Kursen ger även en introduktion till simuleringsbaserade beräkningsmetoder, exempelvis Markov Chain Monte Carlo (MCMC), som ofta används i praktiskt Bayesianskt arbete.

I Bayesiansk inferens betraktas parametrar som stokastiska variabler och kunskap om dessa uttrycks i form av en sannolikhetsfördelning, en sså kallad a priorifördelning. Denna fördelning uppdateras sedan till en a posteorifördelning genom att, via Bayes sats, kombinera den med observerade data som sammanfattats i en likelihoodfunktion. A posteorifördelningen uttrycker således evidens om parametern efter att data har observerats.

Särskild behörighet: 90 högskolepoäng i statistik eller motsvarande, samt Engelska B eller motsvarande.
Undervisningsspråk: Engelska

Sök kursen!

Kursinformation

Övrig information för registrerade studenter finns på Mondo.

Lärare höstterminen 2018

Kursansvarig

Mattias Villani

Övningslärare

Parfait Munezero

Oscar Oelrich