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

Bayesiansk statistik I

  • 7,5 hp

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 HT2020

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.

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.