东北大学：某学院应用统计学专业《贝叶斯统计》课程教学大纲

贝叶斯统计教学大纲Bayes StatisticsSubjectSyllabus，课程信息SubjectInformation课程编号：开课学期：53100313014Subject IDSemester课程分类：所属课群：专业方向类课程CategorySection课程学分：总学时/周：402.5Credit PointsTotal Hours/Weeks理论学时：实验学时：400LECT. HoursEXP. HoursPBL学时：实践学时/周：00PBL HoursPRAC.Hours/Weeks开课学院：适用专业：数学与统计学院应用统计学 ASCollegeStream课程属性：课程模式：选修Elective自建NEUModePattern中方课程协调人成绩记载方式：张丽超百分制MarksNEU CoordinatorResult Type先修课程统计学导论，概率论与随机变量Requisites英文参考教材Bayesian Data Analysis, New York: Chapman and Hall. Gelman, AENTextbooksetc.(2003)中文参考教材贝叶斯统计，诗松等，2012CN Textbooks教学资源：Resources课程负责人(撰写人)提交日期：单击或点击此处输张丽超入日期。Subject DirectorSubmitted Date任课教师(含负责人)：张丽超Taught by审核人：批准人：韩鹏史闻博Checked byApproved by批准日期：单击或点击此处输入日期。ApprovedDate1/8

1 / 8 贝叶斯统计 教学大纲 Bayes Statistics Subject Syllabus 一、课程信息 Subject Information 课程编号: Subject ID 3100313014 开课学期: Semester 5 课程分类: Category 所属课群: Section 专业方向类课程 课程学分: Credit Points 2.5 总学时/周: Total Hours/Weeks 40 理论学时: LECT. Hours 40 实验学时: EXP. Hours 0 PBL 学时: PBL Hours 0 实践学时/周: PRAC. Hours/Weeks 0 开课学院: College 数学与统计学院 适用专业: Stream 应用统计学 AS 课程属性: Pattern 选修 Elective 课程模式: Mode 自建 NEU 中方课程协调人: NEU Coordinator 张丽超 成绩记载方式: Result Type 百分制 Marks 先修课程: Requisites 统计学导论，概率论与随机变量 英文参考教材: EN Textbooks Bayesian Data Analysis, New York: Chapman and Hall. Gelman, A. etc.(2003) 中文参考教材: CN Textbooks 贝叶斯统计，茆诗松等，2012 教学资源: Resources 课程负责人(撰写人): Subject Director 张丽超 提交日期: Submitted Date 单击或点击此处输 入日期。 任课教师(含负责人): Taught by 张丽超 审核人: Checked by 韩鹏 批准人: Approved by 史闻博 批准日期: Approved Date 单击或点击此处输 入日期

二、教学目标SubjectLearningObjectives(SLOs)注：毕业要求及指标点可参照悉尼学院本科生培养方案，可根据实际情况增减行数Note: GA and index can be referred from undergraduate program in SSTC website. Please add/reduce lines based on subject通过本课程的教学，学生应掌握贝叶斯统计学的基本原理和利用贝叶斯统计进行估计的基本方法以及预测的基本技术，能够独立地从事简单问题的贝叶斯统计推断，为进一步的学习、研究打下良好的基础，并形成一定的应用能力。整体目标：Throughthe teaching of this course, students should masterthebasicOverall Objectiveprinciples of Bayesian statistics, the basic methods of Bayesianstatistics estimationandthebasictechnologyofprediction,and beableto engage in Bayesian statistical inference of simple problemsindependently, which lays a good foundation for further study andresearch,and forms a certain application ability了解贝叶斯学派的基本观点和基本思想，理解贝叶斯学派和经典统计学派的联系和区别。1-1Understand the basic ideas and basic ideas of the Bayesianschool,and understandtheconnection and differencebetweenthe Bayesian school and the classical statistical school理解贝叶斯统计中一些常用的概念：先验分布、后验分布、后验的核、共轭先验分布等基本概念：掌握贝叶斯统计的基本理论。1-2Understand some common concepts in Bayesian statistics（1）专业目标：prior distribution, posterior distribution, posterior kernel,Professional Abilityconjugate prior distribution and other basic concepts. Grasp thebasictheory of Bayesian statistics掌握后验分布的计算方法和确定先验分布的基本方法：掌握贝叶斯统计推断的基本估计方法。1-3Masterthe calculation method of posteriordistribution andthebasic method of determiningprior distribution; Master thebasicestimationmethodsof Bayesianstatistical inference掌握贝叶斯统计学中的决策三要素及决策准则。1-4Master the three factors of decision making and decisioncriteria in Bayesian statistics理解贝叶斯统计对于国家战略安全与国防的重要意义。2-1Understand the significant meanings of Bayesian statistics insecurityand national defense（2）德育目标：认知当前全球下一代数据挖掘发展前沿、关键技术及相关中Essential Quality国企业的核心竞争力。2-2Understand the technology development, key techniques andthe core competitiveness of Chinese companies in the area ofthe next generation data mining in the world课程教学目标与毕业要求的对应关系MatrixofGA&SLOs毕业要求GA教学目标SLOs指标点GAIndex1、工程知识：能够将数学、」指标点1-3：了解本专业涉及相关行业的1-1，1-2，2-22/8

