Statistik och sannolikhetslära (3 sp)
Kod: MAP22MT04-3013
Förverkligandets information
Anmälningstid
30.01.2026 - 28.02.2026
Tajmning
01.03.2026 - 30.04.2026
Antal studiepoäng
3 sp
Prestationssätt
Kontaktundervisning
Ansvarig enhet
Institutionen för teknik och sjöfart
Verksamhetspunkt
Vasa, Wolffskavägen 33
Undervisningsspråk
- Svenska
Utbildning
- Utbildning i maskin- och produktionsteknik
Lärare
Tom Lillhonga
Grupper
-
PRE24D-VIngenjör (YH), produktionsekonomi, 2024 dagstudier
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
Studiematerial och rekommenderad litteratur
- Teorikompendium och övningsuppgifter
- Relevanta läroböcker som rekommenderas vid kursstart
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
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