Bayesian Computation with R

Recenzii ale cititorilor

Cartea a primit recenzii mixte, unii cititori lăudând exemplele sale practice și utilitatea sa pentru învățarea statisticii bayesiene utilizând pachetul LearnBayes, în timp ce alții o critică pentru lipsa explicațiilor teoretice, lipsa soluțiilor la exerciții și practicile de programare deficitare. În general, pare să se adreseze mai mult celor deja familiarizați cu conceptele decât începătorilor.

⬤ Exemple concrete bune și aplicații practice ale metodelor bayesiene.
⬤ Pachet LearnBayes util pentru învățarea R și a statisticii bayesiene.
⬤ Unii cititori l-au considerat benefic atunci când a fost utilizat împreună cu alte resurse.
⬤ Feedback pozitiv privind pachetul și livrarea cărții.

⬤ Lipsesc soluțiile la exercițiile din capitole, ceea ce o face mai puțin eficientă pentru studiul individual.
⬤ O parte din conținut este prost explicat și lipsește profunzimea teoretică.
⬤ Utilizarea confuză a numelor variabilelor în exemplele de programare.
⬤ Nu este ușoară pentru începători; presupune cunoștințe prealabile de calcul bayesian și R.
⬤ Unii cititori au considerat-o aproape inutilă pentru aplicații practice.

(pe baza a 9 recenzii ale cititorilor)

Conținutul cărții:

Dezvoltarea și aplicarea inferenței bayesiene în statistică a cunoscut o creștere spectaculoasă. Berger (2000) documentează creșterea activității bayesiene prin numărul de articole de cercetare publicate, numărul de cărți și numărul extins de aplicații ale articolelor bayesiene în discipline aplicate, cum ar fi știința și ingineria.

Unul dintre motivele creșterii spectaculoase a modelării bayesiene este disponibilitatea algoritmilor de calcul pentru a calcula gama de integrale care sunt necesare într-o analiză Bayesiană posterioară. Datorită vitezei calculatoarelor moderne, este posibil în prezent să se utilizeze paradigma bayesiană pentru a 'ticlui modele foarte complexe care nu pot fi 'ticluite prin metode frecvente alternative. Pentru a 'tiza modelele bayesiene, este nevoie de un mediu de calcul statistic.

Acest mediu ar trebui să fie de așa natură încât să se poată: scrie scripturi scurte pentru a de? ne un model bayesian utiliza sau scrie funcții pentru a rezuma o distribuție posterioară utiliza funcții pentru a simula din distribuția posterioară construi grafice pentru a ilustra inferența posterioară Un mediu care îndeplinește aceste cerințe este sistemul R. R oferă o gamă largă de funcții pentru manipularea datelor, calcule și d- repere grafice.

În plus, include un limbaj de programare simplu și bine dezvoltat, pe care utilizatorii îl pot extinde prin adăugarea de noi funcții. Multe astfel de extensii ale limbajului, sub formă de pachete, pot fi descărcate cu ușurință de pe Comp- hensive R Archive Network (CRAN)