Course Information:
- General description. 本课程将主要使用R统计环境来介绍现代统计计算的内容, 将着重于统计之上的计算机计算问题和程序设计之上的算法问题. 课程内容包括R(S)语言, R统计软件, 随机数的产生, Monte Carlo积分, 估计和假设检验中的Monte Carlo方法, Bootstrap 和 Jacknife 方法, EM方法, Monte Carlo 马尔科夫链以及R软件中的数值方法等. 除此之外, 我们还将介绍科技论文排版系统 LaTeX系统相关内容, 以及MatLab和SAS软件的入门操作.
- Prerequisites. 高等数学,线性代数,概率论, 数理统计, (随机过程, 回归分析, 多元统计分析)等
- Textbook. 自编讲义以及Maria L. Rizzo, Statistical Computing with R, Chapman & Hall.
- Course Hours. 周一(6,7,8), 14:00-16:25
- Office hours. AM 9:00-12:00, PM 2:30- 6:00
- Assignments & tests.作业题目见课程主页, 所有作业请按时以pdf格式发送相应的给助教老师,将有中期测评.
- Course grade. 课程最终成绩由以下决定: 15/100 作业; 10/100 课堂问题与出勤; 15/100的中期测评以及60/100期终考试
- 上机时间: 第8-18(双周)周三下午2:00-5:30, 地点:管理学院大楼3楼 307, 303, 306室.
- 考试时间: 12月28日下午2:00-4:00, 地点:东区1202(上课教室)
课件及讲义 作业模板 - 第一讲: R语言基础(一)
- 第二讲:R语言基础(二)
- 第三讲: LaTeX科技论文排版系统
- 第四讲: 随机数产生方法
- 第五讲: Monte Carlo 积分和方差减少技术
- 第六讲: Monte Carlo 方法在统计推断中的应用
- 第七讲: Boostrap方法和Jackknife方法
- 第八讲: Markov Chain Monte Carlo (一)
- 第九讲: Markov Chain Monte Carlo (二)
- 中期Project题目 可供选择的一部分题目
- 第十讲: EM 算法
- 第十一讲: R中的数值优化方法
- 讲义,R Code
- 作业,作业LaTeX文件
- 阅读材料:
- 详细的数值优化方法请参考 Nocedal, J. and Wright, S. J. (1999) Numerical Optimization. Springer.
- 第十二讲: MatLab 介绍(一)
- 第十三讲: MatLab 介绍(二)
- 第十四讲: SAS 介绍
|