningsuppgifterna presenteras/diskuteras.
Examinator bedömer om och i så fall hur frånvaro från obligatoriska utbildningsinslag kan kompenseras för. Studenten måste delta i de obligatoriska utbildningsinslagen eller ta igen frånvaro i enlighet med examinators anvisningar för att klara kursen. Frånvaro från ett obligatoriskt utbildningsinslag kan innebära att den studerande inte kan göra detta utbildningsinslag förrän nästa gång kursen ges.
Begränsning av antal provtillfällen
Student som ej är godkänd efter första examinationstillfället har rätt att delta vid ytterligare fem examinationstillfällen. Om studenten inte är godkänd efter fyra examinationstillfällen, rekommenderas han/hon att ta kursen nästa ordinarie kurstillfälle och kan, efter det, delta i två ytterligare examinationstillfällen. Om studenten genomfört sex underkända tentamina/prov ges inte något ytterligare examinationstillfälle.
Som provtillfälle räknas när studenten fysiskt närvarat eller på annat sätt deltagit vid en examination. Inlämning av icke ifylld examinationsuppgift som provtillfälle. Provtillfälle till vilket studenten anmält sig men inte deltagit räknas inte som ett provtillfälle.
Anpassning av examination
Om det föreligger särskilda skäl, eller behov av anpassning för student med funktionsnedsättning får examinator fatta beslut om att frångå kursplanens föreskrifter om examinationsform, antal examinationstillfällen, möjlighet till komplettering eller undantag från obligatoriska utbildningsmoment, m.m. Innehåll och lärandemål samt nivån på förväntade färdigheter, kunskaper och förmågor får inte ändras, tas bort eller sänkas.
Övriga föreskrifter
Kursen ges på engelska.
Litteraturlista och övriga läromedel
Studiematerial och referensartiklar kommer att tillhandahållas under kursen.