Bayesi regressziós modellezés az Inla segítségével

Olvasói vélemények

Jelenleg nincsenek olvasói vélemények. Az értékelés 6 olvasói szavazat alapján történt.

Eredeti címe:

Bayesian Regression Modeling with Inla

Könyv tartalma:

Az INLA az Integrated Nested Laplace Approximations rövidítése, amely egy új módszer a Bayes-regressziós modellek széles osztályának illesztésére. Az INLA használatával nem kell mintákat venni a hátsó határeloszlásokból, így számítás szempontjából kényelmes alternatívája a Bayes-féle következtetés standard eszközének, a Markov-lánc Monte Carlo-nak (MCMC).

A Bayesian Regression Modeling with INLA a modern regressziós modellek széles skáláját öleli fel, és az INLA technikára összpontosít, amellyel valós adatok felhasználásával Bayes-modelleket lehet építeni és azok érvényességét értékelni. A könyv egyik fő témája, hogy az elmélet és a gyakorlat kölcsönhatását reprodukálható vizsgálatokkal érdemes bemutatni. Minden egyes példához teljes R-parancsokat adunk meg, és egy támogató weboldalon megtalálható a könyvben leírt összes adat. A könyvben szereplő adatokat és további funkciókat tartalmazó R-csomag letölthető.

A könyv a statisztikai elmélet és a Bayes-módszertan alapismereteivel rendelkező olvasóknak szól. Az olvasókat naprakészen tájékoztatja az INLA segítségével végzett Bayes-féle következtetés legújabb eredményeiről, és felkészíti őket a kifinomult, gyakorlati munkára.

Xiaofeng Wang a Cleveland Clinic Lerner College of Medicine of Case Western Reserve University orvosi és biostatisztikai professzora, valamint a Cleveland Clinic Kvantitatív Egészségtudományi Tanszékének teljes jogú munkatársa.

Yu Ryan Yue a New York-i Városi Egyetem Baruch Főiskolájának Paul H. Chook Információs Rendszerek és Statisztika Tanszékén a statisztika docense.

Julian J. Faraway a Bath-i Egyetem Matematikai Tudományok Tanszékének statisztika professzora.