所有课程

统计数据

先进水平的概率和统计的第一课程;强调基本概念,包括非参数和正常模型中的描述性统计,基本概率,估计和假设检测。统计数据100和以下任何一种都没有给出信用:ECON 202,PSYC 235或SOC 485.先决条件:数学112。

Stat 107 - 数据科学发现

数据的科学发现是统计,计算,和现实世界相关的交集。作为项目驱动的过程中,学生进行实践分析真实世界的数据集的分析和发现数据的影响。贯穿每个经验,学生反映周边如隐私和设计数据分析社会问题。相同CS 107和107是。

统计数据199 - 本科公开研讨会

查看主题的课程计划。批准了信和S / U分级。如果话题变化,可以重复。

STAT 200 - 统计分析

统计概念调查,数据分析,设计和观察研究和统计模型。使用统计包(如R或电子表格)的统计计算。要涵盖的主题包括数据摘要和可视化,研究设计,基本概率,分类数据,比较实验,多元线性回归,方差分析,统计推论和模型诊断。可以作为定量取向学生的第一个统计课程,或者作为遵循基本概念课程的第二课程。 STAT 200和Stat 212都没有给出信用。

统计212 - 生物统计数据

统计推理与统计方法的应用对生物学。主题包括描述性统计,图形方法,实验设计,概率,统计推理和回归。此外,涵盖了统计计算的技术。 STAT 212和Stat 200都没有给出信用。

STAT 361 - Probability & 统计 for Computer Science

与CS 361相同。见CS 361。

Stat 385 - 统计规划方法

统计人必须在编程方法中精明,这对于各种分析有用,以至于它们将期望执行。本课程为通过创建功能和面向对象编程来提供写作和包装统计算法的基础。将强调基本规划技术和考虑因素。学生还将创建封装其实现算法的动态报告。学生必须访问他们可以安装软件的计算机。前提条件:Stat 200或Stat 212。

统计390 - 个人研究

可以重复到最多8小时。先决条件:讲师的同意。

统计391 - 荣誉个人研究

可以重复到最多8小时。先决条件:讲师的同意。

stat 400 - 统计和概率i

介绍数理统计,开发概率根据需要;包括概率,随机变量,期望,分布函数,中心极限定理,点估计,置信区间,以及假设检验的演算。提供一个基本的长期引进统计,也为学生准备统计410相同,数学463等4个本科小时。研究生4小时。先决条件:数学241或等同物。

STAT 408 - 精算统计一定体

检查概率基本理论,包括独立性,条件概率和贝叶斯定理;组合和排列;随机变量,期望和概率分布;关节和条件分布;随机变量的函数;采样;中心极限定理。相同ASRM 401 4本科小时。研究生4小时。信用证未两种统计408,要么数学461或400的统计给出的先决条件:数学241或同等学历。

STAT 409 - Actuarial统计II

统计408检参数点和区间估计,包括最大似然估计,充分性,完整性,和贝叶斯估计的延续;假设检验;线性模型;回归与相关。相同ASRM 402 4本科小时。研究生4小时。信用证未两种统计409和410的统计给出的先决条件:统计408。

Stat 410 - 统计和概率II

统计400的延续包括矩生成函数,随机变量的转换,正常的抽样理论,充分性,最好的估计,最大似然估计,置信区间,最强大的测试,公正的测试和卡方检验。同数学464 3个本科小时。研究生4小时。信用证未两种统计410和409的统计给出的先决条件:统计400;或统计100和数学461。

Stat 420 - 应用统计方法

基于微积分的基于微积分的应用统计方法,包括简单和多元回归,相关性,方差和协方差分析,多重比较,拟合测试,应急表,非参数手术和测试力量;强调各种测试的何时何时以及为何是合适的以及它们的使用方式。与ASRM 450相同。3本科生。 4毕业时间。前提条件:Stat 408或Stat 400;数学231或同等;了解基本矩阵操纵;或教师的同意。

Stat 424 - 方差分析

线性模型中的估计和假设测试;一个,两个和更高的布局;不完整的布局;协方差分析;和随机效果模型和混合模型。 3本科生。 4毕业时间。前提条件:Math 415和Stat 410中的信用卡或并发注册。

Stat 425 - 应用回归和设计

探讨线性回归,最小二乘估计,F-Tests,残差分析,回归诊断,转换,模型建设,因子设计,随机完成块设计,拉丁方块,分裂绘图设计。计算机工作是课程的一个组成部分。 3本科生。 4毕业时间。先决条件:Stat 410。

STAT 426 - 采样和分类数据

采样:简单随机,分层,系统,集群和多级采样。分类数据:多道应急表,最大似然估计,拟合良好测试,模型选择,逻辑回归。计算机工作是课程的一个组成部分。 3本科生。 4毕业时间。先决条件:Stat 410。

STAT 427 - 统计咨询

学生,在教师的监督下,在教师的监督下工作,通过统计咨询服务咨询教师和研究生;咨询文学中的读物。 3本科生。 4毕业时间。先决条件:统计部长425或讲师的同意。

Stat 428 - 统计计算

检查统计包,线性和非线性模型,图形和随机数生成和蒙特卡罗方法的数值分析。与CSE 428相同。3本科生。 4毕业时间。先决条件:Stat 410或同等学历;了解编程语言。

Stat 429 - 时间序列分析

时间序列的研究理论与数据分析;检查自动回归移动平均模型建筑和统计技术;并讨论窗口循序线和快速傅里叶变换的谱模型建设和统计分析。 3本科生。 4毕业时间。先决条件:Stat 410。

Stat 430 - 应用统计数据的主题

随机现象数学模型的制定与分析;广泛参与实际数据的分析;和统计和计算技术的指令。 3本科生。 4毕业时间。可以通过批准重复。先决条件:Stat 410或Stat 420;或教师的同意。

STAT 431 - 应用贝叶斯分析

贝叶斯统计概念与方法介绍,为数学统计知识的基础知识。主题包括贝叶斯的规则,先前和后部分布,共轭,贝叶斯点估计和间隔,贝叶斯假设检测,非信息前锋,实用的马尔可夫链蒙特卡罗,分层模型和模型图,以及时间允许更先进的主题。在R和专业仿真软件中实现。与ASRM 453相同。3本科生。 4毕业时间。先决条件:Stat 410和R的知识。

Stat 432 - 统计学习的基础知识

在监督和无监督学习主题都包括在内,包括回归,支持向量机,分类树和非参数回归。模型构建器和特征选择被用于这些技术所讨论的,其重点是正则化方法,使用交叉验证如套索和岭回归,以及用于模型选择的方法和评估。聚类分析和主成分分析引入作为无监督学习的例子。相同ASRM 451 3本科小时。研究生4小时。先决条件:统计400,并且或者STAT 420或统计425。

STAT 433 - 随机过程

随机过程是一种随机过程,其表示一些系统随时间的演变。主题可能包括离散时间和连续时间马尔可夫链,出生和死亡链,分支链,静止分布,随机散步,马尔可夫纯跳跃过程,出生和死亡过程,更新过程,泊松过程,队列,第二个订单流程,布朗运动(维纳过程)和ITO的引理。 3本科生。 4毕业时间。先决条件:必需的Stat 400,Stat 410首选,数学225(或线性代数的等同知识)强烈推荐。

STAT 434 - 生存分析

介绍时对事件结果的分析。主题围绕着三个主要步骤:在的Kaplan-Meier估计,对数秩检验和Cox回归。强调大画面的概念,基本方法的理解,以及在r中的实际应用。 3个本科小时。研究生4小时。先决条件:统计410,统计420,和R的知识,在统计420的水平。

Stat 440 - 统计数据管理

提出了最终导致数据分析的数据存储,数据清洁和数据提取的关键元素。包括基本理论和数据库,审计和查询数据库的方法,以及使用标准大规模统计软件的数据管理和数据准备。学生将获得在数据分析之前所必需的存储,清洁和管理数据所需的技能的能力。与CSE 440相同。3本科工作时间。 4毕业时间。先决条件:Stat 400或Stat 409。

STAT 443 - 专业统计

这个基于项目的课程强调书面,视觉和统计结果和结论口头交流。介绍了统计咨询服务,还提供。其他主题包括介绍在工业统计方法和统计事业的各个方面。 3个本科小时。研究生4小时。先决条件:统计420或教练的同意。

