Statistik: Stokastiska beräkningsmetoder för komplexa data

Om utbildningen

Hur kan simuleringar och stokastiska beräkningsmetoder användas för att analysera komplexa data? I den här kursen får du lära dig metoder för optimering, simulering och osäkerhetsuppskattning som används inom modern statistisk modellering och prediktion. Kursen ger kunskap om statistiska beräkningsmetoder för komplexa data. Du studerar metoder för optimering, numerisk integrering, simulering och osäkerhetsuppskattning samt hur dessa kan användas vid statistisk modellering och prediktion. Kursen behandlar optimering för maximum likelihood- och bayesiansk MAP-skattning, numeriska integrationsmetoder, Laplace-approximation samt simuleringsmetoder som importance sampling och MCMC. Du studerar även simulering av stokastiska processer, tidsserier och hierarkiska bayesianska modeller. Dessutom behandlas parametrisk och icke-parametrisk bootstrap, korsvalidering, probabilistisk prediktion samt utvärdering av prediktioner med proper scoring rules.

Behörighet

Kandidatexamen i statistik, matematik, datavetenskap eller fysik med sammanlagt minst 45 hp i statistik, sannolikhetslära och linjär algebra, varav minst 30 hp i statistik och sannolikhetslära, eller motsvarande. Engelska 6/ Engelska nivå 2.

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

Liknande utbildningar

• Statistiska beräkningarUniversitet/högskola
• Statistik: Bayesianska metoderUniversitet/högskola
• Statistisk databehandlingUniversitet/högskola
• Beräkningsvetenskap: Osäkerhetskvantifiering och datadriven modelleringUniversitet/högskola