|
課程名稱 |
應用貝氏統計分析
APPLIED BAYESIAN STATISTICAL ANALYSIS |
|
開課學期 |
99-1 |
|
授課對象 |
學程 生物統計學程 |
|
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 |
星期四7,8(14:20~16:20) |
|
上課地點 |
公衛214 |
|
備註 |
總人數上限：64人 |
|
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/991AppliedBayes |
|
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 are e-books in NTU library)
1. Gelman, A. et al. (2004), Bayesian data analysis, second edition, London :
Chapman & Hall.
2. Woodworth, G. G. (2004) Biostatistics : a Bayesian introduction, Hoboken,
N.J. : Wiley-Interscience.
3. Press, S.J. (2003) Subjective and objective Bayesian statistics : principles,
models, and applications, Hoboken, NJ : Wiley-Interscience.
4. 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. |
期末報告 |
30% |
|
3. |
考試 |
30% |
|
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
9/16 |
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 |
9/23 |
貝氏統計基本概念與單一參數模式的分析
-以Beta-Binomial為例 <br>
Basics of Bayesian statistics and Single-parameter models
(an example of beta-binomial) |
|
第3週 |
9/30 |
單一參數模式的分析與先驗(事前)分布的分析-其他常見例子 <br>
Single-parameter and priors: other exxamples |
|
第4週 |
10/7 |
先驗(事前)分布的介紹<br>
Types of prior distributions
(Poisson-Gamma例子練習) |
|
第5週 |
10/14 |
先驗(事前)分布的介紹 <br>
Types of prior distributions (Poisson-Gamma例子練習) <br>
Practice in class |
|
第6週 |
10/21 |
貝氏統計計算 Bayesian Computation:
Monte Carlo integration and Importance Sampling |
|
第7週 |
10/28 |
貝氏統計計算 Bayesian Computation: Importance Sampling, Rejection-Acceptance algorithm, and Gibbs Sampling |
|
第8週 |
11/4 |
貝氏統計計算 Bayesian Computation: Asymptotics; Markov chain Monte Carlo (MCMC) methods: Gibbs sampler |
|
第9週 |
11/11 |
貝氏統計計算：介紹如何使用使用WinBUGS, OpenBUGS |
|
第10週 |
11/18 |
貝氏統計計算：使用WinBUGS, OpenBUGS 於Angioplasty study and Egg study |
|
第11週 |
11/25 |
WinBUGS exercise (regression analysis for rain fall); What to do with final report |
|
第12週 |
12/2 |
A case study and Bayesian hypothesis testing with Bayes factor |
|
第13週 |
12/9 |
Three final topics: Data Augmentation; Metropolis-Hasting algorithm; and Asymptotics |
|
第14週 |
12/16 |
如何在SAS中進行貝氏分析 Bayesian analysis in SAS |
|
第15週 |
12/23 |
報告Report |
|
第16週 |
12/30 |
報告Report |
|
第17週 |
1/6 |
報告Report |
|