Ocena:
Obecnie brak opinii czytelników. Ocena opiera się na 3 głosach.
Probability and Bayesian Modeling
Probability and Bayesian Modeling to wprowadzenie do rachunku prawdopodobieństwa i myślenia bayesowskiego dla studentów studiów licencjackich z podstawami rachunku prawdopodobieństwa. Pierwsza część książki przedstawia szerokie spojrzenie na prawdopodobieństwo, w tym podstawy, prawdopodobieństwo warunkowe, rozkłady dyskretne i ciągłe oraz rozkłady łączne. Wnioskowanie statystyczne przedstawione jest w całości z perspektywy bayesowskiej. Tekst wprowadza wnioskowanie i przewidywanie dla pojedynczej proporcji i pojedynczej średniej z próbkowania normalnego. Po wprowadzeniu podstaw algorytmów Monte Carlo z łańcuchami Markowa, opisano wnioskowanie bayesowskie dla modeli hierarchicznych i regresyjnych, w tym regresji logistycznej. Książka przedstawia kilka studiów przypadków motywowanych niektórymi historycznymi badaniami bayesowskimi i badaniami autorów.
Tekst ten odzwierciedla współczesną praktykę statystyczną Bayesa. Symulacja jest wprowadzona we wszystkich rozdziałach poświęconych prawdopodobieństwu i szeroko wykorzystywana w materiale bayesowskim do symulacji z rozkładów potomnych i predykcyjnych. Jeden z rozdziałów opisuje podstawowe założenia algorytmów próbkowania Metropolisa i Gibbsa.
Kilka rozdziałów wprowadza jednak podstawy wnioskowania bayesowskiego dla sprzężonych apriorów w celu pogłębienia zrozumienia. Strategie konstruowania rozkładów apriorycznych są opisane w sytuacjach, gdy mamy do czynienia z istotną informacją aprioryczną oraz w przypadkach, gdy mamy do czynienia ze słabą wiedzą aprioryczną. Jeden z rozdziałów wprowadza hierarchiczne modelowanie bayesowskie jako praktyczny sposób łączenia danych z różnych grup. Istnieje obszerna dyskusja na temat bayesowskich modeli regresji, w tym konstrukcji informatywnych priorytetów, wnioskowania o funkcjach parametrów zainteresowania, przewidywania i wyboru modelu.
W tekście wykorzystano JAGS (Just Another Gibbs Sampler) jako ogólną metodę obliczeniową do symulacji z rozkładów potomnych dla różnych modeli bayesowskich. Dostępny jest pakiet R ProbBayes zawierający wszystkie zbiory danych z książki i specjalne funkcje ilustrujące koncepcje z książki.
Kompletny podręcznik z rozwiązaniami jest dostępny dla instruktorów, którzy przyjęli książkę w sekcji Dodatkowe zasoby.
