佐治亚理工学院研究生贝叶斯统计考点有总结吗？

佐治亚理工学院研究生贝叶斯统计课程介绍了贝叶斯统计推断及其应用。针对这门课的考试，我们总结了一些可能会考到的知识点，希望能有助于同学复习。

一、贝叶斯统计考试重点

1、贝叶斯与经典统计学。

2、事件和概率；独立性，条件概率；贝叶斯公式；基本贝叶斯网络。

3、基本分布(模型和参数、联合和条件分布)；贝叶斯定理；共轭情况下的贝叶斯推理(贝叶斯估计、可信集合、贝叶斯检验、贝叶斯预测)；经验贝叶斯(参数方法、非参数方法)。

4、贝叶斯计算(数值方法、MCMC方法)；Metropolis算法；吉布斯采样。

5、图形模型；层次模型；贝叶斯线性模型(贝叶斯单因素和双因素方差分析、STZ和CR约束、贝叶斯多元回归)；广义线性模型、逻辑回归和泊松回归、多项式回归、多层模型。

6、模型构建和选择；模型检验(拟合优度、偏差信息标准、后验预测检验)。

二、贝叶斯统计复习目标

同学需要通过复习精通以下内容：

1、给定一个真实的数据集，选择一个合适的统计模型来进行推断，用概率分布(先验)来表达任何先验信息，并理解所进行的推断意味着什么。

2、除了理解概念和能够为手头的问题选择正确的方法之外，还应该实践方法并交付明确的结果。

3、连贯地整合信息并进行推断。

贝叶斯数据建模方法的核心是马尔可夫链蒙特卡罗方法。虽然你在课程中接触到了MCMC的理论概念，并且可能讨论了一些示例，但是考试不会涉及数学和算法的细节，也不会考察建立有效的MCMC链所需的建模。总的来说，同学一定要掌握上述佐治亚理工学院研究生贝叶斯统计考试重点，从而做好充分的复习准备。