【正文】 第八章：MCMC中的深入論題核心要點167。1. 輔助變量方法167。2. 可逆跳躍MCMC167。3. 完美抽樣167。4. 馬爾可夫隨機域上的MCMC 算法167。5. 馬氏鏈極大似然第九章：Bootstrap 方法核心要點167。1. Bootstrap的基本原則167。2. 非參數(shù)Bootstrap和參數(shù)化Bootstrap方法167。3. 基于Bootstrap回歸的方法167。4. Bootstrap推斷167。5. 縮減Monte Carlo誤差167。6. Bootstrap近似的階167。7. 置換檢驗第十章：非參密度估計核心要點167。1. 績效度量167。2. 核密度估計167。3. 非核方法167。4. 多元方法第十一章：二元光滑方法核心要點167。1. 預測響應數(shù)據(jù)167。2. 線性光滑函數(shù)167。3. 線性光滑函數(shù)的比較167。4. 非線性光滑函數(shù)167。5. 置信帶167。6. 一般二元數(shù)據(jù)第十二章：多元光滑方法核心要點167。1. 多元預測響應數(shù)據(jù)光滑方法167。2. 一般多元數(shù)據(jù)光滑方法教學方式: 課堂講授、分組討論考核方式: 開卷考試，編寫任意一種算法的程序并進行模擬實驗或者完成部分書后習題。平時成績包括習題討論，內(nèi)容演講，編寫程序等方面的考核，平時成績占60%。臠龍訛驄椏業(yè)變墊羅蘄囂馱廣閏駙孫。教材(含經(jīng)典學術(shù)名著)及參考文獻(含境內(nèi)外學科主流名刊)：Geof H. Givens等著，王兆軍等譯. 計算統(tǒng)計. 北京：人民郵電出版社, 2009.Sheldon ，王兆軍等譯. 統(tǒng)計模擬. 北京：人民郵電出版社，2007.Geof H. Givens等著. Computational Statistics. Wiley, 。Annals of StatisticsJournal of the Royal Statistical SocietyJournal of the American Statistical AssociationBiometrikaComputational Statistics and Data AnalysisJournal of Computational and Graphical StatisticsCommunications in Statistics—Simulation and Computation穡釓虛綹滟鰻絲懷紓濼視嬌賭謗駔墮。The Statistician對任課教師的要求:大綱撰寫人: 張淑梅《隨機過程》教學大綱課程中文名稱：隨機過程課程英文名稱：Stochastic Processes總學時: 36 學分: 2適用專業(yè)(學科方向): 統(tǒng)計學、應用統(tǒng)計先修課程(含已具備的學識基礎(chǔ)的要求): 概率論教學目標:通過本課程的學習，使學生掌握經(jīng)典隨機過程模型的理論和方法，能應用相關(guān)隨機模型進行實際數(shù)據(jù)的建模，模擬，擬合和推斷等。隸誆熒鑒獫綱鴣攣駘賽澇鈧籜軍驢該。預期效果: 掌握經(jīng)典隨機過程模型的理論和方法及其模擬、推斷。主要內(nèi)容: 泊松過程和一般點過程，離散時間參數(shù)馬氏鏈，更新過程，連續(xù)時間參數(shù)馬氏鏈和一般馬氏過程，馬爾科夫更新過程，布朗運動與其它擴散過程。根據(jù)學生的基礎(chǔ)可適當增減學習內(nèi)容。浹繢膩叢著駕驃構(gòu)碭湊農(nóng)瑤帳結(jié)駁噴。主要章節(jié)：第一章 介紹 Kolmogrov 相容性原理 隨機過程可分、可測性 停時，Laplace變換第二章 泊松過程 泊松過程的性質(zhì) 非時齊泊松過程 復合泊松過程 有限點過程和一般標值點過程似然 雙隨機點過程 點過程模擬算法第三章 更新過程 更新報酬過程 再生過程第四章 離散時間參數(shù)馬氏鏈 Kolmogorov 方程 狀態(tài)分類 遍歷和周期馬氏鏈 生滅過程 分支過程第五章 連續(xù)時間參數(shù)馬氏鏈 Kolmogorov 方程 常返性與遍歷性 吸收馬氏鏈 階段型分布 均勻化 可逆連續(xù)時間參數(shù)馬氏鏈，連續(xù)時間參數(shù)馬氏鏈的條件模擬 一般馬氏過程第六章 馬爾科夫更新過程和半再生過程介紹 馬爾科夫更新方程 半馬氏過程及相關(guān)報酬過程 半再生過程第七章 布朗運動與其它擴散過程 布朗運動 Ito公式與隨機微分方程 多維Ito公式教學方式: 課堂講授、分組討論考核方式: 開卷考試，實際數(shù)據(jù)分析或者完成部分書后習題。