新南威尔士大学MATH5960课程首先描述了贝叶斯推理的基础，然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。贝叶斯推理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，这门课还介绍了蒙特卡罗积分、重要性抽样、拒绝抽样、马尔可夫链蒙特卡罗抽样器。这些事实上都是Final Exam的考点。同学如果正在准备考试复习，下面的重点梳理应该能提供帮助。
一、考点梳理
1、主观概率和之间的差异
2、贝叶斯和经典统计
3、先验和后验分布
4、点估计、区间估计和预测分布
5、正态模型的贝叶斯分析
6、蒙特卡罗方法
7、MCMC方法
8、贝叶斯假设检验
9、线性和广义线性模型
10、分层模型
二、考察重点
考试将从以下几个方面对同学的学习成果进行评估：
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的重要性的理解。
4、执行真实世界的贝叶斯数据分析。
三、复习材料
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.
新南威尔士大学MATH5960 Final Exam的分数占课程最终成绩的60%，重要性不言而喻。希望上面关于考试考点的总结能够对同学的复习有帮助。