Opiskelija tutustuu bayesiläisen tilastotieteen perusajatuksiin, epäparametriseen päättelyyn ja laskentaintensiivisiin menetelmiin. Lisäksi hän saa käsityksen Markovin ketjuista ja niiden sovelluksista.
Sisältö
Bayesiläisen tilastotieteen peruskäsitteitä ovat priori- ja posteriorijakauma sekä posterioriennustejakauma. Laskentaintensiivisiä menetelmiä ovat permutaatiotestit, linkkuveitsi- ja bootstrap-menetelmä, ristiinvalidointi ja MCMC-simulointi. Kurssilla käsitellään myös Markovin ketjuja ja tilastollista mallinvalintaa.
Opetuskieli
suomi
Vaadittavat opintosuoritukset
Opintojakso voidaan korvata kurssilla TILTS5 Bayesiläinen data-analyysi.
Arviointi
Numerolla 1-5.
Suositellut suoritusajankohdat
1. vuoden syksy
1. vuoden kevät
Kirjallisuus/Oppimateriaali
Casella, G., Berger, R. L., Statistical inference. Brooks/Cole 2002.
Davison, A., Statistical models. Cambridge University Press 2003.
Garthwaite, P. H., Jolliffe, I. T., Jones, B., Statistical inference. Prentice Hall 2002.
Rohatgi, V. K., Statistical inference. Wiley 2003.
Ross, S. M., Introduction to probability models. Academic Press 2002.
Williams, D., Weighing the odds, a course in probability and statistics. Cambridge University Press 2001.