課程資訊
課程名稱
 應用貝氏統計分析
Applied Bayesian Statistical Analysis 
開課學期
 100-1 
授課對象
 公共衛生學院  流預所流行病學組  
授課教師
 蕭朱杏 
課號
 EPM5047 
課程識別碼
 849 U0180 
班次
  
學分
 2 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期三5,6(12:20~14:10) 
上課地點
  
備註
 公衛214教室
總人數上限：64人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1001AppliedBayesian 
課程簡介影片
 
核心能力關聯
 核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

貝氏統計分析在近幾年因為其他科學領域（如人工智慧、機器學習理論、資料採礦、資訊科學、致病基因相關性分析、醫藥衛生）的應用，其地位更形重要。本課程將介紹貝氏統計的歷史、想法、基本理論、及統計推論工具，並涵蓋機率定義、概似函數、先驗分布、以及後驗分布的推導與計算。對於某些推論方法，也會將貝氏統計分析的工具與傳統頻率學派的方法互相比較。課程中並將介紹使用貝氏分析的統計軟體，如WINBUGS。另外也將讓同學們熟悉R這個統計軟體，以及在SAS 9.2中新增的貝氏統計分析的功能。本課程鼓勵修課同學提出一個與自己研究領域相關的研究主題，進行貝氏統計分析。 

課程目標
 1.Some programming skills
2.Probability: history, interpretation, and definition
3.Prior distribution, updating information, learning process, conjugate and reference prior
4.Hierarchical models: formulation and examples
5.Estimation via posterior distribution, Laplace’s method and numerical approximations; quantities used for estimation and prediction
6.Examples and applications
7.Sensitivity analysis
8.Bayesian testing hypotheses, Bayes factor, posterior odds, LRT, p-value
9.More about computation: use of Gibbs sampler and MCMC 
課程要求
 對於統計有基礎知識的學生，也歡迎對貝式統計有興趣之其他非統計領域的大學部同學及研究生。 
預期每週課後學習時數
  
Office Hours
  
指定閱讀
  
參考書目
 (more e-books are in NTU library)

  1. Hoff, Peter D. (2009), A first course in Bayesian statistical methods, New
    York, NY : Springer-Verlag New York.
  2. Albert, J. (2009), Bayesian computation with R, 2nd edition, New York, NY:
    Springer-Verlag New York.
  3. Gelman, A. et al. (2004), Bayesian data analysis, second edition, London :
    Chapman & Hall.
  4. Woodworth, G. G. (2004) Biostatistics : a Bayesian introduction, Hoboken,
    N.J.: Wiley-Interscience.
  5. Press, S.J. (2003) Subjective and objective Bayesian statistics :
    principles, models, and applications, Hoboken, NJ : Wiley-Interscience.
  6. Gordon, P. (2003) Applied Bayesian modelling, Hoboken, NJ: Wiley. (e-book)
 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 作業 
40% 
  
2. 
 考試 
30% 
  
3. 
 期末報告 
30% 
  
 
課程進度
週次
日期
單元主題
第1週
 9/14  利用R進行資料分析及貝氏統計基本概念<br>
R for data analysis and basics of Bayesian statistics
 
第2週
 9/21  利用R進行資料分析及貝氏統計基本概念<br>
R for data analysis and basics of Bayesian statistics 
第3週
 9/28  單一參數模式的分析<br>
Single-parameter models (Beta Binomial Model) 
第4週
 10/05  單一參數模式的分析與先驗(事前)分布的分析<br>
Single-parameter and priors 
第5週
 10/12  Discussion of Fienberg's paper
In-class project (analytical and R) 
第6週
 10/19  Prior specification 先驗分佈的設定 
第7週
 10/26  貝氏統計計算<br>
WinBUGS (OpneBUGS) 使用 
第8週
 11/02  貝氏統計檢定與貝氏因子  
第9週
 11/09  貝氏統計計算
Bayesian Computation: Monte Carlo integration and Importance Sampling
貝氏統計計算<br>
Bayesian Computation: Markov chain Monte Carlo (MCMC) methods  
第10週
 11/16  貝氏統計計算<br>
Bayesian Computation: Asymptotics and Gibbs sampler  
第11週
 11/23  貝氏統計計算<br>
Bayesian Computation: Data augmentation and EM algorithm  
第12週
 11/30  貝氏統計計算<br>
Bayesian Computation: Data augmentation and EM algorithm  
第13週
 12/07  練習與計畫報告Practice and report; Practice of EM algorithm; Metropolis-Hasting algorithm  
第14週
 12/14  Metropolis-Hasting algorithm; Practice of Gibbs sampler  
第15週
 12/21  報告 Report  
第16週
 12/28  報告 Report  
第17週
 1/04  報告 Report  
第18週
 1/11  如何在SAS中進行貝氏分析 Bayesian analysis is SAS