課程大綱

課程資訊

課程名稱

應用貝氏統計分析
Applied Bayesian Statistical Analysis

開課學期

102-1

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

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

公衛214

備註

總人數上限：30人

Ceiba 課程網頁

http://ceiba.ntu.edu.tw/1021AppliedBayesian

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)

Hoff, Peter D. (2009), A first course in Bayesian statistical methods, New
York, NY : Springer-Verlag New York.
Albert, J. (2009), Bayesian computation with R, 2nd edition, New York, NY:
Springer-Verlag New York.
Gelman, A. et al. (2004), Bayesian data analysis, second edition, London :
Chapman & Hall.
Woodworth, G. G. (2004) Biostatistics : a Bayesian introduction, Hoboken,
N.J.: Wiley-Interscience.
Press, S.J. (2003) Subjective and objective Bayesian statistics :
principles, models, and applications, Hoboken, NJ : Wiley-Interscience.
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.	考試	30%
2.	期末報告	30%
3.	作業	40%

課程進度

週次	日期	單元主題
第1週	9/11	課程簡介 Introduction of the course
第2週	9/18	利用R進行資料分析及貝氏統計基本概念 R for data analysis and basics of Bayesian statistics
第3週	9/25	單一參數模式的分析與先驗(事前)分布的分析 Single-parameter models
第4週	10/2	單一參數模式的分析與先驗(事前)分布的分析 Single-parameter models 多參數模式的分析，貝氏統計檢定與貝氏因子 Multiparameter models, Bayesian Tests with Bayes Factors
第5週	10/9	演講 Special Talk (第一節先到212室，第二節再到214室) 1. A hierarchical random-effects model for survival in patients with Acute Myocardial Infarction 2. Estimating patient demand progression in home care: a Bayesian modeling approach
第6週	10/16	多參數模式的分析，貝氏統計檢定與貝氏因子，迴歸分析 Multiparameter models, Bayesian Tests with Bayes Factors, Regression (第一節先到212室，第二節再到214室)
第7週	10/23	貝氏統計計算 Bayesian Computation: Monte Carlo integration and Importance Sampling
第8週	10/30	貝氏統計計算 Bayesian Computation: Gibbs sampling and Markov chain Monte Carlo (MCMC) methods
第9週	11/6	期中考 Midterm Exam
第10週	11/13	報告期末計畫大綱 Aims and Goals of Projects
第11週	11/20	貝氏統計計算 Bayesian Computation (第一節先到212室，第二節再到214室)
第12週	11/27	貝氏統計計算 Bayesian Computation: WinBUGS, Asymptotics and Gibbs sampler
第13週	12/4	貝氏統計計算 Bayesian Computation: Data augmentation and EM algorithm (第一節先到212室，第二節再到214室)
第14週	12/11	報告Report (第一節先到212室，第二節再到214室)
第15週	12/18	報告Report
第16週	12/25	報告Report
第17週	1/1	放假