>> 必修模块
统计计算
在本模块中获得的通用编程技能适用于各种科学学科以及 IT 领域。更具体地说,R 编程环境在许多研究团体以及商业和工业的专业领域中越来越受欢迎,例如金融和再保险,这些领域越来越需要非常规统计分析。
使用 R:表达式、赋值、对象、向量、数组和矩阵、列表和数据框、函数、控制结构、图形。效率方面的考虑。R 中的统计建模(与 STAT0028 和 STAT0029 合作):线性、广义线性和非线性建模。无监督学习:降维和聚类。计算技术:函数最小化(特别是对于 mle 和非线性建模)、正交、模拟(一般方法、蒙特卡罗)。
统计模型和数据分析
该课程介绍的统计方法非常通用,几乎所有应用统计的领域都会用到它们。在本模块中,我们将分析来自工业质量控制、天文学、社会科学和生物学等领域的数据集。
多元线性回归:一般线性模型的推理技术、应用、变量选择。广义线性模型:包含对指数分布族、推理程序的介绍的结构。分类数据:导致逻辑回归和对数线性模型的广义线性模型的特例,用于数据分析。介绍非线性建模,混合建模,广义估计方程。广义加性模型简介:惩罚回归样条和惩罚估计。
统计设计
该模块解决了回答特定实质性问题需要哪些数据的问题,以及反过来可以使用可用数据合理回答哪些问题的问题。这些问题是所有应用领域定量分析的基础。
实验设计原则:实验计划、比较实验、通用设计(完全随机化、随机区组、拉丁方、阶乘实验、嵌套、固定和随机效应)、R 软件中的相关方差分析。观察研究与实验:偏见、混杂、因果解释困难等问题。观察性研究:计划、匹配、混杂变量调整、队列研究、病例对照研究、数据分析。抽样:目标和抽样总体、有限总体、简单随机抽样、分层和整群抽样、比率和回归估计量。
Foundation Fortnight
完成本模块后,学生应复习并完成基本概率论、统计估计和假设检验、实用统计和相关计算的练习。
介绍概率、条件概率、随机变量和分布、期望、特殊分布、泊松过程、马尔可夫链和“出生-死亡”过程。估计简介、估计量的抽样分布、检验假设、分类数据、非参数方法、线性统计模型、Minitab 计算包。
应用贝叶斯方法
贝叶斯方法目前越来越受欢迎,这主要是因为计算设施和现代基于模拟的马尔可夫链蒙特卡罗 (MCMC) 方法的进步提供了一种分析复杂数据结构的方法,这些数据结构出现在人工智能等不同的应用领域,生物学、遗传学和环境科学。该模块侧重于基本概念和技术,并介绍在具有挑战性的研究级问题中应用贝叶斯方法所需的计算工具。
贝叶斯统计简介。贝叶斯推理。先前的分布。图形模型。分层模型。马尔可夫链蒙特卡洛(MCMC:吉布斯抽样)。WinBUGS 软件。
>> 可选模块
随机系统
预测
决策与风险
金融中的随机方法
医学统计 1
医学统计学 2
统计学选题
金融中的随机方法 II
卫生经济学中的贝叶斯方法
操作风险和保险分析的定量建模
统计推断