TILS350 Bayes-tilastotiede 2 (5 op)
Kuvaus
Bayes-tilastotiede mahdollistaa ennakkotietojen ja datan yhdistämisen systemaattisella tavalla. Hierarkkisten Bayes-mallien avulla on mahdollista kuvata monimutkaisiakin ilmiöitä. Opintojaksolla käsitellään bayesialäista data-analyysia ja posteriorijakauman estimoinnissa tarvittavia menetelmiä, erityisesti Markovin ketju Monte Carloa. Käytännön data-analyysiin sovelletaan R-ohjelmistoa ja erilaisia Monte Carlo -simulointiohjelmistoja. Opintojaksolla käsitellään mallinvalintaa ja mallikritiikkiä Bayes-näkökulmasta ja luodaan myös katsaus edistyneempiin Bayes-menetelmiin.
Osaamistavoitteet
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.
Lisätietoja
Järjestetään vuosittain, tavallisesti toisessa jaksossa.
Esitietojen kuvaus
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.