Értékelés:
Jelenleg nincsenek olvasói vélemények. Az értékelés 3 olvasói szavazat alapján történt.
Probability and Bayesian Modeling
A Valószínűség és Bayes-modellezés bevezetés a valószínűségszámításba és a Bayes-gondolkodásba a matematikai háttérrel rendelkező egyetemi hallgatók számára. A könyv első része átfogó képet nyújt a valószínűségről, beleértve az alapokat, a feltételes valószínűséget, a diszkrét és folytonos eloszlásokat, valamint az együttes eloszlásokat. A statisztikai következtetést teljes egészében bayesi szemszögből mutatja be. A szöveg bemutatja a következtetést és az előrejelzést egyetlen arányra és egyetlen átlagra vonatkozóan Normál mintavételezésből. A Markov-lánc Monte Carlo algoritmusok alapjainak bemutatása után a Bayes-féle következtetés hierarchikus és regressziós modellekre, köztük a logisztikus regresszióra is ismertetésre kerül. A könyv számos esettanulmányt mutat be, amelyeket néhány történelmi Bayes-tanulmány és a szerzők kutatásai motiváltak.
A szöveg tükrözi a modern bayesi statisztikai gyakorlatot. A szimulációt minden valószínűségi fejezetben bevezetik, és széles körben használják a Bayes-anyagban a poszterior és prediktív eloszlásokból történő szimulációra. Az egyik fejezet a Metropolis és Gibbs mintavételi algoritmusok alaptételeit ismerteti.
A megértés elmélyítése érdekében azonban több fejezet is bemutatja a Bayes-féle következtetés alapjait konjugált priorok esetén. Az előzetes eloszlások konstruálásának stratégiáit ismertetjük olyan helyzetekben, amikor jelentős előzetes információval rendelkezünk, és olyan esetekben, amikor gyenge előzetes ismeretekkel rendelkezünk. Az egyik fejezet a hierarchikus Bayes-modellezést mutatja be, mint a különböző csoportokból származó adatok kombinálásának gyakorlati módját. Kiterjedten tárgyalja a Bayes-regressziós modelleket, beleértve az informatív priorok konstruálását, az érdeklődésre számot tartó paraméterek függvényeire való következtetést, az előrejelzést és a modellválasztást.
A szöveg a JAGS-t (Just Another Gibbs Sampler) mint általános célú számítási módszert használja a különböző Bayes-modellek utólagos eloszlásaiból történő szimulációhoz. Elérhető egy ProbBayes R-csomag, amely tartalmazza a könyv összes adatkészletét és a könyvben szereplő fogalmak illusztrálására szolgáló speciális függvényeket.
A könyvet elfogadó oktatók számára egy teljes megoldási kézikönyv áll rendelkezésre a Kiegészítő források részben.
