Joseph Chipperfield
Joseph Chipperfield (NMBU), Florian Hartig (Universität Regensburg), Jörn Pagel (Universität Hohenheim)
3
Fakultet for miljøvitenskap og naturforvaltning
Årlig
EN (NO=norsk, EN=engelsk)
25
Kurset går i en uke tidlig på høsten. Deltakelse alle dager er obligatorisk. Kursvurdering er seks uker etter sluttdato for seminaret.
2017H
Dette er en internasjonal sommerskole. Kursdeltakere vil være en blanding av studenter og akademiske ansatte på alle nivåer fra en rekke akademiske institusjoner (ikke bare NMBU). Kurset er rettet mot doktorgradsstudenter og postdoktorer, men vi vurderer søknader fra motiverte masterstudenter som oppfyller de anbefalte forutsetningene.
Dette kurset introduserer deltakere til teorien og anvendelsen av bayesiske modeller med fokus på miljø og økologisk forskning. Deltakerne vil bli gitt en praktisk introduksjon av å utforske og analysere data ved hjelp av bayesisk-verktøy gjennom en rekke datatyper med bruk av data fra økologiske eksempler. Kurset vil dekke:
- Teorien rundt bayesisk analyse og når og hvorfor man bruke den
- Metoder for bayesiansk beregning og hvordan du bruker programvaren til å utføre den
- Hvordan utvide bayesiske modeller til mer avanserte emner i statistisk modellering som latente variabler, hierarkiske tilfeldige effekter og simulerings- / prosessbaserte modeller
- Hvordan bruke bayesiske teknikker til å velge og rangere de beste modellene fra en serie kandidatmodeller
Dette kurset er et årlig seminarkurs/sommerskole og vil inkludere deltagere fra en rekke ulike forskningsinstitusjoner på ulike stadier av deres forskningskarriere. Fullstendig informasjon om hvor kurset skal finne sted, studieprogram og søknad kan du finne på kursets hjemmeside www.bayessummerschool.com
Ved slutten av kurset vil deltakerne på kurset kunne:
- Teorien av Bayes teorem og dens bestanddeler: prior, likelihood, og posterior
- Forskjellene i de teoretiske grunnlagene for nullhypotesetesting, likelihood-relaterte tilnærminger og bayesisk modellering
- De forskjellige numeriske tilnærmingene å bruke bayesiske modeller: rejection sampling, Markov Chain Monte Carlo (MCMC), sequential Monte Carlo (SMC)
- Betydningen av begreper som kjedelengde, konvergens, tynning og tilpasning ved anvendelse av Markov Chain Monte Carlo numeriske metoder
- Et utvalg av metoder for å utføre Bayesisk modellvalg (DIC, Bayes factors, reversible-jump MCMC)
Ved slutten av kurset forventes deltakerne å kunne:
- Bygge statistiske modeller ved hjelp av tre jevnlig brukte bayesiske programvareplattformer: JAGS, STAN, INLA
- Bruke numeriske metoder som MCMC for å passe Bayesian-modeller til økologiske og miljødata
- Inkorporere avanserte modelleringsbegreper som latente variabler og tilfeldige effekter i bayesiske modeller
- Utføre Bayesian modellvalg for å velge mellom en rekke konkurrerende modeller
- Demonstrere hvordan man tilpasse simuleringsmodeller (prosessbaserte) ved hjelp av omtrentlige bayesiske metoder
Ved slutten av kurset vil deltakerne ha kompetanse i:
- Å inkludere bayesisk analyse i deres standard R-arbeidsflyt gjennom bruk av pakker som knyttet til ekstern bayesisk programvare
- Spesifisering av modeller i en rekke forskjellige bayesiske modelleringsplattformer
- Å kjøre og raffinere numeriske metoder for å tilpasse bayesiske-modeller og unngå vanlige problemer som mangel på konvergens og ikke-identifiserbarhet av parametere
- Tolke utgangen av en Bayesian analyse og sikre at modellen er konsistent gjennom modellkontroll og konvergensvurdering
Kurset skal primært ta form av et intensivt 5-dagers seminar på Vestlandet med et forelesningsprogram og datamaskinøvelser. Det vil være noe gruppearbeid basert på deltakerens egen forskning og en serie "after-dinner forums" som vil bli en serie av kveldsdiskusjoner om problemstillinger vi har møtt på i løpet av dagen.
Alle lærere vil være til stede under verkstedet, og kursarrangøren vil være tilgjengelig for spørsmål knyttet til eksamen i løpet av normale kontortimer.
Et fullt program med lenker til det aktuelle undervisningsmaterialet vil bli lagt ut på kursets nettside: http://www.bayessummerschool.com/programme.html
I tillegg vil materiale fra følgende bøker bli dekket:
- Lunn, D., Jackson, C., Best, N., Thomas, A., Spiegelhalter, D. (2012) The BUGS book: a practical introduction to Bayesian analysis. CRC Press.
- Kéry, M. (2010) Introduction to WinBUGS for ecologists. Academic Press.
- Kéry, M., Schaub, M. (2011) Bayesian population analysis using WinBUGS. Academic Press.
- Royle, A. J. (2008) Hierarchical modeling and inference in ecology: the analysis of data from populations, metapopulations and communities. Academic Press.
Kjennskap til grunnleggende statistikk (STAT100 eller høyere for NMBU studenter).
Det anbefales sterkt at deltakerne har arbeidskunnskap om R-statistikkplattformen og har erfaring med å bruke den til økologisk / miljøvennlig forskning (ECOL300 og ECOL340 gir NMBU-deltakere en god grunnlag i dette). Ideelt sett er deltakerne aktivt involvert i et forskningsprosjekt: mastergradsstudenter bør ha valgt et tema for masteroppgaven.
Etter at studietiden er fullført, vil deltakerne bli pålagt å gjennomføre et lite prosjekt som beskriver en bruk av metodene som er oppnådd i seminaret. Eksamen vurderes bestått/ikke bestått.
Dette er et seminar kurs på Vestlandet. Deltakerne vil bli pålagt å bli på stedet i seminarperioden. Deltakerne vil også bli pålagt å organisere egen reise til og fra seminaret, kost og losji vil bli arrangert av kursarrangørene. Deltakerne vil også bli pålagt å betale gebyr for å dekke innkvartering og mat mens de er på kurset. Se kursets hjemmeside for flere detaljer: http://www.bayessummerschool.com
90 timer totalt: 40 timer undervisning på seminaret, 50 timer selvstudium.
GSK
Hjemmeeksamen: bestått / ikke bestått