本门课介绍了贝叶斯统计的基本知识,包括三个主体部分:后验分布的计算,贝叶斯统计推断和先验分布的确定。第一部分主要包含后验分布的计算尤其是共轭先验分布下后验分布的计算问题;第二部分主要讨论了贝叶斯点估计,可信区间及最大后验密度可信集,贝叶斯假设检验,以及贝叶斯预测;第三部分的主要内容是先验分布的几种确定方法,尤其是重点讨论了无信息先验分布。梅教授在教学中深刻比较了频率学派和贝叶斯学派对相同问题的不同或相通的观点,让人眼前一亮,受益匪浅。
01 绪论
02 后验分布的计算
03 共轭先验分布的特点(一)
04 共轭先验分布的特点(二)
05 共轭先验分布的特点(三)
06 超参数及其确定
07 贝叶斯统计推断的条件方法
08 参数的贝叶斯点估计(一)
09 参数的贝叶斯点估计(二)
10 参数的贝叶斯点估计(三)
11 参数的贝叶斯点估计(四)
12 参数的贝叶斯区间估计(一)
13 参数的贝叶斯区间估计(二)
14 可信区间与最大后验密度可信集(一)
15 可信区间与最大后验密度可信集(二)
16 可信区间与最大后验密度可信集(三)
17 可信区间与最大后验密度可信集(四)
18 经典假设检验与贝叶斯假设检验
19 贝叶斯因子(一)
20 贝叶斯因子(二)
21 简单假设对简单假设
22 复杂假设对复杂假设(一)
23 复杂假设对复杂假设(二)
24 简单原假设对复杂备择假设(一)
25 简单原假设对复杂备择假设(二)
26 简单原假设对复杂备择假设(三)
27 简单原假设对复杂备择假设(四)
28 简单原假设对复杂备择假设(五)
29 预测(一)
30 预测(二)
31 预测(三)
32 似然原理(一)
33 似然原理(二)
34 似然原理(三)
35 主观概率
36 利用先验分布信息确定先验分布
37 利用边缘分布m(x)确定先验分布(一)
38 利用边缘分布m(x)确定先验分布(二)
39 利用边缘分布m(x)确定先验分布(三)
40 利用边缘分布m(x)确定先验分布(四)
41 无信息先验分布(一)
42 无信息先验分布(二)
43 无信息先验分布(三)
44 无信息先验分布(四)
45 无信息先验分布(五)
46 无信息先验分布(六)
47 多层分布(一)
48 多层分布(二)