lu.se

Forskar­utbildnings­kurser

Lunds tekniska högskola | Lunds universitet

Detaljer för kursplan för kurs FMS092F giltig från och med VT 2014

Utskriftsvänlig visning

Allmänt
  • Engelska
  • Varje vårtermin
Syfte
  • Kursens mål är att doktoranden skall tillgodogöra sig moderna datorintensiva statistiska metoder och använda dessa för att skatta storheter och parametrar i de komplicerade modeller som uppträder inom olika tillämpningsområden (t.ex. ekonomi, signalbehandling, biologi, klimat och miljöstatistik). Kursens syfte är att ge doktoranden verktyg och kunskap för att hantera komplicerade statistiska problem och modeller för att sedan kunna använda dessa i sin egen forskning. Vidare skall doktoranden kunna bedöma osäkerheten hos dessa skattningar. Kursen syftar främst till att utöka den mängd statistiska problem som kan lösas av doktoranden.
Innehåll
  • Simuleringsbaserade metoder för integration och statistisk analys. Monte Carlo-metoder för sekventiella problem. Markovkedjemetoder, t.ex. Gibbs-sampling och Metropolis-Hastings-algoritmen, för simulering och inferens. Bayesiansk modellering och inferens. Återsamplingsprincipen, både ickeparametrisk och parametrisk. Metoder för konstruktion av konfidensintervall med hjälp av återsampling. Simuleringsbaserade test som alternativ till asymptotiska parametriska tester.
Kunskap och förståelse
  • För godkänd kurs skall doktoranden
  • Kunna beskriva grundläggande principer för Monte Carlo-integration och generering av slumpvariabler.
    Kunna förklara och använda begreppet statistisk osäkerhet utifrån ett frekventistiskt såväl som ett Bayesianskt perspektiv.
    Kunna beskriva grundläggande principer för parametrisk och ickeparametrisk återsampling.
Färdighet och förmåga
  • För godkänd kurs skall doktoranden
  • Givet en statistisk modell och frågeställning, kunna välja relevanta storheter på ett sätt som möjliggör approximation med hjälp av Monte Carlo-metoder.
    Givet en (ev. multivariat) sannolikhetsfördelning, kunna föreslå och i ett datorprogram implementera en metod för att generera slumpvariabler från densamma.
    Givet ett stort antal genererade slumpvariabler från en sannolikhetsfördelning, kunna approximera relevanta sannolikheter och väntevärden samt uppskatta osäkerheten i de approximerade storheterna.
    Givet en modellbeskrivning och en statistisk frågeställning, kunna föreslå ett enkelt permutationstest och implementera det i ett datorprogram.
    Givet en modellbeskrivning och en statistisk frågeställning, kunna föreslå en återsampling och implementera den i ett datorprogram.
    Kunna redovisa tillvägagångssätt och slutsatser vid lösning av en given statistisk problemställning.
Värderingsförmåga och förhållningssätt
  • För godkänd kurs skall doktoranden
  • Kunna identifiera och problematisera möjligheter och begränsningar vid statistisk slutledning.
Undervisningsformer
  • Föreläsningar
  • Laborationer
  • Projekt
Examinationsformer
  • Skriftlig rapport
  • Muntlig projektredovisning
  • Underkänd, godkänd
Förkunskapskrav
Förutsatta förkunskaper
Urvalskriterier
Litteratur
  • Sköld, M.: Computer Intensive Statistical Methods.
Övrig information
Kurskod
  • FMS092F
Administrativ information
  •  -01-13
  • FN1/Anders Gustafsson

Alla publicerade kurstillfällen för kursplanen

7 kurstillfällen.

Kurskod ▽ Kursnamn ▽ Avdelning ▽ Inrättad ▽ Kursplan giltig från ▽ Startdatum ▽ Slutdatum ▽ Publicerad ▽
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2014‑01‑28 Vårterminen 2014 2014‑01‑21 2014‑03‑21 2014‑01‑28
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2014‑11‑13 Vårterminen 2014 2015‑01‑20 2015‑03‑21 2014‑11‑13
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2017‑12‑20 Vårterminen 2014 2018‑01‑15 2018‑03‑10 2017‑12‑20
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2018‑10‑18 Vårterminen 2014 2019‑01‑21 2019‑03‑10 2018‑10‑18
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2019‑12‑06 Vårterminen 2014 2020‑01‑21 2020‑03‑18 2019‑12‑06
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2020‑11‑30 Vårterminen 2014 2021‑01‑18 2021‑03‑20 2020‑11‑30
FMS092F Monte Carlo-baserade statistiska metoder Matematisk statistik (LTH) 2022‑01‑19 Vårterminen 2014 2022‑01‑18 2022‑03‑22 2022‑01‑19

Utskriftsvänlig visning