Bayesian Data Analysis in Ecology Using Linear Models with R, BUGS, and Stan

تحلیل داده‌های بیزی در بوم‌شناسی با استفاده از مدل‌های خطی با R، BUGS و STAN روش‌های بیزی و مکرر برای انجام تجزیه و تحلیل داده‌ها را بررسی می‌کند. این کتاب پیش‌زمینه نظری را در یک رویکرد آسان برای درک فراهم می‌کند و خوانندگان را تشویق می‌کند تا فرآیندهایی را که داده‌هایشان را تولید می‌کنند بررسی کنند. از جمله بحث در مورد انتخاب مدل، بررسی مدل، و استنتاج چند مدل، این کتاب همچنین از نمودارهای اثر استفاده می کند که امکان تفسیر طبیعی داده ها را فراهم می کند. تجزیه و تحلیل داده‌های بیزی در بوم‌شناسی با استفاده از مدل‌های خطی با R، BUGS و STAN نرم‌افزار بیزی را با استفاده از R برای حالت‌های ساده، و نرم‌افزار بیزی انعطاف‌پذیر (BUGS و Stan) برای آنهایی که پیچیده تر هستند این کتاب با هدایت داده‌های آماده از آسان‌تر به سمت تجزیه و تحلیل داده‌های پیچیده‌تر (واقعی) به روشی گام به گام، مشکلات و راه‌حل‌هایی را ارائه می‌کند - از جمله همه کدهای R - که اغلب برای داده‌ها و سؤالات دیگر قابل استفاده هستند و آن را به منبعی ارزشمند برای تجزیه و تحلیل انواع داده‌ها.

• تحلیل داده‌های بیزی را معرفی می‌کند و به کاربران اجازه می‌دهد تا اندازه‌گیری‌های عدم قطعیت را به راحتی برای هر پارامتر مشتق شده مورد علاقه به دست آورند
• نوشته شده در یک رویکرد گام به گام که امکان درک آسان توسط افراد غیر آمار را فراهم می کند
• شامل یک وب سایت همراه حاوی R-code برای کمک به کاربران برای انجام تجزیه و تحلیل داده های بیزی بر روی داده های خود
• تمام داده های نمونه و همچنین عملکردهای اضافی در بسته R blmeco

Bayesian Data Analysis in Ecology Using Linear Models with R, BUGS, and STAN examines the Bayesian and frequentist methods of conducting data analyses. The book provides the theoretical background in an easy-to-understand approach, encouraging readers to examine the processes that generated their data. Including discussions of model selection, model checking, and multi-model inference, the book also uses effect plots that allow a natural interpretation of data. Bayesian Data Analysis in Ecology Using Linear Models with R, BUGS, and STAN introduces Bayesian software, using R for the simple modes, and flexible Bayesian software (BUGS and Stan) for the more complicated ones. Guiding the ready from easy toward more complex (real) data analyses ina step-by-step manner, the book presents problems and solutions-including all R codes-that are most often applicable to other data and questions, making it an invaluable resource for analyzing a variety of data types.

• Introduces Bayesian data analysis, allowing users to obtain uncertainty measurements easily for any derived parameter of interest
• Written in a step-by-step approach that allows for eased understanding by non-statisticians
• Includes a companion website containing R-code to help users conduct Bayesian data analyses on their own data
• All example data as well as additional functions are provided in the R-package blmeco