Gäller för: Läsåret 2013/14
Beslutad av: Utbildningsnämnd B
Beslutsdatum: 2013-04-10
Valfri för: D4, F4, F4-bm, F4-fm, I4, I4-fir, Pi4, Pi4-bs, Pi4-bm, Pi4-fm, Pi4-mrk
Undervisningsspråk: Kursen ges på begäran på engelska
Kursens syfte är att ge studenten verktyg och kunskap för att hantera komplicerade statistiska problem och modeller. Kursens mål är att studenten skall tillgodogöra sig moderna datorintensiva statistiska metoder och använda dessa för att skatta storheter och parametrar i de komplicerade modeller som uppträder inom olika tillämpningsområden (t.ex. ekonomi, signalbehandling, biologi, klimat och miljöstatistik). Vidare skall studenten kunna bedöma osäkerheten hos dessa skattningar. Kursen syftar främst till att utöka den mängd statistiska problem som kan lösas av studenten.
Kunskap och förståelse
För godkänd kurs skall studenten
Färdighet och förmåga
För godkänd kurs skall studenten
Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten
Simuleringsbaserade metoder för integration och statistisk analys. Monte Carlo-metoder för sekventiella problem. Markovkedjemetoder, t.ex. Gibbsamplig och Metropolis-Hastings-algoritmen, för simulering och inferens. Bayesiansk modellering och inferens. Återsamplingsprincipen, både ickeparametrisk och parametrisk. Metoder för konstruktion av konfidensintervall med hjälp av återsampling. Simuleringsbaserade test som alternativ till asymptotiska parametriska tester.
Betygsskala: TH
Prestationsbedömning: Skriftlig och muntlig redovisning av projekt.
Förutsatta förkunskaper: Minst en av Stationära stokastiska processer eller Markovprocesser. Programmeringsvana.
Begränsat antal platser: Nej
Kursen överlappar följande kurser: MAS221, MASM11
Studierektor: Studierektor Anna Lindgren, studierektor@matstat.lu.se
Hemsida: http://www.maths.lth.se/matstat/kurser/fms091/
Övrig information: Kursen ges även vid naturvetenskaplig fakultet med koden MASM11.