Denna kurs ger en introduktion till modern Monte Carlo-simulering och dess tillämpningar inom matematisk statistik.
Sekventiella Monte Carlo-metoder (SMC), även kallade partikelfilter, är en klass samplingmetoder som simulerar rekursivt från sekvenser av sannolikhetsfördelningar. Dessa metoder tillämpas inom en mängd vetenskapliga fält, såsom signalbehandling, robotik och finansiell matematik.
Markovkedjemetoder (MCMC) är simuleringstekniker som kan generera Monte Carlo-stickprov från komplicerade högdimensionella fördelningar med hjälp av sinnrikt utformade Markovkedjor. MCMC tillämpas framgångsrikt inom Bayesianska statistiska metoder – vilka gör det möjligt att inkludera a priori-kunskap i inferensanalysen – men även i områden såsom optimering, statistisk mekanik och maskininlärning.