平時成績包括習題討論，內(nèi)容演講，編寫程序等方面的考核，平時成績占60%。鈀燭罰櫝箋礱颼畢韞糲銨鵬駱隸驅(qū)訛。教材及參考文獻：1． Ross，S. M. (2007) 應用隨機過程. 英文版第九版，人民郵電出版社.2． 錢敏平，龔光魯 (1997) 隨機過程論. 北京大學出版社.3． Cox, D. R. and Isham, D. R. (1980) Point Process. Chapman and Hall. 愜執(zhí)緝蘿紳頎陽灣熗鍵艤訥贓棧馴嘆?！稌r間序列分析》教學大綱課程中文名稱：時間序列分析課程英文名稱：Time Series Analysis總學時: 36 學分: 2適用專業(yè)(學科方向): 統(tǒng)計學先修課程(含已具備的學識基礎(chǔ)的要求):概率論與數(shù)理統(tǒng)計,隨機過程教學目標:掌握時間序列的基本定理,常用的時序模型(包括:線形和非線性模型),并會使用一門統(tǒng)計軟件分析時間序列數(shù)據(jù)貞廈給鏌綞牽鎮(zhèn)獵鎦龐朮戧籩賂馱見。預期效果:學生較熟練使用時序的相關(guān)理論和模型,對實際時序數(shù)據(jù)進行統(tǒng)計建模分析主要內(nèi)容: 從兩個研究角度入手:,譜域內(nèi)容主要有第七,。主要章節(jié)：第一章：引言核心要點引入時間序列的概念,常見分類已經(jīng)應用背景167。1. 應用背景167。2. 應用分類第二章：時間序列的時域描述方法核心要點時間序列定義,平穩(wěn)時間序列,有限參數(shù)模型167。1. 時間序列實例167。2. 趨勢項和季節(jié)項的估計和分離167。3. 時間序列與隨機過程167。4. 平穩(wěn)時間序列167。5. 線性差分方程第三章：有限參數(shù)模型核心要點ARMA模型,ARIMA模型,乘積模型,常見的非線性模型167。1. 自回歸模型167。2. 滑動平均模型167。3. 自回歸滑動平均混合模型167。4. 趨勢與求和模型167。5. 周期與乘積模型167。6. 回歸與自回歸混合模型167。7 常見幾種非線性時間序列模型第四章：時間序列的時域統(tǒng)計分析核心要點平穩(wěn)序列的樣本均值,樣本自協(xié)方差函數(shù),樣本自相關(guān)函數(shù),樣本偏相關(guān)函數(shù)參數(shù)的矩估計,極大似然估計等薊鑌豎牘熒浹醬籬鈴騫違紗駑緩馬蝕。167。1. 平穩(wěn)序列均值估計167。2. 自協(xié)方差,自相關(guān)和偏相關(guān)函數(shù)的估計167。3. 自回歸模型擬合167。167。5. 自回歸滑動平均模型擬合167。6. 求和模型與季節(jié)模型的處理方法167。7. 廣義ARMA模型167。8. 回歸與自回歸混合模型的處理方法167。9. 其它時序模型的統(tǒng)計方法第五章：時間序列的預報核心要點最小方差預報,平穩(wěn)線性預報167。1. 最小方差估計與線性最小方差估計167。2. 平穩(wěn)序列的預報167。3. ARMA模型及其它模型中序列的預報方法167。4. 新息預報第六章：具有異方差特征的時間序列處理方法核心要點 BoxCox變換,ARCH模型,GARCH模型167。1. 異方差的概念167。2. 異方差的檢驗167。3. 幾種處理時序中異方差的方法第七章：時間序列的頻域描述方法核心要點自協(xié)方差函數(shù)的譜表示167。1. 平穩(wěn)序列自協(xié)方差函數(shù)的譜表示167。2. 平穩(wěn)時間序列的譜表示第八章：時間序列的頻域統(tǒng)計分析核心要點周期圖，F(xiàn)ourier變換167。1. 離散Fourier變換167。167。3. 隱含周期項的檢測方法167。4. 自回歸譜估計、滑動平均譜估計和極大似然譜估計第八章：多元時間序列核心要點 VAR模型167。1. 多元平穩(wěn)時間序列167。2. 均值與自協(xié)方差函數(shù)的估計167。3. VAR模型的統(tǒng)計方法167。4. 多元平穩(wěn)序列的譜分析教學方式: 在講授理論時，輔助一統(tǒng)計軟件。以老師講授為主，學生討論為輔?？己朔绞? 考試教材(含經(jīng)典學術(shù)名著)及參考文獻(含境內(nèi)外學科主流名刊)：《時間序列分析》，安鴻志編著，華東師范大學出版社?！稌r間序列的理論與方法》，J. Brockwell ，田錚譯，Springer出版社齡踐硯語蝸鑄轉(zhuǎn)絹攤濼絡減貽顏饌農(nóng)。對任課教師的要求: 博士，學過時間序列分析等相應的課程。