Inferensteori

Denna kurs ger dig en fördjupad förståelse för grundläggande statistiska principer, så som tillräcklighet, ancillaritet, invarians och betingningsprincipen. Bayesiansk, likelihoodbaserad och Neyman-Pearson inferens tillämpas och exemplifieras vid punktestimation, intervallestimation och modellval.

Kursen ger dig kunskap om viktiga satser inom inferensteorin och statistikors konvergensegenskaper. Du får också lära dig att härleda viktiga punktestimatorer, intervallestimatorer samt teststatistikor i några valda tillämpningar.

Kursen utgör en grund för fortsatta studier på avancerad nivå och för studier på forskarnivå i statistik.

Kursen läses på heltid, dagtid.

Kursen ingår i Masterprogrammet i statistik men kan även läsas som en fristående kurs.


Undervisning

Undervisningen består av föreläsningar och övningar.

Kursinformation

Lärare höstterminen 2025

Kursansvarig

Per Gösta Andersson

Du hittar Andriys mottagningstider i länken ovan. Det går bra att e-posta Per Gösta och komma överens om en tid, om du vill träffas utanför mottagningstiden.

Examination

Kunskapskontrollen sker genom skriftliga och muntliga prov.


Schema finns tillgängligt senast en månad före kursstart. Vi rekommenderar inte utskrift av scheman då vissa ändringar kan ske. Vid kursstart meddelar utbildningsansvarig institution var du hittar ditt schema under utbildningen.


Observera att kurslitteraturen kan ändras fram till två månader före kursstart.


Kursrapporter visas för de tre senaste kurstillfällena.








Om du har frågor kring kursen, kontakta kursansvarig lärare:

Lärare höstterminen 2025

Kursansvarig

Per Gösta Andersson

Du hittar Andriys mottagningstider i länken ovan. Det går bra att e-posta Per Gösta och komma överens om en tid, om du vill träffas utanför mottagningstiden.

Om du har frågor kring att studera vid Statistiska institutionen, Stockholms universitet, kontakta vår studie- och karriärvägledare.

Vi använder kakor

Genom att tillåta tjänster från tredje part accepterar du deras cookies och användningen av spårningsteknologier som är nödvändiga för att de ska fungera korrekt.