Bayesian statistical inference.At the same time,we will introduce the similarities and diffe between Bavesian statistics method and classical statistics method.Through the study of this *i课程简介（英course,students can gain some thoughts of Bayesian statistics,especially some special methods 文) and corresponding theories.The main contents of the course are prior and posterior distribution profl,losandutiliyindecision-nmaking,Bgyesiandecisiontheon theory,Bayesian.Through the study of can understand the basicconets and ideas of Bayesian statistics,as understand the and difference between Bavesian statistics and classical statistics.More importantly.students ca esome special methods from Bayesian statistics to anayzeand solve problems 课程目标与内容(Course objectives and contents) 1,了解贝叶斯统计基本观点及其基本学术思想的内涵、了解贝叶斯统计中的 三种信息：堂握贝叶斯公式的密度函数形式、共扼先验分布的计算及其优缺点 超参数的确定方法：了解多参数模型和充分统计量。(B1B2.D1) 2。熟练掌握参数估计的贝叶斯方法、估计量的误差分析、 最大后验密度的 信区间，掌握贝叶斯基本假设的含义、检验方法的一般步骤，了解贝叶斯预测 和似然原理。(B2D1) 3.掌握决策问题的三要素、决策准则、先验期望准则及其性质，了解常用的 硬程目标 损失承粉、损失函下的非观准和先验期翅准理解效应和效忘函、堂 用的效应曲线和效应的测定方法，以及效应曲线在决策中的， 应用 (B2,D1 4。掌握贝叶斯决策的基本概念、后验风险、决策函数和后验风险准则，熟线 掌握平方损失函数和线性损失函数下参数的贝叶斯估计。(B2,D1) .掌握风险函数、决策函数的最优性、统计决策中的点估计问题、区间估 司期和设拾验间题。(B2D1) 握贝叶斯计算方法 ,其中包括马氏链蒙特卡罗法、直接抽样法、Gibbs抽样 Metropolis-Hasting算法等。 (B2,B3,D1) 章节 教学纳容（要 学时 救学形式 作业及考核课程思政融对应课程 点) 要求 入点 标 培养学生 教学纳容进度 第一章 先验分布与后 丝不苟认真 安排及对应课 (1-3周) 验分布 9 课堂教学 习题+上机 程目标(Class 道的工作 课程目标 作风 Schedule& 培养学生一 楚一音 Course 4-6周 贝叶斯准断 9 课堂教学 习题+上机 丝不简认真课程目标 谨的工作 Objectives) 作 培养学生一 第三章 先验分布的确 7-8周)定 6 课堂教学 丝不苟、认真课程目标 习题+上机 严谨的工附1.2 作风*课程简介（英 文） （Description） Bayesian statistics is an important modern statistical school. It has distinct characteristics and methods dealing with problems. This course focuses on the theory, methods and basic concept of Bayesian statistical inference. At the same time, we will introduce the similarities and differences between Bayesian statistics method and classical statistics method. Through the study of this course, students can gain some thoughts of Bayesian statistics, especially some special methods and corresponding theories. The main contents of the course are prior and posterior distribution, Bayesain inference, profit, loss and utility in decision-making, Bayesian decision theory, statistical decision theory, Bayesian computation, etc. Through the study of this course, students can understand the basic concepts and ideas of Bayesian statistics, also understand the connection and difference between Bayesian statistics and classical statistics. More importantly, students can learn some special methods from Bayesian statistics to analyze and solve problems. 课程目标与内容（Course objectives and contents） *课程目标 (Course Object) 1．了解贝叶斯统计基本观点及其基本学术思想的内涵、了解贝叶斯统计中的 三种信息：掌握贝叶斯公式的密度函数形式、共轭先验分布的计算及其优缺点、 超参数的确定方法；了解多参数模型和充分统计量。（B1,B2,D1） 2．熟练掌握参数估计的贝叶斯方法、估计量的误差分析、最大后验密度的可 信区间，掌握贝叶斯基本假设的含义、检验方法的一般步骤，了解贝叶斯预测 和似然原理。（B2,D1） 3．掌握决策问题的三要素、决策准则、先验期望准则及其性质，了解常用的 损失函数、损失函数下的悲观准则和先验期望准则，理解效应和效应函数、常 用的效应曲线和效应的测定方法，以及效应曲线在决策中的应用。（B2,D1） 4．掌握贝叶斯决策的基本概念、后验风险、决策函数和后验风险准则，熟练 掌握平方损失函数和线性损失函数下参数的贝叶斯估计。（B2,D1） 5．掌握风险函数、决策函数的最优性、统计决策中的点估计问题、区间估计 问题和假设检验问题。（B2,D1） 掌握贝叶斯计算方法，其中包括马氏链蒙特卡罗法、直接抽样法、Gibbs 抽样、 Metropolis-Hasting 算法等。（B2,B3,D1） *教学内容进度 安排及对应课 程目标 (Class Schedule & Requirements & Course Objectives) 章节 教学内容（要 点） 学时 教学形式 作业及考核 要求 课程思政融 入点 对应课程目 标 第一章 （1-3 周） 先验分布与后 验分布 9 课堂教学 习题+上机 培养学生一 丝不苟、认真 严谨的工作 作风 课程目标 1 第二章 （4-6 周） 贝叶斯推断 9 课堂教学 习题+上机 培养学生一 丝不苟、认真 严谨的工作 作风 课程目标 2 第三章 （7-8 周） 先验分布的确 定 6 课堂教学 习题+上机 培养学生一 丝不苟、认真 严谨的工作 作风 课程目标 1、2