Tillämpad Bayesiansk dataanalys 7,5 hp FOR035F

Publicerad: 20 december 2018

7.5 hp, september 2019 - januari 2020 i Luleå.
Sista ansökningsdatum: 15 juni 2019

Kursplan FOR035F, Tillämpad Bayesiansk dataanalys
 

Ansvarig institution: TVM

Kurskod på redan befintlig kurs: FOR035F

Kursens namn: Tillämpad Bayesiansk dataanalys

Högskolepoäng: 7,5

Betygsskala: G eller U

Huvudsakligt område: (Vetenskapsteori, Forskningsetik, Forskningsmetodik, Kommunikation, ledarskap)  Forskningsmetodik

Examinator: Jesper Martinsson

E-post till examinator: jesper.martinsson@ltu.se

Kort kursbeskrivning:

Kursen behandlar olika metoder inom Bayesiansk dataanalys som kan användas för att dra slutsatser ur empiriska data i kombination med tidigare erfarenheter och kunskaper (om vi skulle ha tillgång till sådan information).

Vi behandlar och tillämpar dom vanligaste Bayesianska standardmodellerna på olika typer av data, experiment och exempel. Vi tittar på fall med ingen tidigare information, med mycket tidigare information och det hierarkiska fallet där vi låter data informera oss om våra apriorifördelningar.

Kurstillfälle
 

Starttermin: 1

Startdatum: 2019-09-05

Slutdatum: 2020-01-17

Kursort: Luleå

Genomförande

Undervisningen består av föreläsningar och seminarier. Obligatoriska inlämningsuppgifter görs kontinuerligt under kursen. Kursen kräver aktivt deltagande under seminarierna där individuella inlämningsuppgifter presenteras.

Kursen är tillgänglig över videolänk ("webinar"). 

Examinationsform: Kursen kommer att examineras baserat på individuella inlämningsuppgifterna samt närvaro på seminarierna.

- Skriftliga kursuppgifter 5,5 hp

- Muntliga presentationer/kursuppgifter 2 hp

Förkunskapskrav: Statistiska kunskaper motsvarande grundkursen S0001M eller S0008M på teknisk fakultet. Programmeringserfarenhet i t.ex. Julia, Python, MATLAB, R eller liknande.

Mål/Förväntat studieresultat: Efter avslutad kurs ska kursdeltagaren kunna tillämpa Baysianska standardmodeller som kursen behandlar på olika typer av data. Klargöra och tolka resultat som analysen ger samt validera hur bra modellen beskriver data.

1. Kunskap och förståelse

  • Känna till grundläggande Baysianska statistiska begrepp.
  • Känna till och identifiera de vanligaste fallgroparna som är förknippad med beräkningssätt, modeller och metoder som kursen behandlar.

2. Färdighet och förmåga

  • Konstruera Bayesianska statistiska modeller för olika typer av experiment och datatyper.
  • Kunna tillämpa statistiska analysmetoder som kursen behandlar och kontrollera konvergens.
  • Tolka posteriorifördelningen.

3. Värderingsförmåga och förhållningssätt

  • Kunna bedöma när vilken typ av Baysiansk metod är tillämpbar.
  • Beskriva och motivera valet av apriorifördelning.
  • Testa hur bra modellen beskriver data med kända modellvalideringstekniker.

Litteratur: John K. Kruschke (2014). Doing Bayesian Data Analysis: A tutorial with R, JAGS, and Stan. Elsevier Science, 2nd edition.

Ansökan: Anmälan skickas till jesper.martinsson@ltu.se, ange namn, personnummer, mailadress och institution.

Sista ansökningsdatum (190701)