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