Behörighetskrav

120 hp med kursen Regressions- och variansanalys. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• kunna definiera Bayes formel och härleda a posteriori-fördelningar;
• ha förmåga att välja lämpliga informativa och icke-informativa a priori-fördelningar;
• kunna använda stokastisk simulering för att uppskatta a posteriori-fördelningar;
• kunna dra korrekta slutsatser från teoretiska och uppskattade a posteriori-fördelningar;
• ha förmåga att avgöra vilken modell som är mest lämplig för analys av ett praktiskt problem.

Innehåll

Bayes formel. Informativa och icke-informativa à priorifördelningar. À posteriorifördelningar. Hierarkiska modeller. Linjära modeller. Bayesiansk inferens. Modellanpassningsmått. Markov Chain Monte Carlo-metoder.

Undervisning

Föreläsningar, räkneövningar och datorlaborationer.

Examination

Skriftligt prov vid kursens slut och obligatoriska inlämningsuppgifter och datorlaborationer under kursens gång enligt anvisningar som lämnas vid kursstarten.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Övriga föreskrifter

Kursen ingår i det med Stockholms universitet gemensamma biostatistikprogrammet