732G43 · 7,5 hp · Grundnivå (G2F) · Statistik
Bayesiansk statistik
Ges · nästa start HT 2026
60 %
klarade senaste ordinarie tillfället
DAT2 · 16 jan 2026 · 20 studenter
68 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
DAT2 · 37 studenter
Ovanligt svår 2025/26
60 % klarade ordinarie tentan läsåret 2025/26 (20 studenter), mot 78 % i snitt åren innan (17 studenter).
Ingår i 1 program
Övrigt moment
DAT2 Tentamen
- VG
- G
- U
Ordinarie tillfällen
68 % godkända · 37 studenter
- 60 %20
- 73 %11
- 83 %6
Senare tillfällen
57 % godkända · 7 studenter
- 57 %7
- Klarar ett senare tillfälle: 57 % (7 studenter), jämfört med 68 % (37 studenter) på ordinarie
- Får VG: 25 % (44 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 75 %4
- 50 %2
- 50 %2
- 100 %2
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
INL2 Inlämningsuppgift
- G
Ordinarie tillfällen
100 % godkända · 36 studenter
- 100 %9
- 100 %10
- 100 %11
- 100 %6
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (3)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %2
- 100 %1
- 100 %1
Inlämning eller laboration
INL1 Inlämningsuppgift
- G
Ordinarie tillfällen
100 % godkända · 18 studenter
- 100 %7
- 100 %11
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %2
Övrigt moment
DAT1 Tentamen
- G
- U
Ordinarie tillfällen
89 % godkända · 18 studenter
- 88 %8
- 90 %10
Senare tillfällen
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (3)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %2
- 0 %2
- 100 %1
Om kursen
Mål
Efter avslutad kurs ska den studerande kunna:
- redogöra för huvudbegreppen inom Bayesiansk statistik
- förklara skillnaderna mellan frekvenstistisk och Bayesiansk statistik
- använda de vanligaste statistiska metoderna inom Bayesiansk inferens
- använda relevanta modeller för Bayesiansk inferens på olika praktiska problem
- tillämpa Bayesiansk inferens med hjälp av statistisk programvara
Innehåll
I kursen behandlas allmänna begrepp och metoder inom Bayesiansk statistik. Dessutom presenteras implementering av Markov chain Monte Carlo (MCMC) som ett verktyg för att anpassa mer komplicerade modeller där en analytisk form av posteriorn inte finns tillgänglig.I kursen behandlas följande moment:
- subjektiva sannolikheter
- Bayes sats
- priorfördelning
- känslighetsanalys av priorfördelningar
- likelihoodfunktion
- posteriorfördelning
- kredibilitetsintervall
- modellutvärdering
- modellval
- MCMC
- Examinator
- Josef Wilzén
- Huvudområde
- Statistik