2 / 8 二、教学目标 Subject Learning Objectives (SLOs) 注：毕业要求及指标点可参照悉尼学院本科生培养方案，可根据实际情况增减行数 Note: GA and index can be referred from undergraduate program in SSTC website. Please add/reduce lines based on subject. 整体目标: Overall Objective 通过本课程的教学，学生应掌握贝叶斯统计学的基本原理和利用贝 叶斯统计进行估计的基本方法以及预测的基本技术，能够独立地从 事简单问题的贝叶斯统计推断，为进一步的学习、研究打下良好的 基础，并形成一定的应用能力。 Through the teaching of this course, students should master the basic principles of Bayesian statistics, the basic methods of Bayesian statistics estimation and the basic technology of prediction, and be able to engage in Bayesian statistical inference of simple problems independently, which lays a good foundation for further study and research, and forms a certain application ability. （1）专业目标: Professional Ability 1-1 了解贝叶斯学派的基本观点和基本思想，理解贝叶斯学派和 经典统计学派的联系和区别。 Understand the basic ideas and basic ideas of the Bayesian school, and understand the connection and difference between the Bayesian school and the classical statistical school. 1-2 理解贝叶斯统计中一些常用的概念：先验分布、后验分布、 后验的核、共轭先验分布等基本概念；掌握贝叶斯统计的基 本理论。 Understand some common concepts in Bayesian statistics: prior distribution, posterior distribution, posterior kernel, conjugate prior distribution and other basic concepts. Grasp the basic theory of Bayesian statistics. 1-3 掌握后验分布的计算方法和确定先验分布的基本方法；掌握 贝叶斯统计推断的基本估计方法。 Master the calculation method of posterior distribution and the basic method of determining prior distribution; Master the basic estimation methods of Bayesian statistical inference. 1-4 掌握贝叶斯统计学中的决策三要素及决策准则。 Master the three factors of decision making and decision criteria in Bayesian statistics. （2）德育目标: Essential Quality 2-1 理解贝叶斯统计对于国家战略安全与国防的重要意义。 Understand the significant meanings of Bayesian statistics in security and national defense. 2-2 认知当前全球下一代数据挖掘发展前沿、关键技术及相关中 国企业的核心竞争力。 Understand the technology development, key techniques and the core competitiveness of Chinese companies in the area of the next generation data mining in the world. 课程教学目标与毕业要求的对应关系 Matrix of GA & SLOs 毕业要求 GA 指标点 GA Index 教学目标 SLOs 1、工程知识：能够将数学、 指标点 1-3：了解本专业涉及相关行业的 1-1，1-2，2-2

