Ocena:
Książka jest chwalona za jasne wyjaśnienia i kompleksowe omówienie tematów modelowania bayesowskiego, dzięki czemu nadaje się do kursów na poziomie magisterskim. Jest ona jednak krytykowana za to, że jest zbyt techniczna dla początkujących i ma problemy z wersją Kindle.
Zalety:Dobrze napisana z jasnymi wyjaśnieniami, obejmuje podstawowe koncepcje modelowania bayesowskiego, dobre ćwiczenia, przydatne przykłady modeli i kodu, kompleksowa dla kursów dla absolwentów.
Wady:Nie nadaje się dla nowicjuszy ze względu na techniczny język i brak przykładów, wersja Kindle ma problemy z wydajnością, zakłada znajomość R, co może być barierą dla niektórych użytkowników.
(na podstawie 6 opinii czytelników)
Bayesian Statistical Methods
Bayesian Statistical Methods zapewnia naukowcom zajmującym się danymi podstawowe i obliczeniowe narzędzia potrzebne do przeprowadzenia analizy bayesowskiej. Książka koncentruje się na metodach bayesowskich stosowanych rutynowo w praktyce, w tym na wielokrotnej regresji liniowej, modelach efektów mieszanych i uogólnionych modelach liniowych (GLM). Autorzy dołączają wiele przykładów z kompletnym kodem R i porównaniami z analogicznymi procedurami częstościowymi.
Oprócz podstawowych koncepcji bayesowskich metod wnioskowania, książka obejmuje wiele ogólnych tematów.
⬤ Porady dotyczące wyboru rozkładów predyktywnych.
⬤ Metody obliczeniowe, w tym łańcuch Markowa Monte Carlo (MCMC)
⬤ Porównanie modeli i miary dobrego dopasowania, w tym wrażliwość na priorytety.
⬤ Częste właściwości metod bayesowskich.
Studia przypadków obejmujące zaawansowane tematy ilustrują elastyczność podejścia bayesowskiego.
⬤ Regresja półparametryczna.
⬤ Obsługa brakujących danych przy użyciu rozkładów predykcyjnych.
⬤ Priorytety dla wielowymiarowych modeli regresji.
⬤ Techniki obliczeniowe dla dużych zbiorów danych.
⬤ Analiza danych przestrzennych.
Zaawansowane tematy są przedstawione z wystarczającą głębią koncepcyjną, aby czytelnik był w stanie przeprowadzić taką analizę i argumentować względne zalety metod bayesowskich i klasycznych. Repozytorium kodu R, motywujące zestawy danych i kompletne analizy danych są dostępne na stronie internetowej książki.
Brian J. Reich, profesor nadzwyczajny statystyki na North Carolina State University, jest obecnie redaktorem naczelnym Journal of Agricultural, Biological, and Environmental Statistics i otrzymał nagrodę LeRoy & Elva Martin Teaching Award.
Sujit K. Ghosh, profesor statystyki na North Carolina State University, ma ponad 22-letnie doświadczenie badawcze i dydaktyczne w przeprowadzaniu analiz bayesowskich, otrzymał nagrodę mentorską Cavell Brownie i pełnił funkcję zastępcy dyrektora w Statistical and Applied Mathematical Sciences Institute.
.