Stat 447 - 数据科学编程方法

数据科学领域正在彻底改变科学和行业。跨越许多领域的工作正在变得越来越多的数据驱动,影响可用的工作和所需的技能。增加数据量,以及分析它们的新方法,引领经济以及社会和日常生活,以变得更加数据依赖。本课程旨在提供主要基础,以便在规模上使用数据。我们将介绍Shell编程,Git版本控制,SQL基础知识,大量R,以及一些更高级的主题,如Docker和一些C ++。 3本科生。 4毕业时间。先决条件:Stat 410。

Stat 448 - 高级数据分析

讨论了几种最广泛使用的数据分析技术,并强调统计计算。主题包括线性回归,方差分析,广义线性模型和分类数据分析。此外,考虑分类,模型建筑,决策树和集群分析,提供了对数据挖掘的介绍。与CSE 448相同.4本科工作时间。 4毕业时间。先决条件:Stat 400或Stat 409,以及Stat 410中的信用或并发注册。

Stat 458 - 生命科学中的数学建模

与ANSC 448和IB 487相同。请参阅ANSC 448。

Stat 480 - 数据科学基础

检查数据管理和分析的为“大数据”,其特征在于高批量,多品种,速度和准确性的方法。注意力将集中在采用必要的海量数据集分析并行处理,存储和分发技术数据科学应用先进的统计分析和可视化。数据挖掘技术,机器学习方法和流技术将被用于实时分析。学生必须能够访问其上他们可以安装软件的计算机。 3个本科小时。研究生4小时。先决条件:统计425,并且熟悉高级语言(例如Python中,JAVA,C,F#),和命令行编程。

stat 510 - 数学统计信息

分布,转换,秩序统计,指数系列,充足,三角形方法,Edgeworth扩展;均匀的最小方差无偏见估计,Rao-Blackwell定理,Cramer-Rao下限,信息不等式;标准规范。先决条件:Stat 410。

Stat 511 - 数学统计二

贝叶斯估计,极低,可视性;最大似然估计,一致性,渐近效率;测试和置信区间; Neyman-Pearson Lemma,均匀最强大的测试;似然比测试和大样本近似;非分数。先决条件:Stat 510。

Stat 525 - 计算统计数据

各种主题,如山脊回归;强大的回归; jackknife,bootstrap,交叉验证和重新采样计划; E-M算法;投影追求;所有都有强大的计算味道。与CSE 525相同。如果主题变化,可以重复。前提条件:stat 425,stat 426和stat 511;或教师的同意。

Stat 527 - 高级回归分析

一种先进的介绍回归分析与应用程序从学科,如生物统计学和经济学分析数据。该课程将介绍古典以及现代回归方法,并进入这些技术的深度理解的动机,理由,实施这些方法。的重点将放在理解这些方法的统计特性,用自己的实际优点和局限性一起。两个回归分析的理论和应用方面进行讨论。研究生4小时。没有专业的信用。先决条件:STAT 410,统计510(并发登记就足够了),和r的知识。仅研究生。

Stat 528 - 高级回归分析II

一种先进的(毕业级)概述广义线性模型和分类数据分析,其中应用于分析生物统计学,经济学,进化生物学和医学等学科的数据。该课程将介绍经典技术以及现代方法。强调呈现出呈现方法的统计特性以及数据分析实践和关键统计思维。将讨论方法的实际优点,限制和比较。 4毕业时间。没有专业的信用。先决条件:Stat 510,Stat 527。仅限于研究生。

Stat 530 - 生物信息学

与ANSC 543,CHBE 571和MCB 571相同。见CHBE 571。

Stat 534 - 高级生存分析

介绍时对事件结果的分析。主题包括审查,离散存活,参数模型,非参数单和k采样方法,Cox回归,回归诊断,时间相关的协变量,和多变量生存结果。突出重点基本概念。基于进程的计数理论依据和实际执行也将被讨论。研究生4小时。没有专业的信用。先决条件:统计410,统计425,和r的知识。

Stat 538 - 临床试验方法

课程重点的临床试验设计和推论技术的主题,通常在制药工业中使用。主题包括固定用于正常和存活数据,双面组序贯设计,波考克和奥布莱恩 - 弗莱明边界,组序贯设计,α-的一般理论和β花功能,片面设计样本设计的早期停止接受零假设,非劣效性设计,并推论技术。在SAS计算将被强调。研究生4小时。没有专业的信用。先决条件:STAT 410,统计425,并且熟悉SAS。