自然科学、工程基础和专业发展趋势以及相关产业的运营模式，具备在本专业相关领域进行工程设计、技知识用于解决复杂工程问题。术创新的能力。3、设计/开发解决方案：能指标点3-1：能够设计针对本专业相关复够设计针对复杂工程问题的杂工程问题的解决方案，能够设计和开1-4解决方案，设计满足特定需发实现特定功能、满足特定需求的信息求的系统、单元或流程，并传输、信号处理或网络通信系统；能够在设计环节中体现创新指标点3-3：能够在设计和开发的各个环意识，考虑社会、健康、安节中综合考虑社会、健康、安全、法律、1-3,1-4全、法律、文化以及环境等文化以及环境等因素。因素。4、研究：能够基于科学原理并采用科学方法对复杂工程指标点4-3：能够追踪国际前沿技术动问题进行研究，包括设计实1-4, 2-1, 2-2态，掌握本专业涉及的重要技术指标以验、分析与解释数据、并通及达到指标所需的技术途径。过信息综合得到合理有效的结论。11、项目管理与金融：理解指标点11-1：掌握基本的工程管理原理并掌握工程管理原理与经济1-3,1-4和经济决策方法，能对通信相关领域的决策方法，并能在多学科环新技术、新应用进行技术分析和比较；境中应用。三、教学内容Content(Topics)注：以中英文填写，各部分内容的表格可根据实际知识单元数量进行复制、扩展或缩减Note: Flled in both CN and EN, extend or reduce based on the actual numbers ofknowledge unit(1)理论教学 Lecture知识单元序号：支撑教学目标11-1，2-1，2-2Knowledge Unit No.SLOs Supported知识单元名称预备知识PropaedeuticsUnit Title三种信息Threekindsofinformation贝叶斯公式Bayesformular知识点：共轭先验分布TheconjugatepriordistributionKnowledge Delivery超参数及其确定Hyperparametersandtheirdetermination多参数模型Multi-parametermodel充分统计量Sufficient statistic了解：三种信息Three kinds of informationRecognize先验信息的概念：贝叶斯公式的密度函数形式学习目标：理解：Concept of prior information; The density function formLearning ObjectivesUnderstandoftheBayesianformula掌握：伽马分布，贝塔分布，后验分布的求法，结合常用五Master种共轭先验分布、求解超参数的方法键的分类及特点3 / 8

3 / 8 自然科学、工程基础和专业 知识用于解决复杂工程问 题。 发展趋势以及相关产业的运营模式，具 备在本专业相关领域进行工程设计、技 术创新的能力。 3、设计/开发解决方案：能 够设计针对复杂工程问题的 解决方案，设计满足特定需 求的系统、单元或流程，并 能够在设计环节中体现创新 意识，考虑社会、健康、安 全、法律、文化以及环境等 因素。 指标点 3-1：能够设计针对本专业相关复 杂工程问题的解决方案，能够设计和开 发实现特定功能、满足特定需求的信息 传输、信号处理或网络通信系统； 1-4 指标点 3-3：能够在设计和开发的各个环 节中综合考虑社会、健康、安全、法律、 文化以及环境等因素。 1-3，1-4 4、研究：能够基于科学原理 并采用科学方法对复杂工程 问题进行研究，包括设计实 验、分析与解释数据、并通 过信息综合得到合理有效的 结论。 指标点 4-3：能够追踪国际前沿技术动 态，掌握本专业涉及的重要技术指标以 及达到指标所需的技术途径。 1-4，2-1，2-2 11、项目管理与金融：理解 并掌握工程管理原理与经济 决策方法，并能在多学科环 境中应用。 指标点 11-1：掌握基本的工程管理原理 和经济决策方法，能对通信相关领域的 新技术、新应用进行技术分析和比较； 1-3，1-4 三、教学内容 Content (Topics) 注：以中英文填写，各部分内容的表格可根据实际知识单元数量进行复制、扩展或缩减 Note: Filled in both CN and EN, extend or reduce based on the actual numbers of knowledge unit (1) 理论教学 Lecture 知识单元序号: Knowledge Unit No. 1 支撑教学目标: SLOs Supported 1-1，2-1，2-2 知识单元名称 Unit Title 预备知识 Propaedeutics 知识点: Knowledge Delivery 三种信息 Three kinds of information 贝叶斯公式 Bayes formular 共轭先验分布 The conjugate prior distribution 超参数及其确定 Hyperparameters and their determination 多参数模型 Multi-parameter model 充分统计量 Sufficient statistic 学习目标: Learning Objectives 了解: Recognize 三种信息 Three kinds of information 理解: Understand 先验信息的概念；贝叶斯公式的密度函数形式 Concept of prior information; The density function form of the Bayesian formula 掌握: Master 伽马分布，贝塔分布，后验分布的求法，结合常用五 种共轭先验分布、求解超参数的方法键的分类及特点

