Bayesianska metoder, 7,5 hp

Om kursen

Till skillnad från den "klassiska" statistiken så betraktas i Bayesiansk analys parametrar, som inte kan observeras direkt, som stokastiska variabler medan data, som faktiskt har observerats, betraktas som fixa. Bayesiansk analys består av praktiska metoder för att dra slutsatser från data med utgångspunkt från sannolikhetsmodeller både för de storheter som vi observerar och för de storheter som vi vill uttala oss om. Man kan dela upp analysen i tre steg: 1) formulera en fullständig sannolikhetsmodell för parametrar och observationer, 2) beräkna en à posteriorifördelning, dvs en fördelning för de icke observerade storheterna (parametrarna) givet de observerade data, 3) utvärdera modellen och dra lämpliga slutsatser med hjälp av à posteriorifördelningen. Under den senaste 20-årsperioden har intresset att tillämpa Bayesianska metoder inom biostatistiken vuxit sig allt starkare. Orsaken är att många tycker att Bayesianska idéer är filosofiskt tilltalande och att modern datorteknik har gjort det möjligt att genomföra de oftast omfattande numeriska beräkningar som är nödvändiga. Bayesianska analysmodeller har utvecklats och tillämpats inom ett stort antal biostatistiska specialområden som biokinetik, analys av crossover-försök, bioekvivalensstudier, pharmakokinetik, toxikologi och longitudinella studier. Syftet med kursen är att definiera och studera fundamentala begrepp i Bayesianskt modellbyggande, inferens och numerisk beräkning, bland annat med så kallade MCMC-metoder (Markov Chain Monte Carlo).

Vet du vad du vill läsa?

Sök bland kurser och program

Vad finns att läsa på SU?

Alla våra ämnen