【Udemy中英字幕】Bayesian Computational Analyses with R

使用 R 进行贝叶斯计算分析

了解使用贝叶斯方法估计可能的事件结果的概念和实践。

讲师：Geoffrey Hubona, Ph.D.

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

了解贝叶斯概念，并获得大量使用 R 软件创建和估计贝叶斯模型的实际“实践”经验。
使用自己的数据有效地使用贝叶斯方法来估计可能的事件结果或概率。
能够使用 R 软件应用一系列贝叶斯函数，以便对单参数、多参数、共轭混合、多项式以及拒绝和重要性采样贝叶斯模型进行建模和估计。
在贝叶斯应用中理解和使用预测先验和预测后验。
能够比较和评估替代的、相互竞争的贝叶斯模型。

要求

学生需要安装 R 和 RStudio 软件，但课程材料中提供了足够的说明。

描述

使用 R 进行贝叶斯计算分析是一门关于使用 R 软件进行贝叶斯建模的使用和实现的入门课程。贝叶斯方法是“频率论”方法的一种替代方法，在“频率论”方法中，人们只需采集数据样本并推断总体的可能参数。相比之下，贝叶斯方法使用似然函数和观测数据样本（“先验”）来估计估计总体参数的最可能值和分布（“后验”）。该课程对任何希望学习贝叶斯概念的人都很有用，并且适合初级和中级贝叶斯学生以及贝叶斯实践者。它既是一门实用的“实践”课程，包含许多使用 R 脚本和软件的示例，而且是概念性的，因为该课程解释了贝叶斯概念。所有材料、软件、R 脚本、幻灯片、练习和解决方案都包含在课程材料中。具备一些基本的推论统计和概率论基础是很有帮助的。无需具备 R 经验，尽管它也很有帮助。

本课程首先介绍如何使用 R 和 R“脚本”（12 节视频课程）。介绍性部分旨在介绍 RStudio 和 R 命令，以便即使是新手 R 用户也能轻松使用 R。第 2 部分介绍贝叶斯规则，并提供贝叶斯估计中的离散先验和 beta 先验、预测先验和 beta 后验的示例。第 3 节解释并演示了贝叶斯估计在单参数模型中的使用，例如，当人们希望估计标准差的均值或（但不是两者）的最可能值时。第 4 节解释并演示了“共轭混合物”的使用。这些是单参数模型，其中先验和后验的函数形式相似（例如，均为正态分布）。但“混合”意味着先验或后验密度函数可能有多个分量。混合可以同时测试相互竞争的替代理论，以确定哪种理论更有可能。第 5 节讨论多参数贝叶斯模型，其中估计多个后验变量值的可能性，例如均值和标准差。第 6 节通过检查积分估计来扩展贝叶斯讨论以估计概率。第 7 节介绍了贝叶斯方法在拒绝和重要性抽样方面的应用，第 8 节着眼于比较和验证贝叶斯模型的示例。