Gäller för: Läsåret 2013/14
Beslutad av: Utbildningsnämnd B
Beslutsdatum: 2013-04-10
Valfri för: C4, D5, D5-bg, E4, E4-mt, E4-bg, F4, F4-mt, F4-bg, Pi4, Pi4-mrk, Pi4-ssr
Undervisningsspråk: Kursen ges på begäran 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 (MCMC m.m.). Tillämpningar inom klimat, miljöstatistik, fjärranalys och spatial statistik.
Betygsskala: TH
Prestationsbedömning: Projektuppgifter med skriftlig och muntlig redovisning.
Förutsatta förkunskaper: Någon av Markovprocesser, Stationära stokastiska processer eller Bildanalys. Matlabvana.
Begränsat antal platser: Nej
Kursen överlappar följande kurser: FMS150, MAS228, MASM13
Studierektor: Studierektor Anna Lindgren, studierektor@matstat.lu.se
Hemsida: http://www.maths.lth.se/matstat/kurser/fmsn20/
Övrig information: Kursen ges även på naturvetenskaplig fakultet med kurskod MASM25.