Astro-Statistics And Cosmology – Padova

Argomenti del programma: Teorema di Bayes e probabilità Bayesiana. Scelta del prior. Inferenza Bayesiana e Monte Carlo Markov Chain (MCMC): Metropolis-Hastings, Gibbs sampling, Hamiltonian sampling. Joint likelihood. Parameter marginalization. Evidenza Bayesiana, model selection, confronto di modelli, criteri d'informazione, nested sampling. Matrice di Fisher per experimental design e forecasting.

Argomenti del programma: Teorema di Bayes e probabilità Bayesiana. Scelta del prior. Inferenza Bayesiana e Monte Carlo Markov Chain (MCMC): Metropolis-Hastings, Gibbs sampling, Hamiltonian sampling. Joint likelihood. Parameter marginalization. Evidenza Bayesiana, model selection, confronto di modelli, criteri d'informazione, nested sampling. Matrice di Fisher per experimental design e forecasting.