Behörighetskrav

120 hp inklusive 60 hp matematik och/eller dataanalys varav minst 45 hp matematik. Introduktion till dataanalys genomgången eller både Regressionsanalys och Inferensteori II genomgångna. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• redogöra för filosofin bakom Bayesianska modeller och därtill hörande modellantaganden;
• välja lämpliga informativa och ickeinformativa priorfördelningar;
• härleda posteriorfördelningar;
• tillämpa datorintensiva metoder med R för att approximera posteriorfördelningen;
• genomföra inferens från teoretiska och approximativa posteriorfördelningar;
• tolka resultaten från analys genomföra med Bayesianska metoder.

Innehåll

Beslutsteoretiska grunder. Minimaxprincipen. Val av priorfördelningar. Konjugerade familjer. Bayesiansk punktskattning. Bayesianska test. MCMC. Gibbs sampler. Bayesiansk modellval. Empirisk Bayes.

Undervisning

Föreläsningar och datorövningar.

Examination

Skriftligt prov vid kursens slut kombinerat med obligatoriska inlämningsuppgifter under kursens gång.

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.