| 课程号 |
02231480 |
学分 |
2 |
| 英文名称 |
A Pratical Introduction to Bayesian Data Ananlysis |
| 先修课程 |
定量考古
科技考古 |
| 中文简介 |
课程介绍考古学中数据处理的贝叶斯统计分析方法和数据统计结果的解释。课程的内容包括建立贝叶斯统计模型所需的基本概念和过程，在面对具体的统计过程时如何获得所需的实验数据的概率分布，如何为统计模型的参数配置相应的先验概率分布函数，确认后验概率在不同先验条件下的正确性，以及何时需要以及如何建立层次贝叶斯统计模型。比较经典统计和贝叶斯统计的实现过程以及结论解读的相似和不同。课程的上机实习过程采用OpenBUGS软件。该软件的介绍包括如何实现统计模型，马尔科夫链蒙特卡洛（MCMC）过程的的实现，软件得到结果的解读和解释等。 |
| 英文简介 |
The course is focussing on building undersandable concepts and precedures required in performing Bayesian Statistics Model of real world to got more conceviable answer.First,we want the student know what kind of data is needed to answer a particular question and how to arranged an approriate probability distribution for such data.Second,we will tell them how to quantify what we have known already to the form of a prior distribution on model parameters.Third,we will teach how to verify which posterior distribution is a correct one when we choose different prior for those model parameters .Fourth,how and we need to build a hierarchical models also should be taught .Finally,the fifferences from and similarities to classical approaches will be given concerning the interpretation and communication of the results.OpenBUGS is a dominant software in bayesian analysis ,so it will be our main tool to build bayesian model in this class. All those aespects of the OpenBUGS concerning the model building will be given in our class. |
| 开课院系 |
考古文博学院 |
| 通选课领域 |
|
| 是否属于艺术与美育 |
否 |
| 平台课性质 |
|
| 平台课类型 |
|
| 授课语言 |
中文 |
| 教材 |
The BUGS Book,David Lunn,CRC Press,2013,1,978-1-4665-8666-6；
Applied Bayesian Statistics：with R and OpenBUGS example,Mary Kathryn Cowles,Springer,2012,贝叶斯统计,韦来生,高等教育出版社,2016, |
| 参考书 |
1,978-1-4614-5696-4 (eBook)；
1,978-7-04-044504-6；
|
| 教学大纲 |
本课程旨在使学生学习贝叶斯统计的基本原理，掌握运用计算机软件实现贝叶斯统计模型的建立、运行和结果解读等方法。掌握贝叶斯统计的基本原理的软件实现，可以为以后的考古学研究中添加更有利的统计方法，能够更好的适应当前不断发展的统计学在考古学中应用的趋势。
第一章：概率和参数 课时：1
1. 概率
2. 概率分布及属性值计算
第二章：应用OpenBUGS软件实现MCMC模拟 课时：1
1. BUGS软件的介绍
2. DoodleBUGS
3. 应用BUGS完成统计分布的模拟
4. 随机变量的转换
5. 应用MCMC完成复杂计算
6. 多元MCMC分析
7. 未知参数的预测
8. 软件使用的上机实习（课时：1）
第三章：贝叶斯统计推断 课时：2
1. 贝叶斯学习
2. 后验预测分布
3. 共轭贝叶斯推断
4. 离散变量的推断
5. 共轭分析的组合
6. 贝叶斯和经典统计推断
7. 软件使用的上机实习（课时：1）
第四章：MCMC 课时：1
1. 贝叶斯统计计算
2. ＭＣＭＣ
3. 初始值
4. 收敛
5. 有效性和准确性
第五章： 先验概率 课时：1
1. 先验概率构建方法
2. 无信息先验，客观先验，参考先验
3. 信息先验的在陈述
4. 先验条件的混合
5. 先验条件的敏感度分析
6. 软件使用的上机实习（课时：1）
第六章： 回归模型 课时：2
1. 误差正态分布数据的线性回归模型
2. 误差非正态分布数据的线性回归模型
3. 误差正态分布数据的非线性回归模型
4. 多变量回归
5. 广义线性回归
6. 参数函数的推断
7. 软件使用的上机实习（课时：1）
第七章： 列联表数据分析 课时：2
1. ２×２表
2. 多项分布模型
3. 有序变量回归
4. 软件使用的上机实习（课时：1）
第八章： 统计模型的检查和比较 课时：2
1. 介绍
2. 偏差（Ｄｅｖｉａｎｃｅ）
3. 残差
4. 预测检查和贝叶斯Ｐ值
5. 大模型嵌套后的模型评价
6. 利用偏差进行模型比较
7. DIC的替代
8. Ｂａｙｅｓ因子
9. 模型不确定性
10. 数据和先验条件的不融洽
11. 软件使用的上机实习（课时：1）
第九章：贝叶斯统计模型 课时：2
1. 数据确实
2. 预测
3. 测量误差
4. 截断反馈
5. 自定义统计分布
6. 观测值的挑选，截断和分组
7. 参数限制
8. Ｂｏｏｔｓｔｒａｐｐｉｎｇ
9. 软件使用的上机实习（课时：1）
10. 排序
第十章：分层模型 课时：2
1. 互易性
2. 先验条件
3. 分层回归模型
4. 方差的分层回归模型
5. 冗余参数
6. 一般公式
7. 分层模型的检查
8. 分层模型的比较
9. 软件使用的上机实习（课时：1）
1,课堂讲授
2,计算机实习
3,讨论课
本课程主要采取课堂讲授和计算机实习两种方法结合的教学方式。在课堂讲授统计原理的基础上，通过在OpenBUGS软件中实现相关章节的统计学模型，达到对贝叶斯统计的理解和应用的同步前进。另外通过穿插1~2节讨论课的形式，保证学生的学习体会得到及时反馈，也能保证同学上机过程遇到的问题可以集体讨论，增加对贝叶斯统计方法的认识。
成绩评定方法：论文成绩占50%；平时上机实习成绩占50%。
|
| 教学评估 |
宝文博：
学年度学期：17-18-3，课程班：简明贝叶斯数据分析1，课程推荐得分：3.75，教师推荐得分：3.75，课程得分分数段：80及以下；
|
|