Értékelés:
A könyvet általánosságban úgy tartják számon, mint a Bayes-statisztika elsajátításának szilárd forrását, különösen azok számára, akiknek erős matematikai hátterük van. Dicsérik világos magyarázataiért, szisztematikus felépítéséért és a témák átfogó lefedettségéért. Néhány felhasználó azonban a gépelési hibákkal, a Kindle változat olvashatóságával és a kezdők számára meredek tanulási görbével kapcsolatos problémákról számol be.
Előnyök:⬤ A Bayes-statisztika átfogó és világos bemutatása.
⬤ A gyakorlatok megoldásait tartalmazó kísérő weboldal fokozza a tanulást.
⬤ Alkalmas komoly valószínűségszámítási és matematikai háttérrel rendelkező hallgatók számára.
⬤ Jól szervezett szerkezet, amely szisztematikusan fejleszti a témákat.
⬤ Néhány olvasót összezavaró elgépelések és jelölések jelenléte.
⬤ A Kindle verzió állítólag nehezen olvasható és nehezen navigálható.
⬤ Nem alkalmas kezdőknek vagy azoknak, akik gyors bevezetést keresnek a témába.
(9 olvasói vélemény alapján)
Bayesian Statistics: An Introduction
A Bayes-statisztika az a gondolkodási iskola, amely az előzetes hiedelmeket a hipotézis valószínűségével kombinálja, hogy utólagos hiedelmekhez jusson. Peter Lee könyvének első kiadása 1989-ben jelent meg, de a téma egyre inkább előrehaladt, egyre nagyobb hangsúlyt fektetve a Monte Carlo-alapú technikákra.
Ez az új, negyedik kiadás olyan legújabb technikákat vizsgál, mint a variációs módszerek, a Bayes-féle fontossági mintavételezés, a közelítő Bayes-számítás és a Reversible Jump Markov Chain Monte Carlo (RJMCMC), tömören bemutatva, hogyan fejlődik a statisztika Bayes-féle megközelítése, valamint azt, hogy hogyan áll szemben a hagyományos megközelítéssel. Az elméletet lépésről lépésre építjük fel, és az olyan fontos fogalmakat, mint a szufficiencia, konkrét példák kiemelkedő jellemzőinek megvitatásából hozzuk elő.
Ez a kiadás:
⬤ Tartalmazza a Gibbs-mintavételezés kibővített tárgyalását, beleértve több numerikus példát és az OpenBUGS, R2WinBUGS és R2OpenBUGS kezelését.
⬤ jelentős új anyagot tartalmaz a legújabb technikákról, mint például a Bayes-féle fontossági mintavételezés, a variációs Bayes, a közelítő Bayes-számítás (ABC) és a reverzibilis ugrásos Markov-lánc Monte Carlo (RJMCMC).
⬤ Kiterjedt példákkal egészíti ki a könyvben a bemutatott elméletet.
⬤ Kísérő weboldal, amely új anyagokat és megoldásokat tartalmaz.
Egyre több diák ismeri fel, hogy a Bayes-statisztikát meg kell tanulnia ahhoz, hogy elérje tanulmányi és szakmai céljait. Ez a könyv leginkább a Bayes-statisztikáról szóló kurzusok fő szövegeként használható harmad- és negyedéves egyetemisták és posztgraduális hallgatók számára.