Bayes-päättely, kevät 2015

Luennoitsija 

Jukka Ranta

Laajuus

5 op.

Tyyppi ja esitietovaatimukset

Tilastotieteen pääaineopintojen pakollinen (ML-tiedekunnassa, Valt-tiedekunnassa valinnainen) aineopintojen kurssi, joka on tarkoitus suorittaa 2. opiskeluvuotena  Edeltävinä tilastotieteen opintoina edellytetään kurssit (tai näitä kursseja vastaavat tiedot): 57045 Johdatus todennäköisyyslaskentaan, 57046 Johdatus Tilastolliseen päättelyyn, 57703 Data-analyysi R-ohjelmistolla, 57705 Todennäköisyyslaskenta, 57701 Tilastollinen päättely, jonka jälkimmäinen osa rinnakkain tämän Bayes-päättely -kurssin kanssa.

Esitietoina tarvitaan  tuntemus todennäköisyyslaskennan käsitteistä (odotusarvo, varianssi, ehdollinen-, yhteis- ja marginaalijakauma), sekä (ii) todennäköisyyksien laskusääntöjen hallinta ja (iii) yleisimpien parametristen todennäköisyysjakaumien (binomi, Poisson, normaali, jne.) tuntemus diskreeteille ja jatkuva-arvoisille muuttujille, ja (iv) tilastollisen päättelyn periaate uskottavuusfunktion käsitteen osalta, R-ohjelmoinnin perusteet.

Sisältö   

kurssimoniste täydentyy kurssin edetessä. (päivitetty 20.2.).

Tässä pikaopas R:n käyttöön: quick intro to R  (päivitetty 24.1.). Jos R ei ole ennestään tuttu, niin tästä pääsee alkuun.

Luentoajat

Viikot 3-9, ma 16-18 ja to 16-18 salissa D123.

Kokeet

26.2. CK112 klo 16-19.

Kokeessa 5 tehtävää, yhteensä 5*6=30 pistettä + harjoituspisteet = kokonaispisteet. Pisterajat: [15,18)=1, [18,21)=2, [21,25)=3, [25,28)=4, [28,34]=5.

Exam points 5*6 = 30 + exercise points = total.  Grades: [15,18)=1, [18,21)=2, [21,25)=3, [25,28)=4, [28,34]=5.

Kirjallisuus

McGrayne S B: The theorem that would not die. Yale University Press. 2011.

Berger J: The Case for Objective Bayesian Analysis. Bayesian Analysis, 2006, Vol 1, No 3, 385-402. http://projecteuclid.org/euclid.ba

Goldstein M: Subjective Bayesian Analysis: Principles and Practice. Bayesian Analysis, 2006, Vol 1, No 3, 403-420. http://projecteuclid.org/euclid.ba

Christensen R, Johnson W, Branscum A, Hanson E: Bayesian Ideas and Data Analysis. CRC Press. 2011.

Lunn D, Jackson C, Best N, Thomas A, Spiegelhalter D: The BUGS Book. CRC Press. 2013.

Gelman A, Carlin J B, Stern H S, et al: Bayesian data analysis, 2nd (3rd) edition. Chapman & Hall/CRC. 2004. (2014).

Jaynes E T: Probability theory: the logic of science. Cambridge university press. 2003.

Sivia D S: Data Analysis, a Bayesian tutorial, 2nd edition. Oxford University Press. 2006.

Robert C P, Casella G: Monte Carlo Statistical Methods. Springer 1999.

Congdon P: Bayesian Statistical Modelling. John Wiley & Sons, Ltd. 2001.

Congdon P: Applied Bayesian Modelling. John Wiley & Sons, Ltd. 2003.

Bernardo J M, Smith A F M: Bayesian Theory. John Wiley & Sons, Ltd. 2000.

Gelman A: Prior distributions for variance parameters in hierarchical models. Bayesian Analysis, 2006, Vol 1, No 3, pp. 515-533. http://projecteuclid.org/euclid.ba

Ilmoittaudu kurssille

 
Unohditko ilmoittautua? Katso ohjeet täältä!

Laskuharjoitukset 

Alkaen 19.1. Viimeiset 23.2, 25.2. hieman lyhyemmät koska koekin jo samalla viikolla. Osan ajasta viimeisissä harjoituksissa voisi sitten käyttää kertaamalla tai kysymällä aiempia asioita. 

Starting Jan 19th. Last ones Feb 23rd & 25th are bit shorter because exam is on the same week.  Part of the last exercises could then be spend on recap & asking questions about all previous things.

Harjoituksista kertyy lisäpisteitä jotka lasketaan tenttipisteiden päälle. Extra points based on percentage of exercises done are added to exam points.

Aiempien kertojen mukainen lisäpistetaulukko:  [40%,55%)=1, [55%,70%)=2, [70%,85%)=3, [85%,100%]=4. 

Extra points according to previous course: [40%,55%)=1, [55%,70%)=2, [70%,85%)=3, [85%,100%]=4. 

--> exercise1 

--> exercise2

--> exercise3

--> exercise4

--> exercise5.  Model-file and data-file for the doodleBUGS-problem: doodle_daltons.odc, doodle_daltons_data.odc.

--> exercise6.  Model codes are included.