MS2506 - Bayesiansk statistik - Blekinge Tekniska Högskola

1. Beslut

Denna kurs är inrättad av dekan 2023-05-15. Kursplanen är fastställd av prefekten vid institutionen för matematik och naturvetenskap 2025-03-05 och gäller från 2025-03-05.

2. Förkunskapskrav

För tillträde till kursen krävs 5 avklarade hp i matematisk statistik. Engelska 6.

3. Syfte och innehåll

3.1 Syfte

Denna kurs syftar till att ge studenter teoretisk och praktisk kunskap i Bayesiansk statistik (eller Bayesiansk inferens). Denna gren av statistiken utgör grunden för att kombinera insamlade data med andra informationskällor för att dra heltäckande slutsatser inom olika tillämpningar av signalbehandling. Kursen ger en stark grund för vidare studier inom avancerade ämnen som artificiell intelligens, maskininlärning och analys av tidsberoende system.

3.2 Innehåll

Bayes sats
Markov Chain Monte Carlo (MCMC)
Gibbs sampler
Känslighetsanalys av priorfördelningar och modellutvärdering
Prior- och posteriorfördelningar
Beslutsteoretiska principer
Bayesiansk skattning och modellvalidering
Bayesianska nätverk

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

visa en solid förståelse för grundläggande Bayesiska metoder och deras praktiska tillämpningar inom dataanalys.
proaktivt identifiera områden där ytterligare kunskap eller färdigheter krävs och ta initiativ för att skaffa dem.

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

analysera och syntetisera komplexa statistiska datamängder, få insikter och identifiera mönster för ett informerat beslutsfattande.

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

visa förmåga att dra slutsatser från statistiskt material.
visa förmåga att identifiera situationer där Bayesiansk statistik är ett lämpligt tillvägagångssätt för problemlösning.
kritiskt granska andras val av statistiska metoder och giltigheten av de slutsatser som dras.
planera och genomföra experiment där Bayesiansk statistik kan tillämpas.

5. Läraktiviteter

Kursen ges genom föreläsningar och övningar. Undervisningen sker vanligtvis på engelska, men undervisning på svenska kan erbjudas om kursledaren anser det nödvändigt.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2510	Salstentamen [1]	4 hp	AF
2520	Projekt	2 hp	GU

[1] Bestämmer kursens slutbetyg vilket utfärdas först när samtliga moment godkänts.

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, FX Underkänd, något mer arbete krävs, F Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Andrew Gelman, John B Carlin, Hal S Stern, David B Dunson, Aki Vehtari (2013) Bayesian Data Analysis, Third edition, Chapman & Hall/CRC (ISBN: 9781439840955)

Detta är inte ett juridiskt dokument. Vill du ha en kopia av det juridiska beslutet kring denna kursplan kontakta registrator vid Blekinge Tekniska Högskola.