Engelska

Varje hösttermin

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.

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 (Gibbs sampling). Tillämpningar inom klimat, miljöstatistik, fjärranalys och spatial statistik.

förklara och använda begreppet statistisk modell, speciellt utifrån ett Bayesianskt perspektiv.
beskriva principer för Bayesiansk modellering och inferens.
identifiera och beskriva stokastiska modeller och analysmetoder för högdimensionella problem, speciellt inom spatial statistik och bildanalys.

självständigt föreslå och analysera stokastiska modeller för högdimensionella data, speciellt inom spatial statistik och bildanalys.
självständigt implementera ett datorprogram för lösning av ett givet statistiskt problem med tillhörande analysmetod.
redovisa motiveringar, tillvägagångssätt och slutsatser vid lösning av en given statistisk problemställning, både skriftligt och muntligt.

identifiera och problematisera möjligheter och begränsningar vid statistisk modellering och slutledning, speciellt i högdimensionella problem.
kunna anlägga ett stokastiskt synsätt på slumpmässig variation i naturliga fenomen.

Föreläsningar

Laborationer

Projekt

Skriftlig rapport

Seminarieföredrag av deltagarna

Underkänd, godkänd

Någon av FMSF15 Markovprocesser eller FMSF10 Stationära stokastiska processer. God Matlabvana.

Gelfand, A., Diggle, P. & Guttorp, P.: Handbook of Spatial Statistics. CRC Press Inc, 2010.

FMSN20F

2020-05-19

Professor Thomas Johansson