STK4170 – Bootstrapping og resampling
Kort om emnet
En temmelig ambisi?s statistisk m?lsetning er ? erstatte formler med regnekraft. Hvis man skal estimere standardavviket til gjennomsnittet Xn kan man selvf?lgelig bruke den eksplisitte formelen s/sqrt(n). Alternativt kan man tenke seg ? simulere 1000 pseudo-realisasjoner av Xn fra pseudo-datasett med egenskaper som ligner originaldatasettet, for eksempel ved resampling, og s? beregne det empiriske standardavviket for de 1000 pseudo-gjennomsnittene. Dette viser seg ? v?re en meget fruktbar idé, med vidtrekkende konsekvenser. Den skisserte og lignende metoder kalles bootstrapping, og involverer generelt simuleringer av pseudo-datasett fra en estimert modell. Metodenes styrke er at de kan anvendes med omtrent samme letthet i meget mer kompliserte statistiske modeller (enn den ikkeparametriske u.i.f.-modellen over), med vilk?rlig kompliserte observatorer (istedetfor Xn over), og med vilk?rlig kompliserte spredningsm?l (istedetfor sd{Xn}). Spesielt kan de benyttes i situasjoner der det er umulig ? beregne eksplisitte formler. Emnet tar for seg den generelle teorien for bootstrapping og jackknifing, i parametriske og ikke-parametriske modeller, for estimering og for konstruksjon av simuleringsbaserte konfidensintervall. Studentene m? arbeide med begge hjernehalvdeler ettersom teorien skal kombineres med praktisk bootsrapping med datamaskin. Emnet pretenderer ? v?re praktisk nyttig og t?r ogs? v?re et godt etterutdanningstilbud.
Hva l?rer du?
Studenten blir i stand til ? l?se klasser av inferensproblemer via
bootstrapping eller andre resampingsmetoder. Verkt?yet er stokastisk simulering, koplet med innsikt i statistisk modellering.
Opptak og adgangsregulering
Studenter m? hvert semester s?ke og f? plass p? undervisningen og melde seg til eksamen i Studentweb.
Dersom du ikke allerede har studieplass ved UiO, kan du s?ke opptak til v?re studieprogrammer, eller s?ke om ? bli enkeltemnestudent.
Forkunnskaper
Anbefalte forkunnskaper
STK1100 – Sannsynlighetsregning og statistisk modellering, STK1110 – Statistiske metoder og dataanalyse og ett av f?lgende emner: STK2100 – Maskinl?ring og statistiske metoder for prediksjon og klassifikasjon, STK2120 – Statistiske metoder og dataanalyse 2 (nedlagt) eller STK3100 – Innf?ring i generaliserte line?re modeller.
Overlappende emner
10 studiepoeng overlapp mot STK9170 – Bootstrapping and resampling (nedlagt)
Vi gj?r oppmerksom p? at informasjon om overlapp mot gamle og nye emner ikke er fullstendig. Ta eventuelt kontakt med matematisk institutt.
Undervisning
3 timer forelesning/regne?velse hver uke hele semesteret.
Eksamen
Avhengig av antall studenter kan eksamen v?re p? en av de
f?lgende fire formene:
1.Bare skriftlig eksamen
2.Bare muntlig eksamen
3.Prosjektoppgave etterfulgt av skriftlig eksamen
4.Prosjektoppgave etterfulgt av muntlig h?ring.
For de to siste gjelder det at prosjektoppgaven og avsluttende eksamen vektlegges likt, og endelig karakter baseres p? en helthetsvurdering. (Det gis ikke karakter p? de individuelle eksamensdelene.)
Hvilken eksamensform som blir benyttet skal kunngj?res av
fagl?rere senest 15. oktober/15. mars for hhv. h?stsemesteret og v?rsemesteret.
Hjelpemidler
Ingen hjelpemidler er tillatt.
Eksamensspr?k
Dersom emnet undervises p? engelsk vil det bare tilbys eksamensoppgavetekst p? engelsk.
Du kan besvare eksamen p? norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Dette emnet tilbyr b?de utsatt og ny eksamen. Les mer:
Trekk fra eksamen
Det er mulig ? ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensfors?k.
Tilrettelagt eksamen
S?knadskjema, krav og frist for tilrettelagt eksamen.
Evaluering av emnet
Vi gjennomf?rer fortl?pende evaluering av emnet, og med jevne mellomrom ber vi studentene delta i en mer omfattende evaluering.