Kort om emnet

Statistisk analyse inneb?rer ? f?rst sette opp en modell for data gitt visse ukjente parametre. Bayesiansk analyse g?r videre ved ? gi disse parametrene prior-fordelinger og deretter utlede og bruke relevante aspekter ved den resulterende posterior-fordelingen. Ikke-parametrisk Bayesiansk analyse er den utvidede grenen av slik modellering og analyse der parameteren til modellen er av veldig h?y eller uendelig dimensjon, som n?r man modellerer en ukjent tetthet, regresjon eller link-funksjon. Dette krever mer komplekse matematiske og beregningsmessige metoder enn for det klassiske tilfellet der parameteren er av lav dimensjon. Det er koblinger til og implikasjoner for maskinl?ring.

Hva l?rer du?

Etter ? ha fullf?rt emnet vil du ha l?rt noen av de mer fremtredende ikke-parametriske prior-konstruksjonene og p?f?lgende posterior-beregninger:

  • Dirichlet-prosessen;
  • Beta-prosessen;
  • Gaussiske prosesser;
  • st?rre hierarkiske modeller;
  • anvendelser med reelle data. 

Opptak og adgangsregulering

Studenter m? hvert semester s?ke og f? plass p? undervisningen og melde seg til eksamen i Studentweb.

Dersom du ikke allerede har studieplass ved UiO, kan du s?ke opptak til v?re studieprogrammer, eller s?ke om ? bli enkeltemnestudent.

Overlappende emner

10 studiepoeng overlapp mot STK9190 – Bayesian nonparametrics

Undervisning

3 timer forelesning/regne?velse hver uke hele semesteret

Eksamen

Avhengig av antall studenter kan eksamen v?re p? en av de f?lgende fire formene:

1. Bare skriftlig eksamen

2. Bare muntlig eksamen

3. Pros