Matematisk statistik: Markovprocesser
Kursen behandlar: Markovkedjor: modellgrafer, Markovbegreppet, övergångssannolikheter, beständiga och transienta tillstånd, positivt och nollbeständiga tillstånd. Kommunikation, existens och unikhet av stationär fördelning samt beräkning av densamma. Absorptionstider. Poissonprocessen: små talens lag, räkneprocessen, händelseavstånd, icke-homogena processer, uttunning och superposition, processer The course treats: Markov chains: model graphs, Markov property, transition probabilities, persistent and transient states, positive and null persistent states, communication, existence and uniqueness of stationary distribution, and calculation thereof, absorption times. Poisson process: Law of small numbers, counting processes, event distance, non-homogeneous processes, diluting and super p