Case Studies in Bayesian Statistical Modelling and Analysis

ویرایش:  
نویسندگان: Walter A. Shewhart,  Samuel S. Wilks(eds.)  
سری:  
ISBN (شابک) : 9781119941828, 9781118394472 
ناشر: John Wiley & Sons, Ltd 
سال نشر: 2013 
تعداد صفحات: 495 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 12 مگابایت 

قیمت کتاب (تومان) : 54,000

هدف این کتاب ارائه مقدمه‌ای بر مدل‌سازی و محاسبات بیزی، با در نظر گرفتن مطالعات موردی واقعی برگرفته از زمینه‌های متنوعی از محیط زیست، سلامت، ژنتیک و امور مالی است. هر فصل شامل شرحی از مسئله، مدل مربوطه، روش محاسباتی، نتایج و استنتاج ها و همچنین مسائلی است که در اجرای این رویکردها به وجود می آیند.

مطالعات موردی در مدلسازی و تحلیل آماری بیزی:

• نحوه انجام تحلیل بیزی را به شیوه ای واضح و مختصر با استفاده از مسائل دنیای واقعی نشان می دهد.
• هر فصل بر روی یک مسئله دنیای واقعی تمرکز می کند و روشی را که در آن مسئله ممکن است با استفاده از روش های بیزی تجزیه و تحلیل شود، توضیح می دهد.
• رویکردهایی را دارد که می‌تواند در حوزه‌های کاربردی گسترده‌ای مانند بهداشت، محیط زیست، ژنتیک، علم اطلاعات، پزشکی، زیست‌شناسی، صنعت و سنجش از دور مورد استفاده قرار گیرد.

مطالعات موردی در مدلسازی و تحلیل آماری بیزی هدف آماردانان است، محققان و دست اندرکارانی که در مدل سازی و تجزیه و تحلیل آماری تخصص دارند و اصول اولیه آمار بیزی را درک می کنند، اما تجربه کمی در کاربرد آن دارند. دانشجویان تحصیلات تکمیلی آمار و آمار زیستی نیز این کتاب را مفید خواهند یافت.

