Datorintensiva statistiska metoder

Mål

Efter avslutad kurs ska den studerande på en avancerad nivå kunna:

• redogöra för hur datoraritmetik påverkar statistiska beräkningar
• utveckla datorimplementationer av standardmetoder för simulering från komplexa statistiska fördelningar
• utveckla datorimplementationer av vanliga metoder för deterministisk och stokastisk optimering inom statistik och maskininlärning
• använda lämpliga datorintensiva osäkerhetskattningsmetoder för givna problem och implementera motsvarande algoritmer i programmeringsspråk
• tolka resultat av olika simulerings- och skattningsmetoder
• planera och genomföra skriftliga arbeten inom givna tidsramar

Innehåll

I kursen behandlas:

• effekt av datoraritmetik på statistiska beräkningar
• grundläggande metoder för slumptalsgenerering som inkluderar inverse cumulative distribution function (CDF) metod och acceptance/rejection metod
• Monte Carlo metoder för simulering och inferens som inkluderar bootstrap and jackknife
• Markov Chain Monte Carlo (MCMC) simuleringar som inkluderar Metropolis-Hastings och Gibbs algoritmer
• optimering utan bivillkor (deterministiska och stokastiska metoder)