Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulets indhold, forløb og pædagogik

Kurset omhandler Markov kæde Monte Carlo metoder samt et eller flere af de tre hovedområder inden for rumlig statistik.

Læringsmål

Viden

• kender de fundamentale modeller og metoder inden for de valgte hovedområder (geostatistik, latticeprocesser eller rumlige punktprocesser) samt Markov kæde Monte Carlo
• har viden om følgende emner inden for de valgte hovedområder:
• Geostatistik:
teori for anden-ordens stationære processer, variogram/kovariogram, prediktion og kriging, samt modelbaseret geostatistik
• Latticeprocesser:
Markovfelter, Brooks faktorisering og Hammersley-Cliffords sætning og likelihoodbaseret statistisk analyse
• Rumlige punktprocesser:
Poissonprocesser, Coxprocesser og Markov punktprocesser samt statistisk analyse baseret på ikke-parametriske metoder (summary statistics) samt likelihoodbaserede metoder
• Markov kæde Monte Carlo:
grundlæggende teori for Markovkæder med henblik på simulation, Markovkæde Monte Carlo metoder til simulation af fordelinger, herunder Metropolis-Hastings algoritmen og Gibbs sampleren

Færdigheder

• kan redegøre for de centrale teoretiske resultater i kurset
• kan udføre statistiske analyser af konkrete datasæt
• kan simulere de gennemgåede modeller

Kompetencer

• skal på baggrund af teoretiske resultater inden for rumlig statistik kunne fortolke en rumlig statistisk model i relation til et konkret datasæt og kunne redegøre for modellens eventuelle begrænsninger med hensyn til at beskrive variationen i datasættet
• skal kunne simulere fordelinger ved hjælp af Markovkæde Monte Carlo metoder og vurdere outputtet af Markovkæden

Undervisningsform

Som beskrevet i §17.

Omfang og forventet arbejdsindsats

Kursusmodulets omfang er 5 ECTS svarende til 150 timers studieindsats.

Eksamen

Prøver

Yderligere informationer

Hvis kurset følges i en kandidatstudieordning, skal den studerende opfylde ekstra kompetencemål.