Statisztikai újragondolás: Bayesi tanfolyam R és Stan példákkal

Olvasói vélemények

A könyvet nagyra értékelik a Bayes-statisztika világos és magával ragadó megközelítése miatt, amely a kezdők és a tapasztalt szakemberek számára egyaránt hozzáférhetővé teszi. Történelmi kontextust, gyakorlati példákat és az elmélet helyett a megértésre összpontosít. Ugyanakkor kritikák érték a második kiadásban található jelentős számú elgépelés és hiba miatt, valamint a szerző néhány személyes nézete miatt, amelyeket egyes olvasók zavarónak találtak.

⬤ Magával ragadó és olvasmányos elbeszélés, amely a Bayes-statisztikát hozzáférhetővé teszi.
⬤ Történelmi kontextust és gyakorlati példákat kínál, amelyek tisztázzák a fogalmakat.
⬤ R-csomagokat és további forrásokat tartalmaz a valós életben való alkalmazáshoz.
⬤ Kezdőknek és tapasztalt statisztikusoknak egyaránt ajánlott, akik szeretnék megerősíteni tudásukat.

⬤ A második kiadásban számos elgépelésről és hibáról számoltak be.
⬤ Néhány hiperhivatkozás a könyvben nem működik megfelelően.
⬤ A szerző személyes véleményeket, köztük vallási nézeteket is közöl, amit néhány olvasó visszatetszőnek talált.

(42 olvasói vélemény alapján)

Eredeti címe:

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

Könyv tartalma:

Statisztikai újragondolás: A Bayesian Course with Examples in R and Stan című kurzus az adatokból való következtetésekkel kapcsolatos ismereteket és az azokból való magabiztos következtetések levonásában való jártasságot növeli. A könyv a mai modellalapú statisztikában a szkriptelés szükségességét tükrözve arra ösztönzi Önt, hogy lépésről lépésre végezze el az általában automatizált számításokat. Ez az egyedülálló számítási megközelítés biztosítja, hogy elég részletet értsen ahhoz, hogy saját modellezési munkája során ésszerű döntéseket és értelmezéseket hozhasson.

A szöveg az ok-okozati következtetést és az általánosított lineáris többszintű modelleket egy egyszerű Bayes-szemléletből mutatja be, amely az információelméletre és a maximális entrópiára épül. A központi anyag a regresszió alapjaitól a fejlett többszintű modellekig terjed. Bemutatja továbbá a mérési hibát, a hiányzó adatokat, valamint a térbeli és filogenetikai zavaró tényezőkre vonatkozó Gauss-folyamat modelleket.

A második kiadás az oksági következtetés irányított aciklikus gráf (DAG) megközelítését hangsúlyozza, és számos példába integrálja a DAG-okat. Az új kiadás új anyagot is tartalmaz a prior eloszlások, spline-ok, rendezett kategorikus prediktorok, társadalmi kapcsolatok modelljei, kereszt-validálás, fontossági mintavétel, instrumentális változók és Hamiltonian Monte Carlo tervezéséről. A kötet egy teljesen új fejezettel zárul, amely túlmutat az általánosított lineáris modellezésen, bemutatva, hogyan építhetők be a statisztikai elemzésekbe a szakterület-specifikus tudományos modellek.

Jellemzők.

⬤ Munkakódot integrál a főszövegbe.

⬤ Munkált adatelemzési példákon keresztül szemlélteti a fogalmakat.

⬤ Kiemeli a feltételezések megértését és azt, hogy a feltételezések hogyan tükröződnek a kódban.

⬤ A matematika részletesebb magyarázatát kínálja a választható részekben.

⬤ Példákat mutat be a dagitty R csomag használatára az oksági grafikonok elemzéséhez.

⬤ Megjeleníti a rethinking R csomagot a szerző weboldalán és a GitHubon.