Beregning av usikkerhet er en helt sentral del av statistisk analyse, og konsepter slik som standardfeil og konfidensintervaller er verktøy som brukes til å kvantifisere usikkerheten knyttet til estimering og prediksjon. I mindre komplekse situasjoner er det ofte mulig å utlede analytiske formler for usikkerhet under (rimelige) antagelser knyttet til strukturen i data. For mer kompliserte modeller og problemer, blir en analytisk tilnærming ofte komplisert og tidkrevende. Det kan også lede til feil eller misvisende konklusjoner hvis antagelsene eller forenklingene som gjøres er uriktige. Dette emnet handler om metoder for å kvantifisere og beregne usikkerhet i statistikk og maskinlæring. Emnet vil gi en introduksjon til tradisjonelle metoder innen statistisk inferens og beregning av usikkerhet, men hovedfokuset vil være på bootstrapping. Bootstrapping er en form for resampling, hvor man bruker simulering eller gjentatte trekninger fra data (med tilbakelegging), til å beregne ulike mål for usikkerhet og nøyaktighet, slik som skjevhet, varians, konfidensintervaller, prediksjonsfeil osv. Det er en generell teknikk som kan anvendes i mange problemer og situasjoner. Flere ekte datasett og modeller (fra regresjon til tre-baserte modeller) vil bli brukt for å illustrere hvordan bootstrapping kan brukes i praksis.
Etter å ha tatt emnet vil du:
For å ta emnet kreves det generell studiekompetanse.
Det legges i tillegg til grunn at søkere innehar utdanning tilsvarende en bachelor i realfag. Noen emner vil allikevel forutsette eller bygge på bestemte forkunnskaper for at du skal få utbytte av undervisningen. Selv om slike forkunnskaper ikke er et krav for opptak, vil vi fraråde å søke på emner hvor du mangler anbefalte forkunnskaper. For de emnene hvor dette er aktuelt er det angitt i emnebeskrivelsen.
Anbefalte forkunnskaper: Det anbefales å ha en bachelor i et realfag samt å ha tatt emnet ITEVU4120 – Verdien av data i beslutningsprosesser (nedlagt) før dette emnet. Videre er følgende kurs anbefalt forkunnskap: MAT1100 – Kalkulus, MAT1110 – Kalkulus og lineær algebra, MAT-INF1100 – Modellering og beregninger, STK1000 – Innføring i anvendt statistikk og IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.
Undervisningen gjennomføres over tre hele dager. Det beregnes tre timer forelesninger og en time med studentaktiviteter per dag.
Emnet undervises på norsk.
Prosjektoppgave som teller 100 % ved sensurering.
Ved oppgaveskriving må du gjøre deg kjent med reglene for kildebruk og referanser. Ved brudd på reglene kan du bli mistenkt for forsøk på fusk.
Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk. Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.
Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.
Dersom det er 8 eller færre påmeldt, vil emnet bli avlyst.
Kursavgiften justeres hvert år utifra markedspris.
Dersom man må ta opp igjen eksamen tilfaller en ekstra avgift på 10% av kursavgiften.