Studieguide

Lärandemål

- Den studerande kan grundläggande sannolikhetslära och kan använda olika statistiska fördelningar för att lösa problem
- Den studerande kan statistiskt analysera och på ett relevant sätt presentera ett datamaterial
- Den studerande kan anpassa regressionsmodeller till olika datamaterial

Innehåll

Statistik
- deskriptiv statistik
- sannolikhetslära
- vanliga diskreta och kontinuerliga fördelningar
- Excel som verktyg för att analysera data

Kurvanpassning och regression
- matriskalkyl och linjär algebra
- linjär regression – minsta kvadratmetoden
- linearisering
- matematisk programvara (Excel, Mathcad eller annat program) för att konstruera regressionsmodeller

Tid och plats

Period 1, hösten 2022

Studiematerial och rekommenderad litteratur

- Teorikompendium och övningsuppgifter
- Relevanta läroböcker som rekommenderas vid kursstart

Undervisningsmetoder

Föreläsningar, räkneövningar och datorövningar

Praktik- och arbetslivssamarbete

Föredrag av gäster från näringslivet

Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)

Meddelas vid kurstart och finns på Moodle

Studerandes tidsanvändning och belastning

Närstudier 36 timmar.
Arbete på egen hand: 45 timmar.

Vitsordsskala

H-5

Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)

Statistik och beräkningskompetenser: Känner till grunderna i statistik och kan utföra enkla beräkningar
Kurvanspassning och regression: Känner till grunderna i regressionsanalyser
Beräkningsprogram: Kan använda ett beräkningsprogram för lösning av grundläggande problem

Arviointikriteerit, goda-synnerligen goda (3-4)

Statistik och beräkningskompetenser: Är insatt i statistik och kan utföra relevanta beräkningar
Kurvanspassning och regression: Är insatt i begreppet regression och kan utföra kurvanpassning av tekniska modeller
Beräkningsprogram: Kan använda ett beräkningsprogram för lösning av tillämpade problem

Arviointikriteerit, berömliga (5)

Statistik och beräkningskompetenser: Är väl insatt i statistik och kan utföra mer avancerade statistiska kalkyler.
Kurvanspassning och regression: Kan självständigt utföra kurvanpassningar och regressioner av mer avancerade tekniska modeller
Beräkningsprogram: Kan använda fler än ett beräkningsprogram för lösning av problem inom maskintekniken

Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)

Kursen avläggs genom tentamen
Vitsordsskala
10-13 p -> 1
14-17 p -> 2
18-21 p -> 3
22-25 p -> 4
26-30 p -> 5
Eventuellt ordnas inlämningsuppgifter och minitest som kan ge bonuspoäng.

Underkänd (0)

Uppfyller ej kraven för vitsordet 1.

Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)

Statistik och beräkningskompetenser: Känner till grunderna i statistik och kan utföra enkla beräkningar
Kurvanspassning och regression: Känner till grunderna i regressionsanalyser
Beräkningsprogram: Kan använda ett beräkningsprogram för lösning av grundläggande problem

Bedömningskriterier, goda-synnerligen goda (3-4)

Statistik och beräkningskompetenser: Är insatt i statistik och kan utföra relevanta beräkningar
Kurvanspassning och regression: Är insatt i begreppet regression och kan utföra kurvanpassning av tekniska modeller
Beräkningsprogram: Kan använda ett beräkningsprogram för lösning av tillämpade problem

Bedömningskriterier, berömliga (5)

Statistik och beräkningskompetenser: Är väl insatt i statistik och kan utföra mer avancerade statistiska kalkyler.
Kurvanspassning och regression: Kan självständigt utföra kurvanpassningar och regressioner av mer avancerade tekniska modeller
Beräkningsprogram: Kan använda fler än ett beräkningsprogram för lösning av problem inom maskintekniken

Förkunskapskrav

Funktioner och ekvationer 1
Geometri och vektorer
Funktioner och ekvationer 2
Derivator och integraler