Osaamistavoitteet

Opiskelija ymmärtää bayesiläisen lähestymistavan tilastolliseen analyysiin ja osaa soveltaa sitä yksinkertaisten mallien tapauksessa. Hän oppii kuvaamaan malleja graafien avulla ja estimoimaan niitä WinBUGS-ohjelmiston avulla. Hän ymmärtää MCMC-simuloinnin periaatteen ja pystyy arvioimaan simulointien suppenemista ja riittävyyttä. Hän osaa tehdä mallinvalintaa ja mallin tarkistuksia. Hän osaa ratkaista yksinkertaisia tilastolliseen päätäntäteoriaan liittyviä ongelmia.

Sisältö

Bayesiläisen tilastotieteen perusajatukset, normaaliset ja binomiaaliset mallit, lukumäärä- ja elinaikamallit, uskottavuusperiaate, 2-parametrinen normaalinen malli, kahden populaation vertaaminen, hierarkiset ja regressiomallit, MCMC, mallien vertailu ja tarkistukset, päätäntäteoria.

Arviointi

Kirjallisuus/Oppimateriaali

Gelman, A., et al, Bayesian data analysis, 2nd ed. Chapman & Hall / CRC 2004.

O’Hagan, A., Forster, J., Bayesian inference, 2nd ed., volume 2B of "Kendall’s advanced theory of statistics". Arnold 2004.

Gilks, W.R., et al, Markov chain Monte Carlo in practice, Chapman & Hall, 1996.

Kokonaisuudet johon opintojakso kuuluu

2014–2015

Opintojakso opetusohjelmassa

Opetusohjelma ei ole enää voimassa. Tarkista tiedot voimassa olevasta opetusohjelmasta.

-