Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan

Olvasói vélemények

A könyvet nagyra értékelik, mivel a Bayes-analízis közérthető és átfogó bevezetése, különösen a kevés előismerettel rendelkező olvasók számára. Bár a terjedelmes tartalmat nagyra értékelik, egyes olvasók a könyv terjedelmét túlzottnak, az írást pedig időnként túlságosan terjedelmesnek találják. A szerző az összetett fogalmakat hatékonyan, intuitív érthetőséggel adja át, bár néhány vélemény megemlíti a könyv kötésével és az elektronikus formátummal kapcsolatos problémákat.

Világos és magával ragadó írói stílus, intuitív magyarázatok, számos jól értelmezhető példa, nagy hangsúlyt fektet a gyakorlati alkalmazásra, kiterjedt R programozási források, alkalmas a Bayes-analízis kezdők számára, a humor növeli a bájt, a vizuális elemek hatékony használata a fogalmak magyarázatához, támogató online anyagok.

Hosszú és néha túlságosan részletes, a némi statisztikai háttérrel rendelkező olvasók számára túlságosan leegyszerűsítő lehet, a kötés minőségével kapcsolatos problémákról számoltak be, az elektronikus változatban megjelenítési hibák vannak, összetett témáknál időnként nem egyértelmű magyarázatok, egyesek szerint az írásmód túlságosan szószátyár.

(105 olvasói vélemény alapján)

Könyv tartalma:

Bayesi adatelemzés: A Tutorial with R, JAGS, and Stan, Second Edition (Második kiadás) a Bayes-analízis elvégzéséhez nyújt közérthető megközelítést, mivel az anyagot konkrét példákkal világosan elmagyarázza. A könyvben lépésről-lépésre útmutatót találunk a Bayes-adatelemzések elvégzéséhez a népszerű és ingyenes R és WinBugs szoftverekben, valamint a JAGS és a Stan új programjaihoz. Az új programokat úgy tervezték, hogy sokkal könnyebben használhatóak legyenek, mint az első kiadásban szereplő szkriptek. Különösen, most már vannak kompakt, magas szintű szkriptek, amelyek megkönnyítik a programok futtatását a saját adatkészleteken.

A könyv három részre tagolódik, és az alapokkal kezdődik: modellek, valószínűségszámítás, Bayes-szabály és az R programozási nyelv. A tárgyalás ezután áttér a binomiális valószínűség következtetésére alkalmazott alapokra, majd az általánosított lineáris modellről szóló fejezetekkel zárul. A témakörök között szerepel az egy vagy két csoportra vonatkozó metrikus-előrejelzett változó; metrikus-előrejelzett változó egy metrikus prediktorral; metrikus-előrejelzett változó több metrikus prediktorral; metrikus-előrejelzett változó egy nominális prediktorral; és metrikus-előrejelzett változó több nominális prediktorral. A szövegben található feladatoknak kifejezett céljai és irányelvei vannak a teljesítéshez.

Ez a könyv a statisztika, az adatelemzés, a pszichológia, a kognitív tudományok, a társadalomtudományok, a klinikai tudományok és a fogyasztói tudományok elsőéves végzős hallgatóinak vagy a gazdaságtudományok haladó egyetemi hallgatóinak szól.