Behörighetskrav

120 hp inklusive 60 hp matematik och/eller dataanalys med minst 45 hp matematik. En av kurserna Introduktion till dataanalys, Regressionsanalys och Finansiella derivat ska vara genomgången. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Syftet med kursen är att studenterna ska få en god överblick och kunskap om ett flertal statistiska tekniker som utvecklats de senaste åren i takt med att datorernas kapacitet ökat.

Efter godkänd kurs ska studenten kunna:

• redogöra för principerna för slumptalsgeneratorer;
• redogöra för principen för simulering med hjälp av Monte Carlo metoder;
• tillämpa metoder för datorintensiva skattningsmetoder, såsom bootstrap;
• använda Expectation Maximization (EM)-metoder;
• tillämpa Monte Carlo metodiken för att lösa verkliga problem.

Innehåll

Slumptalsgeneratorer och simulering av slumpmässiga objekt. Monte Carlo metoder, inklusive Markov Chain Monte Carlo och quasi-Monte Carlo metoder. Skattningstekniker såsom exempelvis Kernelskattningar. Expectation Maximization-algoritmer. Tillämpningar inom dataanalys/finans/statistik. Kursen innehåller en tillämpad projektdel med specialisering inom ett avgränsat område i ett av följande områden: finansiell matematik, dataanalys eller statistik.

Undervisning

Föreläsningar och datorlaborationer.

Examination

Inlämningsuppgifter (5 hp) och projekt som redovisas muntligt (5 hp).

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 kan inte ingå i samma examen som kurserna Datorintensiv statistik och informationsutvinning DS (1MS043), Datorintensiv statistik och informationsutvinning (1MS009) eller Monte Carlo-metoder med finansiella tillämpningar (1MA214).