Kursplan för Statistisk programmering med hjälp av R
Statistical Programming with R
Kursplan
- 7,5 högskolepoäng
- Kurskod: 2ST105
- Utbildningsnivå: Avancerad nivå
-
Huvudområde(n) och successiv fördjupning:
Statistik A1N
Förklaring av koder
Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:
Grundnivå
- G1N: har endast gymnasiala förkunskapskrav
- G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
- G1E: innehåller särskilt utformat examensarbete för högskoleexamen
- G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
- G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
- GXX: kursens fördjupning kan inte klassificeras
Avancerad nivå
- A1N: har endast kurs/er på grundnivå som förkunskapskrav
- A1F: har kurs/er på avancerad nivå som förkunskapskrav
- A1E: innehåller examensarbete för magisterexamen
- A2E: innehåller examensarbete för masterexamen
- AXX: kursens fördjupning kan inte klassificeras
- Betygsskala: Underkänd (U), godkänd (G), väl godkänd (VG)
- Inrättad: 2008-05-29
- Inrättad av: Institutionsstyrelsen
- Reviderad: 2022-10-14
- Reviderad av: Institutionsstyrelsen
- Gäller från: HT 2022
-
Behörighet:
120 hp inklusive 90 hp statistik, alternativt 120 hp inklusive 60 hp statistik samt 30 hp matematik och/eller datavetenskap.
- Ansvarig institution: Statistiska institutionen
Mål
En student som gått utbildningen skall:
- kunna använda och programmera i programspråket R
- självständigt kunna implementerna enkla algoritmer i R
- ha utvecklat goda vanor för att kunna programmera effektivt och säkert för att kunna möjliggöra samarbeten
- vara förtrogen med visualisering av data med hjälp av R
- kunna lösa statistiska problem, inklusive datahantering och -analys
- förstå grunden för samt kunna utforma och beskriva simuleringsstudier
Innehåll
Koncept och grundläggande definitioner inom programmering, arrayer, matriser och ”data frames”, användandet och definitioner av procedurer, funktioner och paket, vektorisering, loopar, kontrollstrukturer (if, while, for), importering av data, visualisering av data, simuleringsstudier, Latex.
Undervisning
Undervisning ges i form av föreläsningar, datorövningar och/eller seminarier.
Examination
Examinationen sker dels genom ett skriftligt prov i slutet av kursen och/eller genom redovisning skriftligt och/eller muntligt av obligatoriska inlämningsuppgifter.
Versioner av kursplanen
- Senaste kursplan (giltig från HT 2022, version 2)
- Äldre kursplan (giltig från HT 2022, version 1)
- Äldre kursplan (giltig från VT 2017)
- Äldre kursplan (giltig från VT 2016, version 2)
- Äldre kursplan (giltig från VT 2016, version 1)
- Äldre kursplan (giltig från HT 2010, version 2)
- Äldre kursplan (giltig från HT 2010, version 1)
- Äldre kursplan (giltig från HT 2008)
Litteratur
Litteraturlista
Gäller från: HT 2022
I bibliotekets söktjänst kan du se om en titel finns elektroniskt.
-
Matloff, Norman S.
The art of R programming : tour of statistical software design
San Francisco: No Starch Press, c2011.
-
Grolemund, Garrett;
Wickham, Hadley
R for Data Science
O'Reilly Media, 2016
Utdelat material under kursen.