Behörighetskrav

60 hp inom programmet inklusive Programmeringsteknik II, Beräkningsvetenskap DV, Sannolikhet och statistik samt Databasteknik I.

Mål

Efter godkänd kurs ska studenten kunna

• tillämpa och teoretiskt redogöra för några av de grundläggande metoderna inom explorativ multivariat dataanalys: Exempel: Datakomprimering och visualisering med hjälp av principal-komponentanalys och klustringsanalys.
• tillämpa grundläggande försöksplaneringsteknik såsom faktoriell prediktiv multivariat dataanalys: Exempel: Konventionell minsta kvadratanpassning till linjära modeller och design av linjära diskriminantfunktioner för klassificering.
• tillämpa grundläggande försöksplaneringsteknik. Exempel: Faktoriell design och responsytedesign i två nivåer.
• implementera och utföra analyser och tolkningarna med hjälp av minst en generell mjukvarubaserad analysmiljö t.ex. MATLAB eller R

Innehåll

Explorativ multivariat dataanalys: principalkomponentanalys och grundläggande hierarkisk klustring. Prediktiv multivariat analys: linjär och kvadratisk modellering med hjälp av minsta kvadratanpassning samt latent variabelmodellering. Design av klassificeringsmodeller i form av närmaste grannemetoden, linjära diskriminatnfunktioner och SIMCA. Modellval och prestandauppskattning. Försöksplanering: Design i två nivåer för screening och för responsytemodellering. Optimering med hjälp av simplexmetoden. Implementation och tillämpningar: Datorövningar i MATLAB delvis med hjälp av data från verkliga tillämpningar.

Undervisning

Föreläsningar, seminarier, räkneövningar, datorövningar.

Examination

Teori (3 hp), Datorövningar (2 hp).