Metode statistice bayesiene

Recenzii ale cititorilor

Cartea servește ca o resursă de nivel universitar privind modelarea bayesiană, remarcată pentru claritatea și acoperirea cuprinzătoare a subiectelor. Cu toate acestea, este posibil să nu fie potrivită pentru începători din cauza naturii sale tehnice și a lipsei de exemple suficiente.

⬤ Bine scrisă și explică clar noțiunile esențiale ale modelării bayesiene
⬤ acoperire concisă a multor subiecte
⬤ exerciții utile care consolidează conceptele
⬤ oferă exemple valoroase de modele și coduri pentru scenarii avansate.

⬤ Nu este potrivit pentru începători din cauza scrisului excesiv de tehnic și a lipsei de exemple adecvate
⬤ versiunea Kindle are probleme de compatibilitate, cum ar fi blocarea și înghețarea
⬤ necesită cunoștințe prealabile de R, care ar putea să nu fie o condiție prealabilă pentru toți cititorii.

(pe baza a 6 recenzii ale cititorilor)

Titlul original:

Bayesian Statistical Methods

Conținutul cărții:

Metode statistice bayesiene oferă cercetătorilor de date instrumentele fundamentale și computaționale necesare pentru a efectua o analiză bayesiană. Această carte se concentrează pe metodele bayesiene aplicate în mod curent în practică, inclusiv regresia liniară multiplă, modelele cu efecte mixte și modelele liniare generalizate (GLM). Autorii includ numeroase exemple cu cod R complet și comparații cu proceduri frequentiste analoge.

În plus față de conceptele de bază ale metodelor inferențiale bayesiene, cartea acoperă multe subiecte generale:

⬤ Advertențe privind selectarea distribuțiilor anterioare.

⬤ Metode computaționale, inclusiv Markov chain Monte Carlo (MCMC)

⬤ Compararea modelelor și măsurile de bonitate a ajustării, inclusiv sensibilitatea la antecedente.

⬤ Proprietățile frecvențiale ale metodelor bayesiene.

Studiile de caz care acoperă subiecte avansate ilustrează flexibilitatea abordării bayesiene:

⬤ Regresia semiparametrică.

⬤ Tratarea datelor lipsă cu ajutorul distribuțiilor predictive.

⬤ Potriviri pentru modelele de regresie înalt-dimensionale.

⬤ Tehnici computaționale pentru seturi mari de date.

⬤ Analiza datelor spațiale.

Subiectele avansate sunt prezentate cu o profunzime conceptuală suficientă pentru ca cititorul să fie capabil să efectueze astfel de analize și să argumenteze meritele relative ale metodelor bayesiene și clasice. Un depozit de cod R, seturi de date motivante și analize de date complete sunt disponibile pe site-ul web al cărții.

Brian J. Reich, profesor asociat de statistică la North Carolina State University, este în prezent redactor-șef al Journal of Agricultural, Biological, and Environmental Statistics și a primit premiul LeRoy & Elva Martin Teaching Award.

Sujit K. Ghosh, profesor de statistică la Universitatea de Stat din Carolina de Nord, are peste 22 de ani de experiență în cercetare și predare în efectuarea de analize bayesiene, a primit premiul Cavell Brownie pentru mentorat și a fost director adjunct la Institutul de Statistică și Științe Matematice Aplicate.