|
課程名稱 |
應用貝氏統計分析
Applied Bayesian Statistical Analysis |
|
開課學期 |
105-1 |
|
授課對象 |
共同教育中心 統計碩士學位學程 |
|
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 |
星期三6,7(13:20~15:10) |
|
上課地點 |
公衛212 |
|
備註 |
本課程為學程必選課程之一(C群組),必選課程至少選修4學分
總人數上限：30人 |
|
Ceiba 課程網頁 |
http://ceiba.ntu.edu.tw/1051EPM5047_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，(這學期來不及學習在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。 |
|
課程目標 |
1.programming skill
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。 |
|
預期每週課後學習時數 |
|
|
Office Hours |
另約時間 |
|
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) |
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
9/14 |
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 |
9/21 |
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 |
9/28 |
單一參數模式的分析與多參數模式的分析
Single-parameter models and multiparameter models
先驗分配 Prior distribution
(本週開始換到215教室上課)
***** 颱風天停課一天 ***** |
|
第4週 |
10/5 |
單一參數模式的分析與多參數模式的分析
Single-parameter models and multiparameter models
先驗分配
Prior distribution
(在215教室上課) |
|
第5週 |
10/12 |
先驗分配
Prior distribution
貝氏統計計算
Bayesian Computation: Monte Carlo integration, Importance Sampling and Gibbs Sampling
(在215教室上課) |
|
第6週 |
10/19 |
先驗分配
Prior distribution
貝氏統計計算
Bayesian Computation: Monte Carlo integration, Importance Sampling and Gibbs Sampling
(在215教室上課) |
|
第7週 |
10/26 |
OpenBUGS 介紹與實作 (淡江大學王彥雯老師)
實例練習
電腦教室214室(改成3:30開始上課) |
|
第8週 |
11/2 |
貝氏統計計算
Bayesian Computation: Markov chain Monte Carlo (MCMC) methods, Rejection-Acceptance Algorithm, Metropolis-Hasting algorithm
(在215教室上課) |
|
第9週 |
11/9 |
如何在R中使用OpenBUGS
電腦教室214室(改成3:30開始上課) |
|
第10週 |
11/16 |
1. 貝氏統計計算 Bayesian computation: Data Augmentation, EM algorithm, DIC
2. 先驗分布 Jeffreys' prior (Bayes Notes 3 Priors.pdf 沒講完的部分)
(在215教室上課)
交11/2出的作業(任何軟體皆可) |
|
第11週 |
11/23 |
報告期末計畫大綱 Aims and Goals of Projects
(在215教室上課)
11/23 報告順序 見討論版公告 |
|
第12週 |
11/30 |
(1)貝氏迴歸分析 Bayesian Regression
(在215教室上課) |
|
第13週 |
12/7 |
(1)貝氏統計檢定與貝氏因子 Bayesian Tests with Bayes Factors
(2) 診斷與模式選擇 model selection (在215上課) |
|
第14週 |
12/14 |
(1)貝氏統計檢定與貝氏因子 Bayesian Tests with Bayes Factors
(2) 診斷與模式選擇 model selection (在215上課) |
|
第15週 |
12/21 |
文獻中案例閱讀與報告 (case studies and discussion)
(在215教室上課) |
|
第16週 |
12/28 |
報告 Report (依序五組為二、四、三、六、一)
(在215教室上課) |
|
第17週 |
1/4 |
報告 Report ((依序五組為五、八、九、十、七))
(在215教室上課) |
|
第18週 |
1/11 |
期末書面報告改完了 |
|