732A91 · 6 hp · Avancerad nivå (A1F) · Statistik
Bayesianska metoder
Ges · nästa start VT 2027
62 %
klarade senaste ordinarie tillfället
DAT2 · 4 jun 2025 · 26 studenter
61 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
DAT2 · 112 studenter
Ingår i 1 program
Övrigt moment
DAT2 Tentamen
- A
- B
- C
- D
- E
- F
Ordinarie tillfällen
61 % godkända · 112 studenter
- 62 %26
- 29 %24
- 80 %35
- 63 %27
Senare tillfällen
53 % godkända · 109 studenter
- 54 %13
- 66 %29
- 42 %12
- 20 %15
- 44 %9
- 60 %15
- 78 %9
- 57 %7
- Klarar ett senare tillfälle: 53 % (109 studenter), jämfört med 61 % (112 studenter) på ordinarie
- Får B eller A: 10 % (221 studenter)
Visa små tillfällen (3)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 50 %4
- 50 %4
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Tentamen
TENT Tentamen
- B
- C
- D
- E
- F
Ordinarie tentor
75 % godkända · 16 studenter
- 75 %16
Omtentor
Inga tillfällen med minst 5 studenter.
- Får B: 6 % (16 studenter)
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %2
- 33 %3
Inlämning eller laboration
LAB2 Laboration
- P
Ordinarie tillfällen
100 % godkända · 100 studenter
- 100 %24
- 100 %25
- 100 %31
- 100 %20
Senare tillfällen
100 % godkända · 29 studenter
- 100 %24
- 100 %5
- Klarar ett senare tillfälle: 100 % (29 studenter), jämfört med 100 % (100 studenter) på ordinarie
Visa små tillfällen (8)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %3
- 100 %1
- 100 %1
- 100 %4
- 100 %2
- 100 %1
- 100 %1
- 100 %3
Inlämning eller laboration
LAB1 Laboration
- P
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (1)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
Om kursen
Mål
Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- redogöra för de huvudsakliga skillnaderna mellan Bayesiansk och frekventistisk inferens
- analysera grundläggande statistiska modeller med Bayesiansk inferens och tolka resultat på ett korrekt sätt
- kritiskt analysera och tillämpa Bayesianska modeller för prediktion och beslutsfattande
- implementera avancerade statistiska modeller, inkluderande förekommande i aktuell forskning, genom att använda avancerade simuleringstekniker
- tillämpa Bayesiansk inferens på praktiska problem med hjälp av programmeringsspråk för statistisk dataanalys
Innehåll
I kursen behandlas:
- Subjektiv sannolikhet
- Bayes sats
- Likelihood
- apriori och aposteriori fördelningar
- Regulariseringsprior
- Klassificering
- Marginalisering
- Aposteriori approximation
- Bayesiansk analys av följande modeller: Bernoulli, Normal, Poisson, Multinomial, Multivariat normal; Linjär och icke-linjär regression, Regression för kategoriska data
- Prediktion
- Beslutsteori
- Markov Chain Monte Carlo, inklusive Gibbs sampling
- Mixture modeller
- Bayesiansk variabelselektion
- Modellval
- Examinator
- Bertil Wegmann
- Huvudområde
- Statistik