Skip to content. | Skip to navigation

Jyväskylän yliopiston Koppa

HUOM! Kopan käyttö päättyy 31.7.2024! Lue lisää.


Navigation

TILS110: Bayes-tilastotiede

by dagasbar — last modified Jan 13, 2011 09:12 PM
Bayes-menetelmää käytetään paitsi tilastollisessa data-analyysissa myös mm. kuva-analyysissa, neurolaskennassa (Bayes-verkot), bioinformatiikassa, päätöksentekoteoriassa sekä käänteisongelmien ratkaisuissa. Lähestymistapa perustuu posterioritodennäköisyyksien laskemiseen, jossa otetaan huomioon sekä ennakkotieto että havaintoaineiston informaatio. Kurssilla perehdytään myös MCMC-menetelmän käyttöön posteriorin laskennassa WinBUGS-ohjelmalla. Kurssin alkuosassa laskennassa käytetään 1st bayes –ohjelmaa. Kurssin sisältö OSA I 1. Johdanto 2. Todennäköisyys epävarmuuden mittana 3. Malli 4. Priori, posteriori ja prediktiiviset jakaumat 5. Yksiparametrisia malleja 6. Hypoteesintestaus 7. Joitakin yleisiä periaatteita OSA II 8. Johdatus moniparametrisiin malleihin 9. Posteriorin approksimointi 10. Posteriorijakauman simulointi-MCMC 11. Hierarkkiset Bayes-mallit 12. Mallikritiikki Bayes-tilastotieteessä 13. Puuttuvan tiedon käsittely 14. Esimerkkejä hierarkkisten mallien soveltamisesta 15. Bayesiläinen päätöksentekoteoria 16. Empiirinen bayes -menetelmä