Sök i programutbudet

Använd sökfunktionen för att leta efter kurser och program i Chalmers utbildningsutbud. Den programplan och utbildningsplan som avser dina studier är i allmänhet från det läsår du började dina studier.

​​​​​​​​​​​​​

Kursplan för

Läsår
MVE550 - Stokastiska processer och Bayesiansk inferens  
Stochastic processes and Bayesian inference
 
Kursplanen fastställd 2019-02-22 av programansvarig (eller motsvarande)
Ägare: MPENM
7,5 Högskolepoäng
Betygskala: TH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd
Utbildningsnivå: Avancerad nivå
Huvudområde: Matematik
Institution: 11 - MATEMATISKA VETENSKAPER


Kurstillfälle 1


Undervisningsspråk: Engelska
Anmälningskod/tillfälleskod: 20132
Sökbar för utbytesstudenter: Ja
Blockschema: B

Modul   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs Ej Lp
0118 Tentamen 6,0hp Betygskala: TH   6,0hp   09 Jan 2021 fm J   09 Apr 2021 fm J,  23 Aug 2021 fm J  
0218 Inlämningsuppgift 1,5hp Betygskala: UG   1,5hp    

I program

MPDSC DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 1 (obligatorisk)
TKITE INFORMATIONSTEKNIK, CIVILINGENJÖR, Årskurs 3 (valbar)
TKTFY TEKNISK FYSIK, CIVILINGENJÖR, Årskurs 3 (valbar)
TKTEM TEKNISK MATEMATIK, CIVILINGENJÖR, Årskurs 2 (obligatorisk)

Examinator:

Petter Mostad

  Gå till kurshemsida


Kurstillfälle 2

 
Undervisningsspråk: Engelska
Anmälningskod/tillfälleskod: 99234
Sökbar för utbytesstudenter: Nej
Max antal deltagare: 20
Endast studenter med kurstillfället i programplan

Modul   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs Ej Lp
0118 Tentamen 6,0hp Betygskala: TH   6,0hp    
0218 Inlämningsuppgift 1,5hp Betygskala: UG   1,5hp    

Examinator:

Petter Mostad


  Gå till kurshemsida


Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Engelska 6
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

Markovkedjor i diskret tid. Förgreningsprocesser. Grundläggande principer för Bayesiansk inferens, med diskretisering och
konjugerade apriorifördelningar. Dolda Markovmodeller (HMM). Monte Carlo integrering och Markov chain Monte Carlo (MCMC)
simulering. Poisson-processer. Tidskontinuerliga Markovkedjor. Introduktion till Brownska rörelser.

Organisation

Föreläsningar och räkneövningar. Obligatoriska inlämningsuppgifter.

Litteratur

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

Föreläsningsanteckningar.

Examination inklusive obligatoriska moment

Skriftlig tentamen. Obligatoriska inlämningsuppgifter.


Sidansvarig Publicerad: on 24 jan 2018.