包括WinBugs介绍

第一单元：
Markov Chain Monte Carlo Methods 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Integration problems in Bayesian inference . . . . . . 2
1.1.2 Markov Chain Monte Carlo Integration . . . . . . . 4
1.1.3 Markov Chain . . . . . . . . . . . . . . . . . . . . . 8
1.2 The Metropolis-Hastings Algorithm . . . . . . . . . . . . . . 13
1.2.1 Metropolis-Hastings Sampler . . . . . . . . . . . . . 14
1.2.2 The Metropolis Sampler . . . . . . . . . . . . . . . . 22
1.2.3 Random Walk Metropolis . . . . . . . . . . . . . . . 23
1.2.4 The Independence Sampler . . . . . . . . . . . . . . 33
1.3 Single-component Metropolis Hastings Algorithms . . . . . 37
1.4 Application: Logistic regression . . . . . . . . . . . . . . . . 39

第二单元：
Markov Chain Monte Carlo Methods
1.4 The Gibbs Sampler . . . . . . . . . . . . . . . . . . . . . . . 1
1.4.1 The Slice Gibbs Sampler . . . . . . . . . . . . . . . . 12
1.5 Monitoring Convergence . . . . . . . . . . . . . . . . . . . . 21
1.5.1 Convergence diagnostics plots . . . . . . . . . . . . . 21
1.5.2 Monte Carlo Error . . . . . . . . . . . . . . . . . . . 22
1.5.3 The Gelman-Rubin Method . . . . . . . . . . . . . . 25
1.6 WinBUGS Introduction . . . . . . . . . . . . . . . . . . . . 33
1.6.1 Building Bayesian models in WinBUGS . . . . . . . 33
1.6.2 Model speci cation in WinBUGS . . . . . . . . . . . 36
1.6.3 Data and initial value specification . . . . . . . . . . 38
1.6.4 Compiling model and simulating values . . . . . . . 46