<p>欢迎！在接下来的几周里，我们将一起探索贝叶斯统计。<p>在本模块中，我们将学习条件概率，即给定事件 A 的事件 B 的概率。条件概率在医疗决策中非常重要。到本周结束时，您将能够使用贝叶斯法则解决问题，并更新先验概率。</p><p>请使用学习目标和练习测验来帮助您学习贝叶斯法则，并应用您在实验室和测验中学到的知识。

本周，我们将讨论贝叶斯法则的连续版本，向您展示如何在共轭族中使用该法则，并讨论可信区间。本周结束时，您将能够理解和定义先验概率、似然率和后验概率的概念，并确定它们之间的关系。

在本模块中，我们将讨论贝叶斯决策、假设检验和贝叶斯检验。本周结束时，你将能够根据贝叶斯统计做出最优决策，并使用贝叶斯因子比较多个假设。

本周，我们将学习贝叶斯线性回归和模型平均法，它允许您使用多个模型进行推断和预测。本周结束时，您将能够实施贝叶斯模型平均法，解释贝叶斯多元线性回归，并理解它与频数线性回归方法的关系。

本周内容包括采访统计学家，了解他们如何在工作中使用贝叶斯统计法，以及课程的最终项目。

在本模块中，您将使用所提供的数据集完成一个数据分析问题并提交报告。请阅读背景信息，查看报告模板（从 "课程项目信息 "中的链接下载），然后完成同行评议作业。