Kursplan för Statistisk slutledning för bioinformatik

Statistical Inference for Bioinformatics

Det finns en senare version av kursplanen.

Kursplan

  • 5 högskolepoäng
  • Kurskod: 1MB459
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Teknik A1N, Bioinformatik 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 (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2017-03-07
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2018-02-07
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: vecka 30, 2018
  • Behörighet: Alt. 1) 120 hp inom civilingenjörsprogrammet i molekylär bioteknik inklusive Multivariat dataanalys och försöksplanering. Alt. 2) 120 hp. Bioinformatik – startkurs (kan läsas parallellt).
     
  • Ansvarig institution: Institutionen för biologisk grundutbildning

Mål

Efter godkänd kurs ska studenten kunna

  • redogöra för och tillämpa klassisk statistisk slutledning baserat på Bayesianska och frekventistiska metoder, traditionella datorbaserade metoder samt datorintensiva metoder vid analys av en och flera variabler samtidigt
  • välja och tillämpa lämpliga ovan nämnda metoder och tekniker för statistisk slutledning på givna frågeställningar för biologiska och biomedicinska molekylära data.

 

Innehåll

Klassisk slutledning: Frekventistisk och Bayesiansk slutledning, maximum likelihood estimering. Traditionella datorbaserade metoder: Empirisk Bayes, ridge regression, generaliserade linjära modeller, regressionsträd, överlevnadsanalys och EM-algoritmen. Datorintensiva metoder som återsampling, återsamplingsbaserade konfidensintervall, korsvalidering, storskalig hypotestestning, glesa regressionsmodeller, random forests och boosting. Bioinformatiska tillämpningsexempel.

Undervisning

Föreläsningar, räkneövningar och datorlaborationer.
 

Examination

Skriftligt prov (3 hp), datorlaborationer (2 hp).

Litteratur

Litteraturlista

Gäller från: vecka 30, 2018

  • Good, Phillip I. Introduction to Statistics Through Resampling Methods and R, Second Edition

    Wiley, 2013

    Troligen tillgänglig gratis som e-bok via Uppsala universitetsbibliotek

    Se bibliotekets söktjänst

  • Efron, Bradley; Hastie, Trevor Computer age statistical inference : algorithms, evidence, and data science

    New York, NY: Cambridge University Press, 2016

    Tillgänglig för gratis nedladdning från internet

    Se bibliotekets söktjänst