大綱撰寫人: 李慧孫永強《抽樣技術(shù)與市場調(diào)查》教學大綱課程中文名稱：《抽樣技術(shù)與市場調(diào)查》課程英文名稱：Sampling Technique and Market Survey總學時: 36 學分: 2適用專業(yè)(學科方向): 統(tǒng)計學及相關(guān)專業(yè)先修課程(含已具備的學識基礎(chǔ)的要求):高等代數(shù)、微積分、概率論、統(tǒng)計學教學目標:通過理論學習和實踐訓練，使學生具備組織、設計一項抽樣調(diào)查的能力，同時具備撰寫一份完整的調(diào)查報告的能力。紳藪瘡顴訝標販繯轅賽憮賄豎毆饉蒞。預期效果:通過理論學習和實踐鍛煉，實現(xiàn)教學目標。主要內(nèi)容: 主要章節(jié)：第一講緒論一、抽樣調(diào)查的定義二、抽樣調(diào)查的發(fā)展史三、抽樣調(diào)查的應用及其實施程序簡介四、幾組基本概念概率抽樣與非概率抽樣抽樣誤差與非抽樣誤差均方誤差、方差、偏倚（Bias）誤差限與置信度精度與費用其它基本概念第二章簡單隨機抽樣一、簡單隨機抽樣的定義與抽樣方法簡單隨機抽樣的定義簡單隨機抽樣的方法二、各種估計量及其性質(zhì)不放回簡單隨機抽樣的總體均值與總體總量的簡單估計（1）總體均值的簡單估計量（2）總體總量的簡單估計量（3）總體均值與總體總量的簡單估計量的性質(zhì)總體比例（成數(shù)）的簡單估計（1）成數(shù)P（2）成數(shù)P的簡單估計量（3）P的簡單估計量的性質(zhì)（4）P的置信區(qū)間三、樣本量的確定影響樣本量確定的主要因素估計總體均值時樣本量的確定方法估計總體比例時樣本量的確定方法確定樣本量時總體參數(shù)的預先估計方法四、設計效應deff 的定義deff 的作用第三章分層隨機抽樣一、定義及相應標記分層抽樣分層隨機抽樣相應標記二、分層抽樣的簡單估計量及其性質(zhì)總體總量和總體均值的簡單估計量總體比例的簡單估計量三、各層樣本量的分配分層的幾種方法按比例分配最優(yōu)分配（optimum allocation）Neyman分配某些層需要進行大于100%抽樣的修正四、總樣本量的確定分層隨機抽樣n的決定因素調(diào)查目標為總體均值時樣本量的確定調(diào)查目標為Y 時樣本量的確定調(diào)查目標為總體比例P時，n的確定給定費用CT時樣本量的確定五、分層時的若干問題分層界限的確定層數(shù)的確定分層隨機抽樣的效果分析事后分層（poststratification）子總體的估計定額抽樣（quota sampling）第四講比估計、回歸估計與二重抽樣一、問題引出二、比估計相關(guān)定義比估計量的性質(zhì)比估計與簡單估計的比較三、回歸估計定義 β為常數(shù)時，回歸估計量的性質(zhì)β為樣本回歸系數(shù)n大時，回歸估計（β＝b）、比估計及簡單估計的方差比較四、分層比估計與分層回歸估計分別比估計與分別回歸估計聯(lián)合比估計與聯(lián)合回歸估計分別與聯(lián)合的比較五、二重抽樣引入引入原因二重抽樣（double sampling)定義與兩階段抽樣的比較作用二重抽樣估計量求均值與方差的一般公式六、為分層的二重抽樣二重分層抽樣選樣方法二重分層抽樣估計量及其性質(zhì)七、為比估計與回歸估計的二重抽樣抽樣步驟方法二重抽樣的比估計量及其性質(zhì)二重抽樣的回歸估計量及其性質(zhì)八、二重抽樣中樣本量的最優(yōu)分配問題的引出二重分層抽樣中樣本量的最優(yōu)分配二重比估計與回歸估計時樣本量的最優(yōu)分配第五講不等概抽樣一、概述現(xiàn)實中的問題不等概抽樣的定義不等概抽樣的種類不等概抽樣的評價不等概抽樣的應用二、放回不等概抽樣（PPS抽樣）多項抽樣與PPS抽樣多項抽樣的方法估計量及其性質(zhì)三、不放回不等概抽樣（πPS抽樣）包含概率與πPS抽樣HorvitzThompson估計量及其性質(zhì)n不同情況下的嚴格πPS抽樣四、案例分析第六講整群抽樣一、概述基本概念整群抽樣實施中的問題整群抽樣特點二、群大小相等時的估計符號說明估計量及其性質(zhì)群內(nèi)相關(guān)系數(shù)及其性質(zhì)設計效應分析三、整群時總體比例的估計引入群大小相等時P的估計群大小不等時P的估計四、群大小不等時的估計群大小不等時的處理方法相關(guān)標記的說明簡單隨機抽樣——簡單估計等概抽樣——加權(quán)估計簡單隨機抽樣——比估計與群規(guī)模成比例的不等概抽樣第七講二階及多階抽樣一、概述二階抽樣多階抽樣的實施多階段抽樣的特點二階抽樣的推斷原理二、初級單元大小相等的二階抽樣假設及標記說明估計量及其性質(zhì)總體比例的估計量及其性質(zhì)三、初級單元大小不等的二階抽樣問題的引入相關(guān)標記說明3