Kursplan för Bayesiansk statistik

Bayesian Statistics

Kursplan

  • 10 högskolepoäng
  • Kurskod: 1MS900
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Matematik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2016-03-10
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2021-10-15
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2022
  • Behörighet: 120 hp inklusive 90 hp matematik. Genomgången Regressionsanalys. Genomgången Inferensteori II. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
  • Ansvarig institution: Matematiska institutionen

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.

Litteratur

Litteraturlista

Gäller från: HT 2022

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

  • Robert, Christian P. The Bayesian choice : from decision-theoretic foundations to computational implementation

    2. ed.: New York: Springer, cop. 2007

    Se bibliotekets söktjänst

    Obligatorisk