Faglig innhold

Klassiske og markovkjedeteknikker for Monte Carlo-simulering. Hierarkiske bayesianske modeller og inferens i disse. EM-algoritmen (Expectation maximization). Bootstrapping, kryssvalidering og ikke-parametriske metoder. Klassifikasjon.

Læringsutbytte

1. Kunnskap. Studenten har kjennskap til beregningskrevende teknikker for å gjøre statistisk inferens. Dette inkluderer direkte- og MCMC-teknikker for Monte Carlo-simulering, samt EM-algoritmen og bootstrapping. Videre har studenten basiskunnskap om hvordan komplekse statistiske problemer kan formuleres og løses ved hjelp av hierarkiske bayesianske modeller. 2. Ferdigheter. Studenten kan anvende beregningskrevende teknikker, slik som Monte Carlo-simulering, EM-algoritmen og bootstrapping, til å løse enkle anvendte problemer. 3. Generell kompetanse. Studenten er i stand til å gi en faglig muntlig presentasjon.

Læringsformer og aktiviteter

Forelesninger, arbeider (prosjekter) og studentpresentasjoner av utvalgte tema. Obligatoriske aktiviteter og informasjon om dette vil bli gitt i starten av semesteret. Det er en skriftlig avsluttende eksamen.

Obligatoriske aktiviteter

• Arbeider
• Studentpresentasjoner

Anbefalte forkunnskaper

TMA4240/TMA4245 Statistikk eller tilsvarende kunnskaper. Emnet krever en viss grad av modenhet i statistikk og for størst utbytte av emnet anbefales også TMA4265 Stokastiske prosesser og TMA4267 Lineære statistiske modeller.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon