Introduzione alla statistica bayesiana non parametrica

 

Docente: Massimo Cannas– massimo.cannas@unica.it – tel. 070/675 3410

Tipologia: Triennale e Magistrale

CFU: 6

Prerequisiti: Calcolo delle Probabilità, Statistica + reading course  “introduzione alla statistica bayesiana” (consigliato)

Obiettivi: fornire le basi dell’impostazione bayesiana non parametrica all’analisi dei dati mostrando alcuni esempi applicati in ambiente R.

Programma.

  • Modelli mistura
  • Il processo di Dirichlet (DP), definizione e costruzione.
  • Misture di DP e altre variazioni
  • Applicazioni (density estimation, model-based clustering, etc)
  • Processi gaussiani (GP)

Testi di riferimento:

In italiano (per il solo secondo punto): Cifarelli, Muliere. Appunti di Statistica Bayesiana (ultimo capitolo)

Il testo di riferimento è:

Muller, Quintana, Jara, Hanson. Bayesian nonparametric data analysis (2015), Springer

Per una introduzione molto sintetica si veda:

K Murphy. Machine Learning: A probabilistic Approach, the MIT Press cap 15 (GP) e cap 25 (DP)

Modalità di verifica: Sono previste tre lezioni nelle quali verranno esposti i punti essenziali del programma e fornito il codice necessario per implementare i modelli di base. Lo studente si prepara in maniera autonoma sul materiale didattico fornito dal docente a partire dagli spunti dati in aula. Il docente è disponibile per chiarimenti durante l’orario di ricevimento. La prova si svolge tramite una presentazione orale di un argomento concordato con il docente e corredato da una applicazione.

credits unica.it | accessibilità Università degli Studi di Cagliari
C.F.: 80019600925 - P.I.: 00443370929
note legali | privacy

Nascondi la toolbar