Analiza danych bayesowskich: Samouczek z wykorzystaniem R, Jags i Stan

Opinie czytelników

Książka jest bardzo chwalona jako przystępne i kompleksowe wprowadzenie do analizy bayesowskiej, szczególnie dla czytelników z niewielką wcześniejszą wiedzą. Wyróżnia się przejrzystym stylem pisania, humorem i praktycznymi przykładami programowania w R. Chociaż obszerna treść jest doceniana, niektórzy czytelnicy uważają, że długość książki jest zbyt długa, a pisanie czasami zbyt rozwlekłe. Autor skutecznie przedstawia złożone koncepcje z intuicyjną jasnością, chociaż kilka recenzji wspomina o problemach z oprawą książki i usterkach formatu elektronicznego.

Przejrzysty i wciągający styl pisania, intuicyjne wyjaśnienia, liczne przykłady, silny nacisk na praktyczne zastosowanie, obszerne zasoby programistyczne R, odpowiednie dla początkujących w analizie bayesowskiej, humor dodaje uroku, efektywne wykorzystanie wizualizacji do wyjaśnienia pojęć, pomocne materiały online.

Długa i czasami nadmiernie szczegółowa, może być zbyt uproszczona dla czytelników z pewnym doświadczeniem w statystyce, zgłaszane problemy z jakością oprawy, wersja elektroniczna ma usterki wyświetlania, czasami niejasne wyjaśnienia w złożonych tematach, niektórzy uważają, że styl pisania jest zbyt rozwlekły.

(na podstawie 105 opinii czytelników)

Oryginalny tytuł:

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

Zawartość książki:

Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition zapewnia przystępne podejście do przeprowadzania bayesowskiej analizy danych, ponieważ materiał jest jasno wyjaśniony na konkretnych przykładach. Zawiera instrukcje krok po kroku dotyczące przeprowadzania bayesowskich analiz danych w popularnym i darmowym oprogramowaniu R i WinBugs, a także nowe programy w JAGS i Stan. Nowe programy zostały zaprojektowane tak, aby były znacznie łatwiejsze w użyciu niż skrypty w pierwszym wydaniu. W szczególności istnieją teraz kompaktowe skrypty wysokiego poziomu, które ułatwiają uruchamianie programów na własnych zestawach danych.

Książka jest podzielona na trzy części i zaczyna się od podstaw: modeli, prawdopodobieństwa, reguły Bayesa i języka programowania R. Następnie dyskusja przechodzi do podstaw zastosowanych do wnioskowania o prawdopodobieństwie dwumianowym, a kończy się rozdziałami dotyczącymi uogólnionego modelu liniowego. Tematy obejmują zmienną przewidywaną metrycznie dla jednej lub dwóch grup; zmienną przewidywaną metrycznie z jednym predyktorem metrycznym; zmienną przewidywaną metrycznie z wieloma predyktorami metrycznymi; zmienną przewidywaną metrycznie z jednym predyktorem nominalnym; oraz zmienną przewidywaną metrycznie z wieloma predyktorami nominalnymi. Ćwiczenia zawarte w tekście mają wyraźne cele i wytyczne dotyczące ich wykonania.

Książka ta jest przeznaczona dla studentów pierwszego roku studiów magisterskich lub zaawansowanych studiów licencjackich w zakresie statystyki, analizy danych, psychologii, kognitywistyki, nauk społecznych, nauk klinicznych i nauk konsumenckich w biznesie.