Opis predmeta
Bayesovi modeli z enim in več parametri. Povezava s standardnimi statističnimi metodami. Hierarhični modeli. Preverjanje modelov in analiza občutljivosti. Bayesovo načrtovanje poskusov.
Uvod v regresijsko analizo. Analiza variance in kovariance. Preizkušanje domnev z Bayesovimi faktorji, kompleksnost in prileganje. Aposteriorne verjetnosti domnev – modelov, vpliv apriorne porazdelitve, učni vzorec.
Povzemanje aposteriorne porazdelitve, ocene parametrov, centralni kredibilnostni interval, pomen konjugiranih porazdelitev. Gibbsov vzorčevalnik, konvergenca ocen, Metropolis-Hastingov algoritem. Aposteriorne simulacije. Drugi specifični modeli Bayesove analize.
Predmet učimo na programih
Cilji in kompetence
Študent spozna temeljne Bayesove metode za obdelavo podatkov. Spozna se tudi z uporabo teh metod v praksi.
Metode poučevanja in učenja
Predavanja, vaje, seminarske naloge, praktične naloge z uporabo statističnih paketov, konzultacije
Del pedagoškega procesa bo izveden s pomočjo IKT tehnologij in možnosti, ki jih ponujajo.
Predvideni študijski rezultati
Razumevanje osnovnih konceptov Bayesove statistike.
Temeljni viri in literatura
- A. Gelman, J.B.Carlin, H.S. Stern, D.B. Rubin: Bayesian Data Analysis. Chapman&Hall, 1995.
- H. Hoijtink: Bayesian Data Analysis. In: R.E. Millsap and A. Maydeu-Olivares, The SAGE Handbook of Quantitative Methods in Psychology. London: SAGE, 2009.
- I. Ntzoufras: Bayesian Modeling Using WinBUGS. New York: Wiley, 2009.
- P. Hoff: A First Course in Bayesian Statistical Methods, Springer Texts in Statistics, Springer, 2009.
Bodi na tekočem
Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana