Stockholms universitet logo, länk till startsida
Go to this page on our english site

Bayesiansk statistik I

I den här kursen får du en introduktion till Bayesiansk analys, med fokus på förståelsen av grundläggande begrepp och metoder och enklare problem som studeras i detalj. Du får också på ett mer översiktligt plan lära dig att analysera mer komplicerade och realistiska problem.

För dig som är antagen VT2021

Grattis! Du har blivit antagen till den utbildning du sökt på Stockholms universitet och vi hoppas att du kommer att trivas med dina studier hos oss.

På den här sidan listar vi vad du behöver göra och känna till innan du börjar dina studier.

Följ de instruktioner du fått för att acceptera din plats. 

Mer information på antagning.se

 

Checklista för antagna studenter

  1. Aktivera ditt SU-konto

    Första steget för att kunna registrera dig och få tillgång till universitetets alla IT-tjänster.

  2. Registrera dig på din institution

    Registrering kan ske på olika sätt. Läs noga informationen från din institution nedan.

  3. Ta del av institutionens information

    På den här sidan hittar du det du behöver veta inför starten på din kurs eller ditt program.

Notera

Din plats kan tas tillbaka om du inte registrerar dig och deltar vid eventuellt upprop enligt anvisningarna från institutionen.

Information från institutionen - kurser

Blivande student vid Statistiska institutionen? Här har vi samlat information till dig som sökt kurser hos oss till våren 2021.

Tacka JA!

Den 10 december publiceras antagningsbeskedet för urval 1. Är du antagen, antagen med villkor, eller reserv på någon av våra kurser? Vad kul! Då kanske du kommer att vara student hos oss i höst! Glöm inte att tacka JA till din plats, även om du är reserv. Om du glömmer att tacka JA förlorar du din plats. Sista svarsdag är den 16 december.

Behörig eller obehörig?

Om du undrar kring ditt antagningsbesked så kan du kontakta vår studievägledare.

Om du är antagen med villkor ska du höra av dig till vår studentexpedition under registreringsperioden, ifall du kommer att uppnå din behörighet innan terminsstart och vill behålla din plats.

Gäller villkoret grundläggande behörighet, måste du hålla reda på sista kompletteringsdatum på antagning.se

Antagen eller reserv?

Är du reservplacerad så kommer vi att höra av oss via mejl enligt turordning om en studieplats kan erbjudas. Vi har inga reservupprop. Vi hör av oss på den mejladress som du har angivit på antagning.se. Reservantagningen pågår 11-17 januari. Som reserv måste du svara på mejlet och tacka ja till ditt erbjudande om plats inom angiven tid för att platsen inte ska gå vidare till nästa reserv.

Webbregistrera dig för att behålla din plats

Webbregistrering inför vårterminen 2021 är öppen 28 december - 10 januari. Du måste webbregistrera dig för att behålla din plats – har du inte gjort det senast den 10 januari förlorar du din plats!

Webbregistreringen gör du via Ladok för studenter. För att kunna registrera dig behöver du ha ett universitetskonto. Kontot kan du själv aktivera via www.su.se/aktivera.

Hör av dig senast 10 januari till vår studentexpedition om du är antagen med villkor.

Information om våra kurser

Schema, kursbeskrivning, litteraturlista samt övrig kursinformation kommer att finnas på kurshemsidan för din kurs.

Övrig löpande information om varje kurs hittar du på Athena. Du kan se din kursflik på Athena när du har webbregistrerat dig.

Har du sökt Statistik I, Statistik II eller Statistik III så registrerar du dig endast på delkurserna, och hittar kursinformation på delkursernas kurshemsidor:

  • Statistik I * Statistikens grunder (dagtid) och * Regressionsanalys och undersökningsmetodik
  • Statistik II * Statistisk teori med tillämpningar och * Ekonometri
  • Statistik III * Självständigt arbete, * Analys av överlevnadsdata med demografisk tillämpning och * Multivariata metoder

Distansundervisning under hela vårterminen 2021

Här kan du läsa vad som gäller för din kurs, undervisning och tentor.

Gruppindelning

Om din kurs har gruppundervisning så framgår det av kursens schema. Gruppindelning sker i Athena, den 28-17 januari.

Allmän information om dina studier

Följ oss på Facebook!

Här hittar du svaren på många vanliga frågor om dina statistikstudier!

Information kring terminsstarten vid Stockholms universitet

Studenthandboken

Välkomstaktiviteter

Information till studenter och medarbetare om Covid 19

Statistiska institutionens webbplats

Välkomstaktiviteter

Vid terminsstart arrangeras ett antal välkomstaktiviteter för dig som är ny student. En av dessa är Välkomstdagen på Campus Frescati som bjuder på ett seminarium med viktig information och praktiska tips inför din studietid. Välkomstdagen arrangeras för alla nya studenter, oavsett ämne, kurs eller program. För dig som är ny student vid Institutionen för data- och systemvetenskap, DSV, arrangeras en motsvarade välkomstdag på Campus Kista. 

Information som rör din utbildning får du via din kurs-/programgivande institution.

su.se/valkomstaktiviteter


Hitta hit

Stockholms universitet sträcker sig över en stor yta. Läs om vilka campus som finns och var du hittar din institution, alla undervisningslokaler, lunchställen, bibliotek, läsplatser, mm.

Hitta på campus


Läs mer

Ny student

Under utbildningen

Studenthandboken

Kårer och föreningar

After taking this course, you will understand the difference between various interpretations of probability and be able to formulate a statistical problem on the basis of a Bayesian perspective. You will both learn to solve standard statistical problems using Bayesian methods and to solve statistical problems using simulation-based computational methods, such as the Markov Chain Monte Carlo (MCMC), which are often used in Bayesian inference.

In Bayesian inference, parameters are considered to be random variables and any previous knowledge about these parameters is expressed as a probability distribution, the so called a priori distribution. This prior distribution is then updated to a posterior distribution by using Bayes’ theorem to combine it with the observed data which is expressed through the likelihood function. The a posterior distribution, thus, expresses evidence about the parameters after data has been observed.