英国Statistical Computing统计计算补习

我们可以辅导英国Statistical Computing统计计算的课程以及MCMC的作业。

同学是想优先辅导作业吗，是完全可以的，我们可以先安排老师辅导一下同学的作业，老师会在课上帮助同学讲解一下作业的写作思路，后续可以联系班主任老师安排课程的辅导事宜。

计算机是现代统计学家的宝贵工具。 计算机功能的增强极大地增加了推理方法的范围和可以分析的模型类型。 这导致了许多计算密集型统计方法的发展，其中许多将在本课程中介绍。

首先我们了解一下这门课程的教学大纲：

关于这门课程的介绍

模拟随机变量：cdf的反转; 剔除采样; 转变; 制服比例。

蒙特卡洛积分

减少方差：重要性抽样; 控制变量。

非参数自举方法; 折刀。

非线性回归：模型规格; 最小二乘估计 高斯-牛顿算法。

EM算法：数据扩充; 多项式模型 混合分布，审查数据，蒙特卡洛EM。

成功完成本课程单元后，学生将能够：

构造算法以使用多种方法从概率分布中模拟随机观测值，并数学解释它们为何起作用;

构造和推导蒙特卡洛估计量的统计属性，以及试图减少方差的替代方法;

应用引导程序为样本估计值分配准确度度量，并在某些简单情况下通过分析得出其统计属性;

识别非线性回归模型，并能够制定高斯-牛顿算法以从数据中找到参数估计值;

当样本信息不完整时，使用EM算法查找某些给定上下文中参数的最大似然估计;

使用统计软件R在计算机上实现模块中讨论的方法(并进行简单的模拟研究)。

由于这门课程有三份作业以及一次老师，各占据50%，所以同学们一定要认真地对待Statistical Computing统计计算的作业，用心完成，如果课程学习遇到问题或者有作业需要辅导，可以联系我们客服老师咨询相关辅导。我们可以帮助同学解决学业难题。