Beskrivelse
Inferensielle datafaglige verktøy som strekker seg til big data ved bruk av åpen kildekode-programvare. Asymptotiske egenskaper til likelihoods, parametriske og ikke-parametriske tilnærminger, bootstrap, jackknife-estimering, frekventistiske og bayesianske perspektiver. Formelle verktøy utvikles. Begreper demonstreres ved simulering. Abstrakte konsepter konkretiseres gjennom visualisering og numerisk beregning.
Forkunnskaper
- Forkunnskapskrav: STAT 2210.
Vilkår og bestemmelser
- Forhindrer tilleggskreditt for STAT 3509 eller STAT 3559.
- Forkunnskapskrav: STAT 2210.
- Forelesninger tre timer i uken, laboratorie én time i uken.
Referansetekst i originalspråket
Inferential data science tools extending to big data using open-source software. Asymptotic properties of likelihoods, parametric and non-parametric approaches, bootstrap, jackknife estimation, frequentist and Bayesian perspectives. Formal tools are developed. Concepts are demonstrated using simulation. Abstract concepts are made concrete through visualization and numerical computation.
- Prerequisite(s): STAT 2210 .
- Precludes additional credit for Precludes additional credit for STAT 3509 or STAT 3559 .
- Lectures three hours a week, laboratory one hour a week.
Kilder og referanser
Datoer og kilder beholdes for å hjelpe deg å verifisere opplysningene. Oversettelsene tilbys for å lette lesing; den offisielle kilden er referansen for krav og betingelser.
Kildereferanse : https://calendar.carleton.ca/undergrad/courses/STAT/