Kursplan

Statistiska metoder, fördjupning

Advanced statistical methods

Kurs
STA240
Avancerad nivå
7,5 högskolepoäng (hp)
Utbildningsområde
ME Medicinska området 100%

Om kursplanen

Diarienummer
GU 2025/4060
Ikraftträdandedatum
2025-12-05
Beslutsdatum
2025-11-14
Gäller från termin
Vårterminen 2026
Beslutsfattare
Institutionen för medicin

Betygsskala

Tregradig skala

Kursens moduler

Skriftlig salstentamen, 3,5 högskolepoäng
Seminarier, 2 högskolepoäng
Datorövningar, 2 högskolepoäng

Inplacering

Kursen är en obligatorisk kurs inom Mastersprogrammet i tillämpad biostatistik (M2STA).

Huvudområde med fördjupning

SATIB Tillämpad biostatistik - A1N Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav

Behörighetskrav

Behörighetskraven för kursen är en kandidatexamen om minst 180 högskolepoäng inom hälsovetenskapligt, ekonomiskt, naturvetenskapligt, eller ingenjörsvetenskapligt huvudområde samt en kurs i statistik eller kvantitativa metoder om minst 7,5 högskolepoäng. Vidare krävs R programmering om minst 2hp eller motsvarande, Engelska B/Engelska 6 eller motsvarande, och Matematik 3b/3c eller motsvarande.

Innehåll

Kursen introducerar utvalda komplexa statistiska metoder som utökar studenternas modellverktygslåda. Generaliserade linjära (blandade) modeller introduceras som ett övergripande ramverk för regressionsmodellering och typiska procedurer för inferens och diagnostisk exemplifieras i några fallstudier, där bland annat ordinala utfall och hierarkiska data tas upp. Kursen introducerar resamplingsmetoder för statistisk inferens (bootstrap och permutationstest) och diskuterar deras tillämpning. Vidare diskuteras imputeringstekniker för att hantera saknade data med fokus på multipel imputering och arbetsflödet för den tillhörande statistiska analysen. Slutligen riktas uppmärksamheten mot den roll som simuleringsstudier spelar för att bedöma egenskaperna hos statistiska metoder. Fokus ligger på att diskutera de steg i planering, genomförande och rapportering av sådana studier som är viktiga för att säkerställa en rättvis utvärdering, transparens, reproducerbarhet och därmed hållbar forskning.

Kursen är hållbarhetsrelaterad.

Mål

Efter godkänd kurs ska studenten kunna:

Kunskap och förståelse

  • definiera ramverket för generaliserade linjära (blandade) modeller och ge exempel på deras användning.
  • beskriva arbetsflödet för en analys som involverar multipel imputation.
  • känna till situationer där resamplingsmetoderna bootstrap och permuteringstest kan stödja inferens.

Färdigheter och förmåga

  • anpassa och estimera modellen, samt diagnostisera och tolka resultaten av generaliserade linjära (blandade) modeller som diskuterats i kursen.
  • utföra en regressionsanalys som involverar multipel imputation av saknade data och rapportera resultaten.
  • tillämpa bootstrap och permutering för inferens och rapportera resultaten.

Värderingsförmåga och förhållningssätt

  • diskutera de steg som ingår i planering, genomförande och rapportering av en simuleringsstudie för bedömning av statistiska metoder och hur de bidrar till hållbar forskning.
  • diskutera val av statistisk metod i olika studier, utifrån forskningsfråga samt datans typ och struktur.

Hållbarhetsmärkning

Kursen är hållbarhetsrelaterad, vilket innebär att minst ett av kursens lärandemål tydligt visar att kursens innehåll uppfyller minst ett av Göteborgs universitets fastställda kriterier för hållbarhetsmärkning.

Former för undervisning

Kursen kombinerar föreläsningar, seminarier och datorövningar.

Undervisningsspråk: engelska

Examinationsformer

Kursen examineras genom en individuell skriftlig salstentamen (3.5hp) och aktiv deltagande i 2 obligatoriska seminarier (2hp) och i 2 obligatoriska datorövningar (2hp) med tillhörande skriftliga rapporter. Komplettering av icke godkända obligatoriska moment kommer att erbjudas, och ska utföras enligt lärarens instruktioner.

Om en student som har underkänts två gånger på samma examinerande moment önskar byta examinator inför nästa examinationstillfälle ska en sådan begäran bifallas om det inte finns särskilda skäl däremot (6 kap. 22 § HF).

Om en student har fått besked om pedagogiskt stöd från Göteborgs universitet med rekommendation om anpassad examination och/eller anpassad examinationsform kan examinator, i det fall det är förenligt med kursens lärandemål och förutsatt att inte orimliga resurser krävs, besluta att bevilja studenten anpassad examination och/eller anpassad examinationsform.

Om en kurs har avvecklats eller genomgått en större förändring ska studenten erbjudas minst två examinationstillfällen, utöver ordinarie examinationstillfälle. Dessa tillfällen fördelas under en tid av minst ett år, dock som längst två år efter det att kursen avvecklats/förändrats. Vad gäller praktik och verksamhetsförlagd utbildning (VFU) gäller motsvarande, men med begränsning till endast ett ytterligare examinationstillfälle.

Om en student har fått besked om att denne uppfyller kraven för att vara student vid Riksidrottsuniversitetet (RIU-student) har examinator rätt att besluta om anpassning vid examination, om detta görs i enlighet med Lokala regler gällande RIU-studenter vid Göteborgs universitet.

Betyg

Betygsskalan består av: Väl godkänd (VG), Godkänd (G) och Underkänd (U). De obligatoriska datorövningarna och seminarier betygsätts med Godkänd (G) och Underkänd (U), den individuella skriftliga salstentamen betygsätts med Väl godkänd (VG), Godkänd (G) och Underkänd (U).

För att erhålla betyget Godkänd på kursen krävs betyget Godkänd på både de obligatoriska övningarna, seminarier och den skriftliga salstentamen. För att erhålla betyget Väl godkänd på kursen krävs betyget Godkänd på de obligatoriska momenten och betyget Väl godkänd på den individuella skriftliga salstentamen.

Kursvärdering

Kursutvärderingen genomförs i form av ett anonymt frågeformulär. En sammanställning av frågeformuläret görs av kursansvarig. Resultatet och eventuella förändringar i kursens upplägg ska förmedlas både till de studenter som genomförde värderingen och till de studenter som ska påbörja kursen.

Övriga föreskrifter

Varje deltagare behöver tillgång till en bärbar dator (minst 8 GB RAM rekommenderas) med mjukvaran R samt en integrerad utvecklingsmiljö (såsom RStudio eller Positron) installerat.