[Forside] [Hovedområder] [Perioder] [Udannelser] [Alle kurser på en side]
Markov chain Monte Carlo (MCMC) simulation er blevet et centralt værktøj inden for statistisk analyse siden 1980erne, især i Bayesianisk inferens, da den muliggør at behandle fordelinger uden at kende normaliseringskonstanten. I løbet af kurset studeres forskellige MCMC metoder, og der gennemføres praktiske øvelser.
Vi begynder med den klassiske Metropolis-Hastings algoritme og med Gibbs sampleren og deres statistiske egenskaber. Herefter diskuteres praktiske problemstillinger som hvordan der konstateres konvergens, og
forbedringer som importance sampling og simulated annealing. Konkrete anvendelser studeres, fx inden for Bayesianisk inferens og billedanalyse. Kurset afsluttes med en diskussion af nyere udviklinger som perfekt simulering og metoder til reduktion af varians.
Statistisk inferens for Markovkæder.
Ute Hahn.
4-5 timers undervisning pr. uge inkl. øvelser (efter aftale).
Engelsk.
C.P. Robert, G. Casella: Monte Carlo Statistical Methods, 2nd edn., Springer, New York, 2004.
Institut for Matematiske Fag.
På selvbetjeningen https://mit.au.dk fra den 1. til den 15. november 2010.
Ved kursets afslutning forventes den studerende inden for kursets emneområde at kunne:
Kurset evalueres efter 7-trinsskalaen med intern censur. Den mundtlige eksamen varer ca. 30 minutter efter en forberedelse af 30 minutters varighed.