TILA350 Bayes-tilastotiede 1 (5 op)
Osaamistavoitteet
Kurssin suorittanut
鈥� ymm盲rt盲盲 bayesilaisen l盲hestymistavan perusperiaatteet
鈥� osaa k盲ytt盲盲 Bayesin kaavaa
鈥� osaa m盲盲ritt盲盲 priorijakauman
鈥� osaa tehd盲 tulkintoja posteriorijakauman perusteella
鈥� tuntee konjugaattipriorit yleisesti k盲ytetyille jakaumille
鈥� ymm盲rt盲盲 simuloinnin merkityksen Bayes-tilastotieteess盲
鈥� tiet盲盲 perusasiat hierarkkisista malleista ja mallikritiikist盲
Suoritustavat
Harjoitukset, harjoitusty枚 ja kurssitentti tai kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmasssa.
厂颈蝉盲濒迟枚
Kurssi k盲sittelee Bayes-tilastotieteen perusteita: todenn盲k枚isyys ep盲varmuuden mittana, priori- posteriori- ja prediktiiviset jakaumat, yksiparametriset mallit, Jeffrey's ep盲informatiivinen priori, hypoteesin testaus, moniparametrisia malleja esimerkinomaisesti sek盲 aineistojen analysointeja.
Oppimateriaalit
Gelman, Carlin, Stern, Rubin (2004). Bayesian Data Analysis. Chapman & Hall/CRC. Ks. lis盲盲 kirjallisuutta luentomonisteen lopusta.
Arviointiperusteet
Arviointiin vaikuttavat menestys kurssitentiss盲 ja mahdollisesti aktiivisuus harjoitusteht盲vien tms. tekemisess盲 sek盲 harjoitusty枚st盲 suoriutuminen.
Kurssin lopputentiss盲 hyv盲ksyttyyn suoritukseen vaaditaan yleens盲 v盲hint盲盲n puolet tentin maksimipisteist盲.
Opetusohjelmassa on tarkemmat arviointiperusteet.
Esitietovaatimukset
Todenn盲k枚isyyslaskenta 1 ja 2, Stokastiikan perusteet, R-kurssi