英国伦敦大学伯贝克学院研究生Computational statistics课程重点难点整理

英国伦敦大学伯贝克学院研究生Computational statistics课程旨在向学生介绍统计的现代计算方法，这些方法在过去30年中对统计实践产生了巨大的影响。这些方法，有时称为蒙特卡罗方法，是计算密集型方法，这种方法的广度及其应用非常广泛。我们整理了这门课程的重点难点，详情如下。

一、重点难点整理

1、统计推断中模拟的用途和目的

2、伪随机数

3、随机变量的产生：原理、技术和实例

4、从任意分布中获得随机样本的反演和剔除方法(给定均匀随机样本)

5、二项式、泊松、伽马和正态分布的应用

6、方差缩减方法

7、随机测试

8、自助法和刀切法：用于估计的自助、自助置信集和假设检验

9、EM算法及其用途：应用实例，实现问题

10、非参数回归、平滑和核密度估计

二、课程学习目标

1、了解和理解统计推断背景下的模拟理论、技术和计算方法；

2、了解和理解重采样技术(如bootstrap)的理论和应用；

3、了解和理解现代非参数建模中涉及的理论和实际问题；

4、能够明智地利用一系列现代计算密集型技术和算法，对统计数据进行建模和推断；

5、编程和使用高级数学和统计软件来执行计算密集型统计方法；

6、将技术分析的结果整合到非专业人员也能理解的清晰书面报告中。

综上所述，英国伦敦大学伯贝克学院研究生Computational statistics课程旨在让学生理解和欣赏上述方法背后的许多思想，说明了如何将这一系列方法应用于实践当中。同学若想让老师解答课程相关的任何问题，随时可以联系我们。