課程資訊
課程名稱
 應用貝氏統計分析
Applied Bayesian Statistical Analysis 
開課學期
 107-1 
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
 2.0 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期三6,7(13:20~15:10) 
上課地點
 公衛212 
備註
 總人數上限：30人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1071EPM5047_Bayesian 
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OPENBUGS。另外也將讓同學們更熟悉R這個統計軟體，以及在R中呼叫OPENBUGS。本課程鼓勵修課同學在期末報告中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，但必須使用能公開的資料且報告成果可以公開。(上課以使用白板為主，如有PDF檔案形式的講義，仍可能有需要自行記錄筆記，請同學自行負責。)  

課程目標
 1. 讓同學認識貝氏統計的基本架構、精神，及使用。
2. 本課程不會以”學會使用軟體進行貝氏統計分析”作為教學目標，所以有這個需求的同學請尋找其他學習方式。 
課程要求
 1. 至少修過兩門統計課程。
2. 對於統計已經有基礎知識的學生，也歡迎對貝氏統計有興趣之其他非統計領域的同學。修課同學必須對機率分配及統計推論基本工具有認識。
3. 對於概似函數、最大概似函數估計法及最大概似函數估計值已有基本認識。
4. 對R有基本認識，或是能使用某個軟體進行基本統計分析及撰寫基本程式。 
預期每週課後學習時數
  
Office Hours
 另約時間 
指定閱讀
 參考書籍: (more e-books 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)
 
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 
50% 
  
2. 
 文獻閱讀 
20% 
  
3. 
 期末報告(口頭及紙本各半) 
30% 
  
 
課程進度
週次
日期
單元主題
第1週
 9/12  課程簡介及貝氏統計基本概念
Introduction of the course and basics of Bayesian statistics 
第2週
 9/19  1. 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
2. 單一參數模式的分析
Single-parameter models  
第3週
 9/26  1. 單一參數模式的分析與多參數模式的分析
Single-parameter models and multiparameter models
2. 先驗分配 Prior distribution 
第4週
 10/3  1. 先驗分配
Prior distribution
2. 如何使用OpenBUGS 
第5週
 10/10  國定假日 
第6週
 10/17  1. 貝氏統計計算
Bayesian Computation: Monte Carlo integration, Importance Sampling and Gibbs Sampling
2. 如何在R中使用OpenBUGS 
第7週
 10/24  1. 貝氏統計計算
Bayesian Computation: Monte Carlo integration, Importance Sampling and Gibbs Sampling
2. 如何在R中使用OpenBUGS 
第8週
 10/31  1. 貝氏統計計算
Bayesian Computation: Markov chain Monte Carlo (MCMC) methods
2. 如何使用OpenBUGS 
第9週
 11/7  1. 貝氏統計計算
Bayesian Computation: Markov chain Monte Carlo (MCMC) methods, DIC
2. 如何使用OpenBUGS 
第10週
 11/14  1. 貝氏統計計算 Bayesian computation: Rejection-Acceptance Algorithm, Metropolis-Hasting algorithm
2. 演講(Dr. Fabrizio Ruggeri)
Bayesian estimation in stochastic predator-prey models 
第11週
 11/21  報告期末計畫大綱 Aims and Goals of Projects  
第12週
 11/28  1. 貝氏統計計算 Bayesian computation: Rejection-Acceptance Algorithm, Metropolis-Hasting algorithm
Data Augmentation, EM algorithm
2. 貝氏迴歸分析 Bayesian Regression 
第13週
 12/5  貝氏迴歸分析 Bayesian Regression Analysis  
第14週
 12/12  1. 貝氏迴歸分析 Bayesian Regression Analysis
2. 貝氏統計檢定與貝氏因子 Bayesian Tests with Bayes Factors  
第15週
 12/19  文獻中案例閱讀與報告 (case studies and discussion) 
第16週
 12/26  報告 Report  
第17週
 1/2  報告 Report 
第18週
 1/9  期末考