Gäller för: Läsåret 2020/21
Beslutad av: Programledning I
Beslutsdatum: 2020-04-03
Valfri för: BME4, C4, D5-bg, E4-bg, F4, F4-bg, Pi4-ssr, Pi4-biek, Pi4-bam, MMSR2
Undervisningsspråk: Kursen ges på engelska
Kursens syfte är att studenten ska tillägna sig verktyg för att hantera högdimensionella statistiska problem. Kursen innehåller modeller och metoder med praktiska tillämpningar främst inom spatial statistik och bildanalys. Speciellt viktigt är de Bayesianska aspekterna, eftersom de bildar grunden för många moderna spatiala statistiska metoder och bildanalysmetoder. Kursen fokuserar på metoder med tillämpningar inom klimat, miljöstatistik och fjärranalys.
Kunskap och förståelse
För godkänd kurs skall studenten
Färdighet och förmåga
För godkänd kurs skall studenten
Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten
Bayesianska metoder för stokastisk modellering, klassificering och rekonstruktion. Stokastiska fält, Gaussiska fält, Kriging, Markovfält, Gaussiska Markovfält, icke gaussiska observationer. Kovariansfunktioner, multivariata tekniker. Simuleringsmetoder för stokastisk inferens (Gibbs sampling). Tillämpningar inom klimat, miljöstatistik, fjärranalys och spatial statistik.
Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Projektuppgifter med skriftlig och muntlig redovisning. Slutbetyget avgörs av en sammanvägning av resultatet på projektdelarna.
Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.
Delmoment
Kod: 0115. Benämning: Projektdel 1.
Antal högskolepoäng: 2,5. Betygsskala: UG. Prestationsbedömning: Skriftlig projektrapport
Kod: 0215. Benämning: Projektdel 2.
Antal högskolepoäng: 5. Betygsskala: UG. Prestationsbedömning: Skriftlig och muntlig projektredovisning
Förutsatta förkunskaper: Någon av Markovprocesser eller Stationära stokastiska processer. God Matlabvana.
Begränsat antal platser: Nej
Kursen överlappar följande kurser: FMS150, MASM13, MASM25
Studierektor: Johan Lindström, studierektor@matstat.lu.se
Hemsida: http://www.maths.lth.se/matstat/kurser/fmsn20/
Övrig information: Utöver Handbook of Spatial Statistics kan alternativ litteratur, fritt tillgänglig från Lunds universitets bibliotek, föreslås.
Kursen ges även på naturvetenskaplig fakultet med kurskod MASM25.