统计学建模导论ST117

课程内容：

本课程介绍了统计学思维、建模和推断。其核心是统计学模型和相关的似然函数概念，以及如何通过操作这些概念来获得严谨的推断。

本课程是统计学专业学生的必修课，其他专业的学生也可以选修。这门课对于后续所有统计学课程的学习都有帮助。

课程目标：

1、向学生介绍统计思维、不确定情况下的形式推理以及统计模型的规范。

2、为基于可能性的统计推断奠定基础。

3、将数学模型和推论与现实结果联系起来，并提供有效沟通的实践。

4、介绍现代数据科学所需的计算工具和概念。

5、考虑数据集的收集、选择或预处理如何影响统计分析的结果。

6、传达数据和信息生成、解释和传播过程中产生的基本道德概念。

课程大纲：

本课程将介绍现代统计学这一跨学科领域。课程内容包括：针对不同数据集的适当统计模型的说明、基于模型的统计推断的数学基础以及推断结果的解释和交流。本课程将介绍R计算语言，并将其作为贯穿始终的示例工具包。

学习成果：

在课程结束时，学生应能够：

1、为简单数据集描述合适的概率模型和相关似然函数。

2、根据简单模型和观测数据计算未知参数的估计值及其相关不确定性。

3、以图形方式比较模型预测和观测数据。

4、描述简单统计模型的基本建模假设。

5、解释模型输出，为决策或进一步实验提供信息。

6、充分了解R编程环境，能够编写简单的脚本来完成计算或数据可视化任务。

7、讨论数据收集/选择、统计分析以及结果解释和交流中的道德问题。

8、应用团队合作流程整合团队成员的想法，将复杂任务分解为多个部分，并客观评估彼此的贡献。