محتوا:
مقدمه فصل 1 (صفحات 1-16): Clair L. Alston، Margaret Donald، Kerrie L. Mengersen and Anthony N. Pettitt
فصل 2 مقدمه MC MC (صفحات 17-29) آنتونی ان. (صفحات 30-65): سامانتا لو چوی
فصل 4 تحلیل بیزی مدل رگرسیون خطی عادی (صفحه های 66-89): کریستوفر ام. استریکلند و کلر ال. آلستون
فصل 5 تطبیق مدل های مرگ و میر ICU برای محلی داده ها: یک رویکرد بیزی (صفحات 90-102): پترا ال. گراهام، کری ال. منگرسن و دیوید آ. کوک
فصل 6 مدل رگرسیون بیزی با انتخاب متغیر برای ژنوم؟ مطالعات انجمن گسترده (صفحه های 103-117) : Carla Chen، Kerrie L. Mengersen، Katja Ickstadt و Jonathan M. Keith
فصل 7 متا؟تحلیل بیزی (صفحات 118-140): جگار او.پیچفورث و کری ال. (ص. دی. والش و کری ال. منگرسن
فصل 10 مدل بقای بیزی وایبول برای داده های بیان ژن (صفحه های 171-185): سری آستوتی تامرین، جیمز ام. مک گری و کری ال. منگرسن
فصل 11 تشخیص نقطه تغییر بیزی در پایش نتایج بالینی (صفحات 186-196): حسن عساره، ایان اسمیت و کری ال. منگرسن
فصل 12 بیزی اسپلاین (صفحات 197-220): ساموئل کلیفورد و سامانتا لو چوی
فصل 13 نقشه برداری بیماری با استفاده از بیز مدل های سلسله مراتبی (صفحه های 221-239): آرول ارنست، سوزانا ام. کرامب و نیکول ام. وایت
فصل 14 رطوبت، محصولات کشاورزی و شوری: تجزیه و تحلیل مجموعه داده های کشاورزی سه بعدی (صفحه های 240-251): مارگارت دونالد، کلر ال. آلستون، ریک یانگ و کری ال. منگرسن
فصل 15 رویکرد بیزی به مدل‌سازی فضای چند متغیره: مطالعه دارایی فاما-فرانسه؟ مدل قیمت‌گذاری با زمان؟ واپس‌گراهای متغیر (صفحه‌های 252-266) : کریستوفر ام. استریکلند و فیلیپ غارغوری
فصل 16 مدل های مخلوط بیزی: وقتی چیزی که باید بدانید چیزی است که نمی توانید اندازه گیری کنید (صفحه های 267-286): کلر ال. آلستون، کری ال منگرسن و گراهام ای. گاردنر
فصل 17 مدل های کلاس نهفته در پزشکی (صفحات 287-309): مارگارت رولف، نیکول ام وایت و کارلا چن
فصل 18 مدل های پنهان مارکوف برای فرآیندهای تصادفی پیچیده: مطالعه موردی در الکتروفیزیولوژی (صفحه 31) 329): نیکول ام. وایت، هلن جانسون، پیتر سیلبرن، جودیت روسو و کری ال. منگرسن
فصل 19 طبقه بندی بیزی و درختان رگرسیون (صفحات 330-347): ربکا آ. اولری، سامانتا لو چوی، ونبیائو هو و کری ال. منگرسن
فصل 20 شبکه های درهم پیچیده: استفاده از شبکه های بیزی در مبارزه با عفونت (صفحه های 348-360): مری واترهاوس و ساندرا جانسون
فصل 21 اجرای دوز تطبیقی ​​یافتن مطالعات با استفاده از مونت کارلو متوالی (صفحات) 361-373): James M. McGree, Christopher C. Drovandi and Anthony N. Pettitt
فصل 22 احتمال وجود دارد؟ استنتاج رایگان برای نرخ انتقال پاتوژن های بیمارستانی (صفحات 374-387): Christopher C. Drovandi and Anthony N. Pettitt
فصل 23 استنتاج بیزی متغیر برای مدل های مخلوط (صفحه های 388-402): کلر ا. مک گروری
فصل 24 مسائل مربوط به طراحی الگوریتم های ترکیبی (صفحات 403-420): جونگ ای. لی، کری ال. منگرسن و کریستین P. Robert
فصل 25 بسته پایتون برای تخمین بیزی با استفاده از زنجیره مارکوف مونت کارلو (صفحات 421-460): کریستوفر ام. استریکلند، رابرت جی. دنهام، کلیر ال. آلستون و کری ال. منگرسن

This book aims to present an introduction to Bayesian modelling and computation, by considering real case studies drawn from diverse fields spanning ecology, health, genetics and finance. Each chapter comprises a description of the problem, the corresponding model, the computational method, results and inferences as well as the issues that arise in the implementation of these approaches.

Case Studies in Bayesian Statistical Modelling and Analysis:

• Illustrates how to do Bayesian analysis in a clear and concise manner using real-world problems.
• Each chapter focuses on a real-world problem and describes the way in which the problem may be analysed using Bayesian methods.
• Features approaches that can be used in a wide area of application, such as, health, the environment, genetics, information science, medicine, biology, industry and remote sensing.

Case Studies in Bayesian Statistical Modelling and Analysis is aimed at statisticians, researchers and practitioners who have some expertise in statistical modelling and analysis, and some understanding of the basics of Bayesian statistics, but little experience in its application. Graduate students of statistics and biostatistics will also find this book beneficial.

Content:
Chapter 1 Introduction (pages 1–16): Clair L. Alston, Margaret Donald, Kerrie L. Mengersen and Anthony N. Pettitt
Chapter 2 Introduction to MCMC (pages 17–29): Anthony N. Pettitt and Candice M. Hincksman
Chapter 3 Priors: Silent or Active Partners of Bayesian Inference? (pages 30–65): Samantha Low Choy
Chapter 4 Bayesian Analysis of the Normal Linear Regression Model (pages 66–89): Christopher M. Strickland and Clair L. Alston
Chapter 5 Adapting ICU Mortality Models for Local Data: A Bayesian Approach (pages 90–102): Petra L. Graham, Kerrie L. Mengersen and David A. Cook
Chapter 6 A Bayesian Regression Model with Variable Selection for Genome?Wide Association Studies (pages 103–117): Carla Chen, Kerrie L. Mengersen, Katja Ickstadt and Jonathan M. Keith
Chapter 7 Bayesian Meta?Analysis (pages 118–140): Jegar O. Pitchforth and Kerrie L. Mengersen
Chapter 8 Bayesian Mixed Effects Models (pages 141–158): Clair L. Alston, Christopher M. Strickland, Kerrie L. Mengersen and Graham E. Gardner
Chapter 9 Ordering of Hierarchies in Hierarchical Models: Bone Mineral Density Estimation (pages 159–170): Cathal D. Walsh and Kerrie L. Mengersen
Chapter 10 Bayesian Weibull Survival Model for Gene Expression Data (pages 171–185): Sri Astuti Thamrin, James M. McGree and Kerrie L. Mengersen
Chapter 11 Bayesian Change Point Detection in Monitoring Clinical Outcomes (pages 186–196): Hassan Assareh, Ian Smith and Kerrie L. Mengersen
Chapter 12 Bayesian Splines (pages 197–220): Samuel Clifford and Samantha Low Choy
Chapter 13 Disease Mapping Using Bayesian Hierarchical Models (pages 221–239): Arul Earnest, Susanna M. Cramb and Nicole M. White
Chapter 14 Moisture, Crops and Salination: An Analysis of a Three?Dimensional Agricultural Data Set (pages 240–251): Margaret Donald, Clair L. Alston, Rick Young and Kerrie L. Mengersen
Chapter 15 A Bayesian Approach to Multivariate State Space Modelling: A Study of a Fama–French Asset?Pricing Model with Time?Varying Regressors (pages 252–266): Christopher M. Strickland and Philip Gharghori
Chapter 16 Bayesian Mixture Models: When the Thing You Need to Know is the Thing You Cannot Measure (pages 267–286): Clair L. Alston, Kerrie L. Mengersen and Graham E. Gardner
Chapter 17 Latent Class Models in Medicine (pages 287–309): Margaret Rolfe, Nicole M. White and Carla Chen
Chapter 18 Hidden Markov Models for Complex Stochastic Processes: A Case Study in Electrophysiology (pages 310–329): Nicole M. White, Helen Johnson, Peter Silburn, Judith Rousseau and Kerrie L. Mengersen
Chapter 19 Bayesian Classification and Regression Trees (pages 330–347): Rebecca A. O'Leary, Samantha Low Choy, Wenbiao Hu and Kerrie L. Mengersen
Chapter 20 Tangled Webs: Using Bayesian Networks in the Fight Against Infection (pages 348–360): Mary Waterhouse and Sandra Johnson
Chapter 21 Implementing Adaptive dose Finding Studies Using Sequential Monte Carlo (pages 361–373): James M. McGree, Christopher C. Drovandi and Anthony N. Pettitt
Chapter 22 Likelihood?Free Inference for Transmission Rates of Nosocomial Pathogens (pages 374–387): Christopher C. Drovandi and Anthony N. Pettitt
Chapter 23 Variational Bayesian Inference for Mixture Models (pages 388–402): Clare A. McGrory
Chapter 24 Issues in Designing Hybrid Algorithms (pages 403–420): Jeong E. Lee, Kerrie L. Mengersen and Christian P. Robert
Chapter 25 A Python Package for Bayesian Estimation Using Markov Chain Monte Carlo (pages 421–460): Christopher M. Strickland, Robert J. Denham, Clair L. Alston and Kerrie L. Mengersen