Bayes Rules!: An Introduction to Applied Bayesian Modeling

مقدمه ای جذاب، پیچیده و سرگرم کننده در زمینه آمار بیزی، قوانین بیز!: مقدمه ای بر مدل سازی کاربردی بیزی قدرت مدرن را به ارمغان می آورد. تفکر بیزی، مدل سازی و محاسبات برای مخاطبان گسترده. به طور خاص، این کتاب یک منبع ایده‌آل برای دانشجویان آمار کارشناسی ارشد و پزشکان با تجربه قابل مقایسه است. این کتاب فرض می کند که خوانندگان با محتوای پوشش داده شده در یک دوره معمولی آمار مقدماتی در سطح کارشناسی آشنا هستند. خوانندگان همچنین، در حالت ایده آل، تجربه ای در زمینه احتمال، حساب دیفرانسیل و انتگرال، و نرم افزار آماری R در سطح کارشناسی خواهند داشت. خوانندگان بدون این پیشینه همچنان می‌توانند تا زمانی که
می‌خواهند این ابزارها را سریعاً انتخاب کنند، زیرا همه کدهای R ارائه شده است. قوانین Bayes! خوانندگان را قادر می سازد تا رویکردهای بیزی را در تمرین روزمره خود بگنجانند. بحث‌ها و برنامه‌ها مبتنی بر داده‌ها هستند. یک پیشرفت طبیعی از مدل های بنیادی به چند متغیره، سلسله مراتبی بر فرآیند ساخت مدل عملی و قابل تعمیم تأکید دارد. ارزیابی این مدل‌های بیزی نشان‌دهنده این واقعیت است که تحلیل داده‌ها در خلأ وجود ندارد.

ویژگی‌ها

• از مثال‌ها و تمرین‌های مبتنی بر داده‌ها استفاده می‌کند.

• بر فرآیند ساخت و ارزیابی مدل تکراری تأکید می‌کند.

• بررسی‌های مرتبط با یکدیگر طیف وسیعی از مدل‌های رگرسیون و طبقه‌بندی چند متغیره.

• شبیه‌سازی مونت کارلوی زنجیره مارکوف را ارائه می‌کند.

• کد R را یکپارچه می‌کند، از جمله ابزارهای مدل سازی RStan و بسته bayesrules.

• خوانندگان را تشویق می کند تا از شهود خود بهره ببرند و با انجام کار یاد بگیرند.

• مقدمه ای دوستانه و فراگیر برای مفاهیم فنی بیزی ارائه می دهد.

• از برنامه های بیزی با نظریه پایه بیزی پشتیبانی می کند.

An engaging, sophisticated, and fun introduction to the field of Bayesian statistics, Bayes Rules!: An Introduction to Applied Bayesian Modeling brings the power of modern Bayesian thinking, modeling, and computing to a broad audience. In particular, the book is an ideal resource for advanced undergraduate statistics students and practitioners with comparable experience. the book assumes that readers are familiar with the content covered in a typical undergraduate-level introductory statistics course. Readers will also, ideally, have some experience with undergraduate-level probability, calculus, and the R statistical software. Readers without this background will still be able to follow along so long as they
are eager to pick up these tools on the fly as all R code is provided.Bayes Rules! empowers readers to weave Bayesian approaches into their everyday practice. Discussions and applications are data driven. A natural progression from fundamental to multivariable, hierarchical models emphasizes a practical and generalizable model building process. The evaluation of these Bayesian models reflects the fact that a data analysis does not exist in a vacuum.

Features

• Utilizes data-driven examples and exercises.

• Emphasizes the iterative model building and evaluation process.

• Surveys an interconnected range of multivariable regression and classification models.

• Presents fundamental Markov chain Monte Carlo simulation.

• Integrates R code, including RStan modeling tools and the bayesrules package.

• Encourages readers to tap into their intuition and learn by doing.

• Provides a friendly and inclusive introduction to technical Bayesian concepts.

• Supports Bayesian applications with foundational Bayesian theory.