Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulet bygger videre på viden, færdigheder og kompetencer opnået i modulet Statistisk Inferens for Lineære Modeller.

Modulets indhold, forløb og pædagogik

Kursets formål er, at de studerende tilegner sig en erfaring og forståelse af bayesiansk statistik og metoder for simulationsbaseret statistik inferens samt implementering af sådanne metoder i praksis ved brug af en computer.

Læringsmål

Viden

 

• har opnået viden om bayesiansk tankegang og grundlæggende ideer inklusiv (konjugerede) prior fordelinger

• har opnået viden om algoritmer, der benyttes til bayesiansk inferens såsom Gibbs sampleren og Metropolis-Hastings algoritmen

• har opnået viden om teorien for Markovkæde Monte Carlo metoder såsom irreducibilitet, aperiodicitet og invariant tætheder

• har opnået viden om praktiske udfordringer i forbindelse med simulationsbaseret inferens såsom tuning, acceptrater og burn-in

Færdigheder

 

• kan anvende de relevante metoder fra kurset til at udføre en bayesiansk analyse af et givent datasæt

• kan angive de underliggende antagelser samt argumentere for begrænsninger og rækkeviden af de valgte metoder

Kompetencer

• kan implementerede relevante algoritmer fra kurset til at udføre simulationsbaseret bayesiansk inferens

Omfang og forventet arbejdsindsats

Projektmodulet er på 5 ECTS svarende til en arbejdsmængde på 150 timer.

 

Eksamen

Forudsætning for indstilling til prøven

• For at kunne deltage i prøven, skal den studerende have deltaget og bidraget aktivt i kurset ved én eller flere uafhængige mundtlige eller skriftlige afleveringer.

Prøver

Prøvens navn	Bayesiansk statistik, simulering og software
Prøveform	Skriftlig eller mundtlig
ECTS	5
Bedømmelsesform	Bestået/ikke bestået
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning