Prior and posterior distributions, conjugate families, Bayesian test and estimators, applications.
Last update: G_M (27.05.2009)
Při bayesovském přístupu k řešení statistických problémů jsou neznámé parametry
považovány za náhodné veličiny. K závěrům jsou použity nejen výsledky pokusů,
ale i informace o neznámých parametrech. Bayesova věta, volba apriorních rozdělení,
bayesovské odhadování a testování, některé speciální modely.
Předpoklady: některý základní kurs pravděpodobnosti a statistiky.
Last update: G_M (27.05.2009)
Aim of the course -
Basic principles of Bayesian approach to statistical problems
Last update: T_KPMS (22.05.2008)
Seznámit studenty se základy bayesovského přístupu k řešení statistických problémů
Last update: T_KPMS (22.05.2008)
Literature - Czech
Hušková M.: Bayesovské metody, UK Praha, skripta, 1985
Pázman, A.: Bayesovská štatistika, UK Bratislava, skripta, 2003.
Robert, C.P.: The Bayesian choice, Springer, 2001.
Last update: T_KPMS (19.05.2006)
Teaching methods -
Lecture.
Last update: G_M (27.05.2008)
Přednáška.
Last update: G_M (27.05.2008)
Syllabus -
Prior and posterior distributions, conjugate families, Bayesian test and estimators, applications.
Last update: T_KPMS (19.05.2006)
Bayesova věta a její použití, apriorní a aposteriorní rozdělení, metody volby apriorního rozdělení.
Statistické rozhodovací funkce (rozhodovací funkce, ztrátová a riziková funkce).
Bayesovské bodové odhady a jejich vlastnosti. Věrohodnostní množiny.
Bayesovské testování hypotéz, některé speciální testy.
Některé speciální bayesovské postupy, základy MCMC.
