英国Markov Chain Monte Carlo马尔可夫链蒙特卡洛MCMC补习

可以单独辅导Markov Chain Monte Carlo马尔可夫链蒙特卡洛这门课程。

作为统计学中的一种计算方法，MCMC也是很多留学生的学习重点以及难点。其实这门课程我们也是辅导过非常多的同学，积累了很多的辅导经验，不论是课程知识点还是有涉及到作业，我们都是可以辅导的。

自1980年代末以来，MCMC已广泛用于统计领域，其应用范围也在不断扩大。 本课程将介绍MCMC方法，特别是Metropolis-Hastings算法，它是所有MCMC的基础。 将通过众多示例详细讨论MCMC的实现。

接着我们来说一下英国曼彻斯特大学的这门课程：

教学大纲

简介：贝叶斯统计，马尔可夫链。

Gibbs Sampler：数据增强，老化，融合。

Metropolis-Hastings算法：独立采样器，Metropolis随机游走，缩放，多模式。

MCMC问题：蒙特卡洛错误，重新参数化，混合算法，收敛性诊断。

完美的模拟。

可逆跳转MCMC：参数数量未知。

近似贝叶斯计算：基于模拟的推理。

最终会有笔试的考核，所以要求同学们要掌握以下的技能以及知识：

1.应用各种MCMC算法，如大都会-黑斯廷斯算法和吉布斯采样器，从复杂分布中获取样本，并用于标准问题中的参数估计，如回归建模;

2.将近似贝叶斯计算算法用于各种问题的参数估计，包括群体遗传模型;

3.用文字描述各种算法，也可以通过统计软件实现算法;

4.使用诊断方法评估算法的性能，并在必要时解释如何提高性能;

5.制定MCMC/ABC算法以执行模型选择。

同学需要辅导Markov Chain Monte Carlo马尔可夫链蒙特卡洛的知识以及作业可以先联系我们客服老师咨询，如果同学面临考试，我们也可以对于这部分的知识做一个考前的突击辅导。