distribution,betadistribution,Gammaposteriordistribution method, combined with the commonly usedfivekinds of conjugate prior distribution, the method ofsolvinghyperparameterkeyclassificationandcharacteristics了解贝叶斯统计对于社会经济发展、国家安全的重要意义德育目标The significant meanings of Bayesian statistics in society developmentMoral Objectivesand national security重点：理解贝叶斯统计参数所表征的意义Key PointsThemeaningsof Bayesianstatisticsperformance难点：计算后验分布Focal pointsCalculate a posteriori distribution支撑教学目标：知识单元序号：21-2, 1-4Knowledge Unit NoSLOs Supported知识单元名称贝叶斯推断Bayesian inferencesUnit Title条件方法Conditionalmethods知识点：估计1EstimationKnowledge Delivery区间估计Intervalestimation假设检验Hypothesis test了解：条件方法Recognize学习目标：理解:估计，假设检验UnderstandLearning Objectives掌握：区间估计Master德育目标通过区间估计的正面与负面案例强化工程伦理与职业道德Moral Objectives重点：理解区间估计的计算方法Key Points难点：掌握如何使用三种估计Focal points知识单元序号：支撑教学目标31-2,1-3,1-4Knowledge Unit No.SLOs Supported知识单元名称先验分布的确定Unit TitleDeterminationofthepriordistribution主观概率Subjective probability利用先验信息确定先验分布知识点：Use prior information to determine prior distributionKnowledge Delivery利用边际分布m(x)确定先验密度The marginal distribution m(x) is used to determine the prior density无信息先验分布4/8

4 / 8 Gamma distribution, beta distribution, posterior distribution method, combined with the commonly used five kinds of conjugate prior distribution, the method of solving hyperparameter key classification and characteristics 德育目标 Moral Objectives 了解贝叶斯统计对于社会经济发展、国家安全的重要意义 The significant meanings of Bayesian statistics in society development and national security 重点: Key Points 理解贝叶斯统计参数所表征的意义 The meanings of Bayesian statistics performance 难点: Focal points 计算后验分布 Calculate a posteriori distribution 知识单元序号: Knowledge Unit No. 2 支撑教学目标: SLOs Supported 1-2，1-4 知识单元名称 Unit Title 贝叶斯推断 Bayesian inferences 知识点: Knowledge Delivery 条件方法 Conditional methods 估计 Estimation 区间估计 Interval estimation 假设检验 Hypothesis test 学习目标: Learning Objectives 了解: Recognize 条件方法 理解: Understand 估计, 假设检验 掌握: Master 区间估计 德育目标 Moral Objectives 通过区间估计的正面与负面案例强化工程伦理与职业道德 重点: Key Points 理解区间估计的计算方法 难点: Focal points 掌握如何使用三种估计 知识单元序号: Knowledge Unit No. 3 支撑教学目标: SLOs Supported 1-2，1-3，1-4 知识单元名称 Unit Title 先验分布的确定 Determination of the prior distribution 知识点: Knowledge Delivery 主观概率 Subjective probability 利用先验信息确定先验分布 Use prior information to determine prior distribution 利用边际分布 m(x)确定先验密度 The marginal distribution m(x) is used to determine the prior density 无信息先验分布

Non-informativeprior distribution多层先验Multilevel prior了解：主观概率、多层先验的基本概念Recognize学习目标：理解：先验信息确定先验分布的方法UnderstandLearning Objectives掌握：利用边际分布m(x)确定先验密度的方法Master德育目标认识“工程思维”：基于任务需求选择最适合的技术方法Moral Objectives重点：利用边际分布m(x)确定先验密度的方法Key Points难点：先验信息确定先验分布的解决思路Focal points(2）实验教学Experiments(3）课外实践教学PBL四、教学安排Teaching Schedule注：可根据实际情况增减行数Note: Please add/reduce lines based on subject学时(周)Hour(Week)教学内容TeachingContent实验课外实践集中实践理论LECT.EXP.PBLPRAC.预备知识2Propaedeutics三种信息2Threekinds of information贝叶斯公式2Bayes formular共轭先验分布；超参数及其确定2Conjugate prior distribution, Hyperparameters andtheir determination多参数模型2 Multi-parameter model充分统计量2Sufficient statistic习题课2Exercise class5/8

