Statistical Rethinking: Un curs bayesian cu exemple în R și Stan

Recenzii ale cititorilor

Cartea este foarte apreciată pentru abordarea sa clară și atractivă a statisticii bayesiene, făcând-o accesibilă atât începătorilor, cât și practicienilor experimentați. Ea oferă un context istoric, exemple practice și un accent pe înțelegere, mai degrabă decât doar pe teorie. Cu toate acestea, a fost criticată pentru un număr considerabil de greșeli de scriere și erori în a doua ediție, precum și pentru unele opinii personale ale autorului pe care unii cititori le-au considerat deranjante.

⬤ Narațiune captivantă și ușor de citit care face accesibilă statistica bayesiană.
⬤ Oferă context istoric și exemple practice care clarifică conceptele.
⬤ Vine cu pachete R și resurse suplimentare pentru aplicarea în scenarii din lumea reală.
⬤ Recomandat atât începătorilor, cât și statisticienilor experimentați care doresc să își consolideze cunoștințele.

⬤ Numeroase greșeli de tipar și erori semnalate în ediția a doua.
⬤ Unele hyperlink-uri din carte nu funcționează corect.
⬤ Autorul intervine cu puncte de vedere personale, inclusiv opinii religioase, pe care unii cititori le-au considerat neplăcute.

(pe baza a 42 recenzii ale cititorilor)

Titlul original:

Statistical Rethinking: A Bayesian Course with Examples in R and Stan

Conținutul cărții:

Statistical Rethinking: A Bayesian Course with Examples in R and Stan vă dezvoltă cunoștințele și încrederea în realizarea de inferențe din date. Reflectând nevoia de scripting în statisticile bazate pe modele de astăzi, cartea vă împinge să efectuați calcule pas cu pas care sunt de obicei automatizate. Această abordare computațională unică vă asigură că înțelegeți suficiente detalii pentru a face alegeri și interpretări rezonabile în propria dvs. activitate de modelare.

Textul prezintă inferența cauzală și modelele liniare generalizate pe mai multe niveluri dintr-o perspectivă bayesiană simplă care se bazează pe teoria informației și entropia maximă. Materialul de bază variază de la elementele de bază ale regresiei la modelele multi-nivel avansate. Se prezintă, de asemenea, eroarea de măsurare, datele lipsă și modelele procesului Gaussian pentru confuzie spațială și filogenetică.

A doua ediție pune accentul pe abordarea grafurilor aciclice direcționate (DAG) pentru inferența cauzală, integrând DAG-urile în multe exemple. Noua ediție conține, de asemenea, materiale noi privind proiectarea distribuțiilor anterioare, spline, predictori categorici ordonați, modele de relații sociale, validare încrucișată, eșantionare de importanță, variabile instrumentale și Hamiltonian Monte Carlo. Ea se încheie cu un capitol complet nou care merge dincolo de modelarea liniară generalizată, arătând cum modelele științifice specifice domeniului pot fi integrate în analizele statistice.

Caracteristici.

⬤ Integrază codul de lucru în textul principal.

⬤ Ilustrează conceptele prin exemple lucrate de analiză a datelor.

⬤ Emfatizează înțelegerea ipotezelor și modul în care ipotezele sunt reflectate în cod.

⬤ Oferă explicații mai detaliate ale matematicii în secțiuni opționale.

⬤ Prezintă exemple de utilizare a pachetului R dagitty pentru a analiza grafice cauzale.

⬤ Pune la dispoziție pachetul R rethinking pe site-ul web al autorului și pe GitHub.