TILS350 Bayes-tilastotiede 2 (5 op)
Osaamistavoitteet
Kurssin suoritettuaan opiskelija osaa rakentaa hierarkkisia tilastollisia Bayes-malleja kompleksisille ongelmille,
osaa k盲ytt盲盲 OpenBUGS-ohjelmistoa data-analyysissa, pystyy suoriutumaan vaativasta posteriorijakauman laskennasta, ymm盲rt盲盲 MCMC-menetelm盲n k盲ytt枚枚n liittyv盲t ongelmat, osaa arvioida Bayes-mallien sopivuutta.
Suoritustavat
Harjoitukset, harjoitusty枚 ja kurssitentti tai kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmasssa.
厂颈蝉盲濒迟枚
Bayes-tilastotiede mahdollistaa ennakkotietojen ja datan yhdist盲misen systemaattisella tavalla. Hierarkkisten Bayes-mallien avulla on mahdollista kuvata monimutkaisiakin ilmi枚it盲. Kurssilla k盲sitell盲盲n bayesial盲ista data-analyysia ja posteriorijakauman estimoinnissa tarvittavia menetelmi盲, erityisesti Markovin ketju Monte Carloa. K盲yt盲nn枚n data-analyysiin sovelletaan R- ja OpenBUGS-ohjelmistoja. Kurssilla k盲sitell盲盲n mallinvalintaa ja mallikritiikki盲 Bayes-n盲k枚kulmasta ja luodaan my枚s katsaus p盲盲t枚ksentekoteoriaan ja regularisointiin.
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
T盲m盲 on syvent盲vien opintojen kurssi, jossa edellytet盲盲n matemaattisen tilastotieteen perusasioiden osaamista, lineaarisen (seka)mallin sek盲 yleistetyn lineaarisen mallin tuntemusta, R-ohjelmointivalmiutta sek盲 erityisesti Bayes-tilastotiede 1 -kurssin asioiden hallintaa.