• 课题背景

​贝叶斯推断是推论统计的一种方法。这种方法使用贝叶斯定理，在有更多证据及信息时，更新特定假设的概率。贝叶斯推断是统计学（特别是数理统计学）中很重要的技巧之一。贝叶斯更新在序列分析中格外的重要。贝叶斯推断应用在许多的领域中，包括科学、工程学、哲学、医学、体育运动、法律等。在决策论的哲学中，贝叶斯推断和主观概率有密切关系，常常称为贝叶斯概率。

• 课题内容

​1.学习如何用R进行数据模拟
2.包含马尔科夫链的贝叶斯计算
3.比较频率论和贝叶斯的统计方法
4.不同统计模型的筛选

• 导师信息

Joseph Chang
耶鲁大学统计与大数据科学终身教授
(1)现任耶鲁大学统计与大数据学院主席/终身教授，统管本科生 以及研究生项目（罕见的本研项目共同系主任）
(2)曾在 98 年和 14 年两获耶鲁大学最高荣誉 DeVane Medal and Lex Hixon Prize
(3)曾任耶鲁大学应用数学系主任，耶鲁大数据分析中心创始人/主任
(4)其以下两本著作作为应用数学与概率统计学常用教材（美国 高等教育委员会教材编号）Stochastic Processes (used for S&DS 351b/551b ) ，Probability and Statistics (used for S&DS 238a/538a )

• 拓展资料

Joesph Chang-教授简历

大数据科学：利用贝叶斯统计进行数据建模-课纲