5 / 8 Non-informative prior distribution 多层先验 Multilevel prior 学习目标: Learning Objectives 了解: Recognize 主观概率、多层先验的基本概念 理解: Understand 先验信息确定先验分布的方法 掌握: Master 利用边际分布 m(x)确定先验密度的方法 德育目标 Moral Objectives 认识“工程思维”：基于任务需求选择最适合的技术方法 重点: Key Points 利用边际分布 m(x)确定先验密度的方法 难点: Focal points 先验信息确定先验分布的解决思路 (2) 实验教学 Experiments (3) 课外实践教学 PBL 四、教学安排 Teaching Schedule 注：可根据实际情况增减行数 Note: Please add/reduce lines based on subject. 教学内容 Teaching Content 学时(周) Hour(Week) 理论 LECT. 实验 EXP. 课外实践 PBL 集中实践 PRAC. 预备知识 Propaedeutics 2 三种信息 Three kinds of information 2 贝叶斯公式 Bayes formular 2 共轭先验分布；超参数及其确定 Conjugate prior distribution; Hyperparameters and their determination 2 多参数模型 Multi-parameter model 2 充分统计量 Sufficient statistic 2 习题课 Exercise class 2

习题课2Exercise class贝叶斯推断Bayesianinferences2条件方法Conditionalmethods2估计Estimation2区间估计Intervalestimation假设检验Hypothesistest2预测Prediction似然原理2Likelihood principle第三章先验分布的确定主观概率2利用先验信息确定先验分布Use prior information to determine prior distribution利用边际分布m(x)确定先验密度2The marginal distribution m(x) is used to determinethe prior density无信息先验分布2Non-informative prior distribution多层先验2Multilevel prior多层先验2Multilevel prior复习与习题讲解2Exercise class复习与习题讲解2Exercise class40总计Total五、教学方法TeachingMethodology注：可根据实际情况增减行数或修改内容Note: Please add/reduce lines or revise content based on subject勾选Check教学方法与特色TeachingMethodology&Characters多媒体教学：基于信息化设备的课堂教学团Multi-media-based lecturing实践能力传授：理论与行业、实际案例相结合团Combining theory with industrial practical problems课程思政建设：知识讲授与德育相结合口Knowledge delivery with ethic education团PBL教学：问题驱动的分组学习与交流6 /8

6 / 8 习题课 Exercise class 2 贝叶斯推断 Bayesian inferences 条件方法 Conditional methods 2 估计 Estimation 2 区间估计 Interval estimation 2 假设检验 Hypothesis test 预测 Prediction 2 似然原理 Likelihood principle 2 第三章 先验分布的确定 主观概率 利用先验信息确定先验分布 Use prior information to determine prior distribution 2 利用边际分布 m(x)确定先验密度 The marginal distribution m(x) is used to determine the prior density 2 无信息先验分布 Non-informative prior distribution 2 多层先验 Multilevel prior 2 多层先验 Multilevel prior 2 复习与习题讲解 Exercise class 2 复习与习题讲解 Exercise class 2 总计 Total 40 五、教学方法 Teaching Methodology 注：可根据实际情况增减行数或修改内容 Note: Please add/reduce lines or revise content based on subject. 勾选 Check 教学方法与特色 Teaching Methodology & Characters  多媒体教学：基于信息化设备的课堂教学 Multi-media-based lecturing  实践能力传授：理论与行业、实际案例相结合 Combining theory with industrial practical problems  课程思政建设：知识讲授与德育相结合 Knowledge delivery with ethic education  PBL 教学：问题驱动的分组学习与交流

