|
Udgave: |
Forår 2013 NAT |
Point: |
7,5 |
Blokstruktur: |
3. blok |
Skemagruppe: |
A |
Fagområde: |
mat |
Semester: |
Forår |
Varighed: |
7 uger |
Institutter: |
Institut for Matematiske Fag |
Uddannelsesdel: |
Kandidat niveau |
Kontaktpersoner: |
Carsten Wiuf, tlf. 35 32 06 95, rum 04.3.05, email: wiuf@math.ku.dk |
Skema- oplysninger: |
Vis skema for kurset Samlet oversigt over tid og sted for alle kurser inden for Lektionsplan for Det Naturvidenskabelige Fakultet Forår 2013 NAT |
Undervisnings- periode: |
4. februar - 14. april 2013 |
Undervisnings- form: |
4 timers forelæsninger og 3 timers øvelser pr uge.
|
Indhold: |
Dette er et kursus i Bayesian Statistics og Inference. Bayesian Inference er en stærk og populær tilgang til statistisk analyse baseret på en simpel og ensartet
tilgang til komplekse statistiske problemer. Markov Chain Monte Carl (MCMC) simulationsmetoder har gjort det muligt at formulere praktiske løsninger på mange problemer i Bayesian Inference, som ellers ikke kunne løses. Kurset introducerer de basale metoder og teknikker i Baysian Inference, blandt andet parameter estimation,
MCMC simulation, hypotese testning, model selection og multiple testning.
|
Målbeskrivelse: |
Ved kursets afslutning forventes den studerende at
kunne redegøre for forskellige fortolkninger af sandsynlighed (fx frekvens-baseret, ``degree-of-belief")
forstå grundlæggende begreber i Bayesian Statistics, fx prior og posterior fordeling, Bayes Factors
kunne redegøre for valg og konsekvenser af valg af prior fordeling, objektive og subjektive priors
kunne redegøre for simuleringsteknikker som MCMC, Gibbs Sampler, og Metropolis-Hastings sampling
kunne benytte simuleringsteknikker i praksis (fx ved brug af R), fx i forbindelse med parameter estimation
kunne redegøre for Bayesian parameter estimation, Bayesian point estimation og credibility intervals
kunne redegøre for forskellen mellem maximum likelihood inferens og Baysian Inference
kunne redegøre for Hierarchical Models, Bayesian Inference for Gaussiske fordelinger
forstå grundlæggende begreber indenfor Baysian Hypothesis testing, model selection, model choice og multiple testing
være i stand til at bruge Baysian Hypothesis testing, model selection, model choice og multiple testing i konkrete situationer
|
Lærebøger: |
Afgøres senere, men muligvis Christian Robert, The Bayesian Choice (Springer)
|
Tilmelding: |
Kursus- og eksamenstilmelding og afmelding sker på
www.kunet.dk
Tilmelding skal ske i perioden den 15. november – 1. december 2012.
|
Faglige forudsætninger: |
Stat2 eller tilsvarende
|
Eksamensform: |
24 timers tag-hjem-eksamen. Karakter efter 7-trin skalaen og med intern censur.
Reeksamen: 30 minutters mundtlig eksamen. Karakter efter 7-trin skalaen og med intern censur.
|
Eksamen: |
24 timers opgave. Udleveres d. 3. april og afleveres d. 4. april 2013.
Reeksamen: Mundtlig prøve d. 27. juni 2013. |
Kursus hjemmeside: |
|
Pensum: |
Fastlægges i uge 4 af undervisningsforløbet.
|
Undervisnings- sprog: |
Engelsk
|
Sidst redigeret: |
30/10-2012 |