TILS350 Bayes Statistics 2 (5 cr)
Description
Bayesian statistics enables prior information and data to be combined in a systematic way. With the help of hierarchical Bayesian models, it is possible to describe very complex phenomena. The course covers Bayesian data analysis and the methods needed to estimate the posterior distribution, especially Markov chain Monte Carlo. R software and various Monte Carlo simulation software are applied to the practical data analysis. The course discusses model selection and model criticism from a Bayesian perspective and also provides an overview of more advanced Bayesian methods.
Learning outcomes
Opintojakson suoritettuaan opiskelija osaa rakentaa hierarkkisia tilastollisia Bayes-malleja kompleksisille ongelmille, osaa käyttää mallinnukseen käytettäviä ohjelmistoja data-analyysissa, pystyy suoriutumaan vaativasta posteriorijakauman laskennasta, ymmärtää MCMC-menetelmien käyttöön liittyvät ongelmat, osaa arvioida Bayes-mallien sopivuutta.
Additional information
Järjestetään vuosittain, tavallisesti toisessa jaksossa.
Description of prerequisites
Tämä on syventävien opintojen opintojakso, jossa edellytetään matemaattisen tilastotieteen perusasioiden osaamista, lineaarisen (seka)mallin sekä yleistetyn lineaarisen mallin tuntemusta, R-ohjelmointivalmiutta sekä erityisesti Bayes-tilastotiede 1 -kurssin asioiden hallintaa.