STAT3140 Applied Multivariate Statistics (5 op)

Verkosto-opintojakso

Verkosto: Vaasan korkeakoulukonsortio

Lisätietoja verkostosta →

Verkosto: Matematiikan ja tilastotieteen syventävien kurssien ristiinopiskelu

Tämä opintojakso on tarjolla Matematiikan syventävät opinnot -ristiinopiskeluverkostossa. Verkoston opinnot ovat tarjolla seuraaville opiskelijoille:

  • Matematiikan kandidaattiohjelma
  • Matematiikan maisteriohjelma
  • Matematiikan aineenopettajien kandidaattiohjelma
  • Matematiikan aineenopettajien maisteriohjelma
  • Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan kandidaattiohjelma (matematiikan opintosuunta)
  • Matematiikan, kemian tai fysiikan aineenopettajan ja luokanopettajan maisteriiohjelma (matematiikan opintosuunta)
  • Matematiikan ja tilastotieteen tohtoriohjelma
  • Matemaattisten tieteiden ja luonnontieteiden tohtoriohjelma (matematiikan opintosuunta)

Lisätietoja verkostosta →

Avaa opintojakson esite Sisussa
Arviointiasteikko:
0-5
Suorituskieli:
englanti

Kuvaus

The course covers (1) supervised statitical learning, including regression, classification, resampling methods, model selection and regulaarization, non-linear models, tree-based methods, support vector machines; (2) unsupervised learning, including principal component analysis and clustering methods.Statistical software: R (https://www.r-project.org/).

Osaamistavoitteet

The participants will learn from practitioners’ point of view principles of statistical machine learning methods, including supervised and unsupervised statistical learning, summarizing (multivariate) statistical data,regression, classification, decision trees, random forests, model selection, re-sampling techniques, model evaluation, and interpreting empirical results of different statistical analyses. The emphasis is in applications of multivariate statistical techniques to data analysis using R software (https://www.r-project.org/), learn to know and utilize the potential of the package and interpret the analysis results of different approaches meaningfully. Course develops critical and analytical thinking, oral and written communication of statistical analysis results and IT skills (R software).

Lisätietoja

Responsible Unit: School of Tehnology and Innovations

Esitietojen kuvaus

Basic statistics (STAT1020 or STAT1030) and Statistical analysis of contingency and regresson (STAT1010), or equivalent.