Beräkningsmetoder för Bayesiansk statistik

Kursen ingår i Matematiska vetenskaper, masterprogram, Göteborgs universitet, men kan också läsas som fristående kurs.

Kursen kan ingå i följande program: 1) Matematiska vetenskaper, masterprogram (N2MAT) och 2) Applied Data Science masterprogram (N2ADS).

Kursen förutsätter goda kunskaper i matematik, åtminstone en kurs i statistik samt färdigheter i vetenskaplig programmering (till exempel i R eller Python) som erhållits från till exempel slutförande av kursen TMS150 "Stochastic Data Processing and Simulation”.

• Filosofin bakom Bayesiansk statistisk slutledning.
• Konjugerade och icke-propra apriorifördelningar.
• Approximativa metoder för lågdimensionella parameterrum.
• Grundläggande metoder för simulering från fördelningar.
• Monte-Carlo-integration.
• Avancerade metoder för simulering från fördelningar, såsom Markov chain Monte-Carlo (MCMC).
• Hierarkiska modeller.
• Beräkningar för Bayesianska nätverk.
• Grundläggande informationsteori.
• EM-algoritmen.
• Grundläggande variational Bayes-metoder.

Efter godkänd kurs skall studenten kunna:

• förklara och använda ett Bayesianskt tillvägagångssätt för statistisk slutledning,
• implementera viktiga beräkningsmetoder för Bayesiansk slutledning, till exempel Metropolis-Hastings MCMC,
• ta oberoende och välgrundade beslut om statistisk modellering och beräkningsmetoder, 
• presentera sin analys på ett strukturerat och pedagogiskt sätt.

Föreläsningar och datorbaserade inlämningsuppgifter.

Datorbaserade inlämningsuppgifter med uppföljande workshops, där närvaro och aktivitet är obligatoriskt. Betyget baseras på en skriftlig tentamen vid kursens slut.

På kursen ges något av betygen Väl godkänd (VG), Godkänd (G) och Underkänd (U).

Kursutvärdering görs med en enkät och/eller samtal med studentrepresentanter. Resultatet och eventuella förändringar i kursens upplägg ska förmedlas både till de studenter som genomförde värderingen och till de studenter som ska påbörja kursen.

Kursen Beräkningsmetoder för Bayesiansk statistik (MSA102) har delvis samma innehåll som kurserna Beräkningsmetoder för Bayesiansk statistik (MSA101) och Datorintensiva statistiska metoder (MSA100). Det är inte tillåtet att examineras på mer än en av dessa kurser.