Stat 541 - 预测分析

与ASRM 552相同。见ASRM 552。

Stat 542 - 统计学习

预测模型,分类和聚类的现代技术进行了讨论。这些的例子是线性回归,非参数回归,核方法,正则化,聚类分析,分类树,神经网络,升压,歧视,支持向量机,和模型选择。应用以及计算和理论探讨。相同ASRM 551和CSE 542 4毕业小时。没有专业的信用。先决条件:STAT 410和统计425。

stat 543 - appl。多变量统计

与CPSC 543相同。见CPSC 543。

Stat 545 - 空间统计

理论和分析变量和多变量空间和时空数据的方法。涵盖基础理论和前沿研究进展的统计学,并汇总数据和点过程统计方法。真实的数据例子将在课堂上提供和统计软件将被用来说明数据分析。研究生4小时。没有专业的信用。先决条件:STAT 425或等同物。

Stat 546 - 数据科学的机器学习

培养学生运用先进的统计学习方法和算法来分析大量复杂数据。在使用过程中的主要议题包括:数据探索和数据的科学解释;大型数据处理;正则化方法;优化工具;深度学习;推荐系统;网络和图形模型;文本挖掘;和成像分析。学生将获得在各种应用,如商业,政治学,生物学和医学数据挖掘和知识发现的实用技能。研究生4小时。没有专业的信用。先决条件:STAT 510或统计410(学生必须采取任一统计510或STAT 410)和stat 425。

统计551 - 概率理论我

与数学561相同。请参阅Math 561。

统计552 - 概率II

与Math 562相同。见Math 562。

stat 553 - 概率和措施我

措施和概率;整合和期望;集成和期望的融合定理和不平等;独立;概率,几乎肯定地融合和平均值;三个系列定理;大量法律。前提条件:数学447或讲师的同意。

STAT 554 - 概率和测量II

测量延伸,lebesque-stieltjes测量,kolmogorov一致性定理;有条件的期望,条件概率,鞅;分布函数和特征功能;分布融合;中心极限定理;布朗运动。 STAT 554和MATH 561或MATH 562都没有给出信用。

STAT 555 - 应用随机过程

与Math 564相同。请参阅Math 564。

Stat 558 - 风险建模和分析

与Math 563相同。请参阅Math 563。

Stat 571 - 多变量分析

在多元统计群体中的推论强调多元正态分布;衍生测试,估计和采样分布;和自然和社会科学的例子。前提条件:Stat 410和Math 415,或教师的同意。

STAT 575 - 大型样本理论

限制最大似然估计的分布,似然比测试统计,U形统计,M-,L-和R估算器,非参数测试统计数据,Von Mises可分辨率统计功能;渐近相对效率;渐近扩张。与ECON 578相同。先决条件:Stat 511和Math 561或Stat 554。

Stat 576 - 经验过程理论和弱收敛

对统计M估计,非参数回归和高维统计的应用程序级研究生级介绍。实证过程理论涉及两个基本问题:大量的统一定律,以及均匀的中央极限定理,两者都将被覆盖。本课程为学生提供严格的数学统计背景的实证过程。所涵盖的主题对于在统计和概率中进行现代理论研究是有用的。 4毕业时间。没有专业的信用。前提条件:stat 511,stat 575,stat 553。仅限于研究生。

Stat 578 - 统计主题

如果话题变化,可以重复。先决条件:讲师的同意。

Stat 587 - 分层线性模型

与psyc 587和epsy 587相同。请参阅epsy 587。

STAT 588 - Covar Struct and Factor Models

与Epsy 588,PSYC 588和SoC 588相同。请参阅PSYC 588。

统计590 - 个人研究和研究

定向阅读和研究。批准了信和S / U分级。可以通过批准重复。先决条件:讲师的同意。

Stat 593 - 统计实习

在统计科学发挥重要作用的领域监督。批准了信和S / U分级。先决条件:统计部长425和教师的同意。

Stat 595 - 准备未来的教师

Prepares Ph.D. students who are interested in an academic career to develop a successful academic career path, and to prepare graduate students for their future roles as teachers, and researchers. The course will focus on profession, job search, research, teaching and service. The course will involve guest panels, small and large group presentations and interactive Q&A with student participation.

统计599 - 论文研究

仅批准S / U分级。可以重复。先决条件:讲师的同意。