格拉斯哥大学 University of Glasgow统计硕士 Statistics MSc
格拉斯哥大学 University of Glasgow
统计硕士 Statistics MSc
生物统计学
了解统计方法和概念在医学问题中的应用，尤其是在临床试验和流行病学研究中的应用，并讨论出现的主要伦理问题。引入生存分析作为在一段时间内进行的建模测量的一种方法，例如患者的生存时间（从治疗到死亡的时间）。让学生了解统计在生物医学文献中的使用和误用。
概率
本课程提供 概率论的结构化发展，尤其是随机变量和随机向量的理论。课程的节奏很快，因为它从假设学生几乎没有事先接触过概率但到最后达到高级概念开始。
回归模型
本课程介绍了向量矩阵表示法中的正态线性模型。它展示了如何估计和测试模型的参数并进行预测，然后描述了常用于构建、评估和验证正态线性模型的工具。
统计推断
本课程介绍估计和测试的统计理论。使用了非参数和参数方法，尽管大部分课程都集中在基于可能性的推理上。
R 和 PYTHON 统计编程简介
向学生介绍统计计算环境的基本概念和思想；培训学生使用 R和 Python计算环境的编程工具；提供将支持其他 M 级课程的计算技能；并向学生介绍一般（科学）编程的基本概念。
贝叶斯统计
描述在存在数据的情况下更新先验分布和计算后验预测分布的规则
推导对应于简单低维统计模型的后验分布，通常但不限于具有共轭先验
描述和计算后验分布的各种总结，包括后验均值、MAP 估计、后验标准差和可信区域（包括 HPDR）和预测分布
解释选择先验分布的不同方法
解释超参数在贝叶斯推理中的作用，将它们适当地引入统计模型并使用经验贝叶斯方法来确定它们
解释独立模拟技术在后验采样中的使用，并使用 R 将它们应用到简单的环境中
在WinBUGS 、Stan 或 R中使用Gibbs 采样制定和分析简单的层次模型
描述和应用混合的简单检查，并在可能混合不良时进行解释
解释决策理论在贝叶斯分析中的作用，以数学方式制定决策过程，并证明简单的结果
数据分析
本课程为学生提供在各种环境中分析数据的经验，使用 R 计算机程序包，培养书面和口头沟通技巧，并为学生提供进行短期数据来源和分析项目的机会。这门实用的、基于实验室的课程提供专业统计学家所需的关键技能方面的经验。
广义线性模型
本课程介绍称为广义线性模型的模型类别，提供估计和推理理论的概述以及来自各个应用领域的实际示例。
数据挖掘和机器学习
应用和解释降维方法，如主成分分析、多维尺度和双标图
应用和解释聚类分析的经典方法
应用和解释范围广泛的分类方法
解释和解释 ROC 曲线和性能指标，例如 AOC
评估神经网络和支持向量机对数据的拟合度 ，并客观地评估它们的预测能力
>> 选修课程
实验设计
环境统计
功能数据分析
空间统计
统计遗传学
时间序列
环境统计
功能数据分析
空间统计
统计遗传学
时间序列
分享到：
