新南威尔士大学MATH3871课程的目的是在贝叶斯推理的概念和哲学方面为学生提供强有力的背景知识，并为实施贝叶斯数据分析提供广泛的实践机会。考试之前，有一些重点是同学必须要掌握的，下面我们就一起来看一看吧！
一、MATH3871考前复习重点解析
课程首先介绍了贝叶斯推理的基本原理，随后研究了先验和后验分布的规范、贝叶斯决策理论概念、贝叶斯假设检验背后的思想、模型选择和模型平均，并评估了几种常见模型类型的能力，如分层模型和混合模型。考试的一个重要部分是要求在常规基础上对复杂积分进行数值计算。因此，同学要掌握蒙特卡罗积分、重要性抽样、拒绝抽样、马尔可夫链蒙特卡罗抽样器(如Gibbs抽样器和Metropolis-Hastings算法)以及WinBuGS后验模拟软件的使用。具体的考试重点如下：
1、主观概率以及贝叶斯统计和经典统计的区别
2、先验和后验分布
3、点估计、区间估计和预测分布
4、正态模型的贝叶斯分析
5、蒙特卡罗方法、MCMC方法
6、贝叶斯假设检验
7、线性和广义线性模型、分层模型
二、MATH3871考试主要评估目标
1、了解贝叶斯推理的概念和哲学背景。
2、展示对常见模型类型如何工作的理解，并能够为新问题构建模型。
3、展示对计算方法在贝叶斯推理中重要性的理解。
4、执行真实世界的贝叶斯数据分析。
三、MATH3871考前复习材料推荐
1、Hoff, P. D. (2009). A first course in Bayesian statistical methods (Vol. 580). New York: Springer.
2、Reich, B. J., & Ghosh, S. K. (2019). Bayesian statistical methods. CRC Press.
希望上述关于新南威尔士大学MATH3871课程重点的总结能够帮助同学做好更充分的考前复习准备。