Problem-basedlearning其他：单击或点击此处输入文字。口Other:单击或点击此处输入文字。六、成绩评定Assessment注：可根据实际情况增减行数或修改内容Note: Please add/reduce lines or revise content based on subject考核环节：环节负责人：平时Behavior张丽超DirectorAssessment Content给分形式课程总成绩比重(%):40百分制MarksResult TypePercentage (%)满分100分，使用学习通记录学生平时的课堂表现，每次考勤计10分，缺勤不得分，缺勤五次及以上取消考试资格。每次作业计考核方式10分，抄袭、给他人抄袭或未交作业不得分。每次课堂正确回答Measures问题计5分，每次课堂注意力不集中、影响课堂纪律等情况扣5分。最后总分不超过100分，不低于0分。考核环节：环节负责人：期末 Final张丽超Assessment ContentDirector给分形式：课程总成绩比重(%)：60百分制MarksResult TypePercentage (%)考核方式满分100分，通过批阅期末考试试卷给出学生成绩。Measures七、改进机制ImprovementMechanism注：未尽事宜以教学团队以及学院教学指导委员会商定为准。Note: Matters not covered in this file shall be determined by TAB of SSTC, NEU.教学大纲改进机制SubjectSyllabusImprovementMechanism考核周期(年)修订周期(年)44Check Period (YR)Revise Period (YR)课程负责人根据课程教学内容与人才培养目标组织课程团队讨论并修改教学大纲，报分管教学工作副院长审核后由执行院长批准。改进措施The subject coordinator shall beresponsibleforthe syllabusdiscussionMeasuresand improvement, and the revised version shall be submitted to deputydean (teaching affairs) for reviewing then to executive dean for7/8

7 / 8 Problem-based learning ☐ 其他:单击或点击此处输入文字。 Other:单击或点击此处输入文字。 六、成绩评定 Assessment 注：可根据实际情况增减行数或修改内容 Note: Please add/reduce lines or revise content based on subject. 考核环节: Assessment Content 平时 Behavior 环节负责人: Director 张丽超 给分形式: Result Type 百分制 Marks 课程总成绩比重(%): Percentage (%) 40 考核方式: Measures 满分 100 分，使用学习通记录学生平时的课堂表现，每次考勤计 10 分，缺勤不得分，缺勤五次及以上取消考试资格。每次作业计 10 分，抄袭、给他人抄袭或未交作业不得分。每次课堂正确回答 问题计 5 分，每次课堂注意力不集中、影响课堂纪律等情况扣 5 分。 最后总分不超过 100 分，不低于 0 分。 考核环节: Assessment Content 期末 Final 环节负责人: Director 张丽超 给分形式: Result Type 百分制 Marks 课程总成绩比重(%): Percentage (%) 60 考核方式: Measures 满分 100 分，通过批阅期末考试试卷给出学生成绩。 七、改进机制 Improvement Mechanism 注：未尽事宜以教学团队以及学院教学指导委员会商定为准。 Note: Matters not covered in this file shall be determined by TAB of SSTC, NEU. 教学大纲改进机制 Subject Syllabus Improvement Mechanism 考核周期(年): Check Period (YR) 4 修订周期(年): Revise Period (YR) 4 改进措施: Measures 课程负责人根据课程教学内容与人才培养目标组织课程团队讨论 并修改教学大纲，报分管教学工作副院长审核后由执行院长批准。 The subject coordinator shall be responsible for the syllabus discussion and improvement, and the revised version shall be submitted to deputy dean (teaching affairs) for reviewing then to executive dean for

approvement.成绩评定改进机制AssessmentImprovementMechanism修订周期（年)：考核周期（年)：11Check Period (YR)Revise Period (YR)课程负责人根据课程教学内容、课堂教学效果以及成绩分布，对课程教学方法和成绩评定环节进行改进，并同步优化评定办法。改进措施：The subject coordinator shall revise the syllabus based on the teachingMeasurescontent, effect and result distribution while optimize the assessmentmeasures.8/8

8 / 8 approvement. 成绩评定改进机制 Assessment Improvement Mechanism 考核周期(年): Check Period (YR) 1 修订周期(年): Revise Period (YR) 1 改进措施: Measures 课程负责人根据课程教学内容、课堂教学效果以及成绩分布，对课 程教学方法和成绩评定环节进行改进，并同步优化评定办法。 The subject coordinator shall revise the syllabus based on the teaching content, effect and result distribution while optimize the assessment measures