天文统计学  070400M01001H

学期:2020—2021学年(春)第二学期 | 课程属性:一级学科核心课 | 任课教师:刘超
授课时间: 星期二,第1、2、3 节
授课地点: 教一楼107
授课周次: 1、2、3、4、5、6、7、8、9、11、12、13、14、15、16
课程编号: 070400M01001H 课时: 54 学分: 3.00
课程属性: 一级学科核心课 主讲教师:刘超 助教:王瑞
英文名称: Astrostatistics 召集人:

教学目的、要求

掌握实测天体物理研究所需要的基本数据分析和现代统计分析方法,掌握python编程,了解深度学习算法和它们在天文学中的应用

预修课程

概率论和数理统计,基础天文学

教 材

Bayesian Data Analysis (2nd Edition),Gelman, A., Carlin, J. B., Stern, H. S. & Rubin, D. B., Chapman & Hall/CRC press, 2004
概率论与数理统计(第四版),盛骤,谢式千,潘承毅 编,高等教育出版社,2008
Practical Bayesian Inference, A primer of Physical Scientists, Bailer-Jones, C., Cambridge University Press, 2018
机器学习, 周志华, 清华大学出版社,2016
深度学习,【美】伊恩,古德费洛(Ian, Goodfellow),【加】约书亚,本吉奥(Yoshua Bengio),【加】亚伦,库维尔(Asron Courville)著, 人民邮电出版社,2017

主要内容

第一章:概论(1h)。概率论知识汇总 、天文学数据分析特点介绍。
第二章:概率统计初步(4h):一元和多元概率分布。如何使用jupyter notebook进行天文数据分析。读写天文数据格式,常用统计分析函数(概率分布函数,直方图,均值,方差,百分位,随机数生成等),绘图(散点图,等高线图等)。
第三章:随机抽样(3h):使用各种随机抽样方法估算概率分布;拒绝采样,Gibbs采样,Metropolis采样,马尔可夫链蒙特卡洛方法。
第四章:单参数模型(4h):建立单参数的简单贝叶斯模型。二项式分布,有条件的高斯分布
第五章:多参数模型(4h):建立多参数贝叶斯模型,高斯模型,幂律模型等。
第六章:层次化模型(6h):通过数据建立参数化的先验概率。
第七章:贝叶斯建模(3h):贝叶斯回归,贝叶斯建模的一般方法,向前建模。
课堂实践(6h):课堂分组,共同解决一个贝叶斯模型问题,并请各组代表同学进行课堂展示。
第八章:机器学习简介(12h):有监督学习(贝叶斯分类、神经网络、支持向量机),无监督学习(神经网络);深度学习简介。
第九章:误差估计(3h):bootstrap
复习总结(3h)
考试(3h)
考核方式:(期中期末平时所占比重)
平时50%,期末50%

参考文献

暂无