Sök i kursutbudet

Använda sökfunktionen för att hitta i Chalmers utbildningsutbud, både vad gäller kurser och program. När det finns en kurshemsida visas en hus-symbol som leder till denna sida.
Sök program och utbildningsplaner


Institutionernas kurser för doktorander

Kursplan för

Läsår
MVE550 - Stokastiska processer och Bayesiansk inferens  
Stochastic processes and Bayesian inference
 
Kursplanen fastställd 2018-02-06 av programansvarig (eller motsvarande)
Ägare: MPENM
7,5 Högskolepoäng
Betygskala: TH - Fem, Fyra, Tre, Underkänd
Utbildningsnivå: Avancerad nivå
Huvudområde: Matematik
Institution: 11 - MATEMATISKA VETENSKAPER


Undervisningsspråk: Engelska
Sökbar för utbytesstudenter: Ja

Kursmoment   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs Ej Lp
0118 Tentamen 6,0hp Betygskala: TH   6,0hp   16 Jan 2019 fm M   24 Apr 2019 em J,  19 Aug 2019 em J
0218 Inlämningsuppgift 1,5hp Betygskala: UG   1,5hp    

I program

TKTFY TEKNISK FYSIK, CIVILINGENJÖR, Årskurs 3 (valbar)
TKTEM TEKNISK MATEMATIK, CIVILINGENJÖR, Årskurs 2 (obligatorisk)

Examinator:

Petter Mostad


  Gå till kurshemsida

 

Behörighet:


För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

En grundkurs i matematisk statistik

Syfte

Genom att bygga på fundamentet från en första grundkurs i matematisk statistik skall kursen ge kunskaper om ett större utbud av sannolikhetsteoretiska modeller, speciellt stokastiska processer, och större kunskaper om Bayesiansk inferens, generellt och i sammanhang med dessa modeller. Tillsammans skall dessa kunskaper ge ett solid fundament för båda praktisk tillämpning av och prediktion med stokastiska processer i sammanhang med dataanalys, och för vidare studier inom statistik och sannolikhetsteori.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter fullgjord kurs skall studenten kunna använda vissa grundläggande
stokastiska processer som modeller för reella fenomen samt anpassa
modellerna med observerade data. Studenten skall kunna göra prediktioner
med dessa modeller, både genom beräkningar baserad på deras teoretiska
egenskaper och genom datorbaserad simulering. Studenten skall kunna göra
datorbaserad inferens med MCMC för vissa enkla modeller, och generellt
kunna förstå och tillämpa det Bayesianska paradigmet för inferens.      

Innehåll

Introduktion till stokastiska processer. Markovkedjor i diskret tid och deras
grundläggande egenskaper. Förgreningsprocesser. Introduktion till R.
Grundläggande principer för Bayesiansk inferens, med diskretisering och
konjugerade apriorifördelningar. Dolda Markovmodeller (HMM) och inferens
för HMM. Monte Carlo integrering och Markov chain Monte Carlo (MCMC)
simulering. Poisson-processer och inferens för Poisson-processer.
Introduktion till tidskontinuerliga Markovkedjor.

Organisation

Föreläsningar och räkneövningar. Obligatoriska inlämningsuppgifter.

Litteratur

Dobrow: Introduction to Stochastic Processes with R. (Finns på Chalmers som e-bok). Wiley 2016.


Insua, Ruggeri, Wiper: Bayesian Analysis of Stochastic Process Models (Referensliteratur. Finns på Chalmers som e-bok). Wiley, 2012.


Föreläsningsanteckningar.

Examination inklusive obligatoriska moment

Skriftlig tentamen. Obligatoriska inlämningsuppgifter.


Publicerad: to 02 sep 2010. Ändrad: må 16 jul 2018