Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan

انجام تجزیه و تحلیل داده های بیزی: آموزش با R، JAGS، و Stan، ویرایش دوم یک رویکرد قابل دسترس برای انجام تجزیه و تحلیل داده های بیزی ارائه می دهد، زیرا مطالب به وضوح با مثال های ملموس توضیح داده شده است. شامل دستورالعمل های گام به گام در مورد نحوه انجام تجزیه و تحلیل داده های بیزی در نرم افزار محبوب و رایگان R و WinBugs و همچنین برنامه های جدید در JAGS و Stan است. برنامه های جدید به گونه ای طراحی شده اند که استفاده از آنها بسیار ساده تر از اسکریپت های نسخه اول باشد. به‌ویژه، اکنون اسکریپت‌های سطح بالا فشرده‌ای وجود دارد که اجرای برنامه‌ها را در مجموعه داده‌های شخصی شما آسان می‌کند.

کتاب به سه بخش تقسیم می‌شود و با اصول اولیه شروع می‌شود: مدل‌ها، احتمال، بیز. قانون و زبان برنامه نویسی R. سپس بحث پیش از پایان دادن به فصل‌هایی در مورد مدل خطی تعمیم‌یافته، به سمت اصول کاربردی برای استنتاج احتمال دوجمله‌ای می‌رود. موضوعات شامل متغیرهای متریک پیش بینی شده در یک یا دو گروه است. متغیر متریک پیش بینی شده با یک پیش بینی متریک. متغیر پیش‌بینی‌شده متریک با پیش‌بینی‌کننده‌های متریک متعدد؛ متغیر پیش‌بینی‌شده متریک با یک پیش‌بینی‌کننده اسمی؛ و متغیر متریک پیش بینی شده با چند پیش بینی کننده اسمی. تمرین‌های موجود در متن دارای اهداف و دستورالعمل‌های صریح برای دستیابی به موفقیت هستند.

این کتاب برای دانشجویان سال اول تحصیلات تکمیلی یا کارشناسی ارشد در آمار، تجزیه و تحلیل داده‌ها، روان‌شناسی، علوم شناختی، علوم اجتماعی، علوم بالینی در نظر گرفته شده است. و علوم مصرف در تجارت.

• در دسترس، از جمله اصول اولیه مفاهیم اساسی احتمال و نمونه گیری تصادفی
• نمونه هایی با زبان برنامه نویسی R و نرم افزار JAGS
• پوشش جامع تمامی سناریوها توسط کتاب‌های درسی غیر بایز بررسی شده است: آزمون‌های t، آنالیز واریانس (ANOVA) و مقایسه در ANOVA، رگرسیون چندگانه و کای‌دو (تحلیل جدول اقتضایی)
• پوشش برنامه‌ریزی آزمایش
< li>کد برنامه نویسی کامپیوتری R و JAGS در وب سایت
• تمرینات دارای اهداف و دستورالعمل های صریح برای انجام هستند

• دستورالعمل های گام به گام در مورد نحوه انجام تجزیه و تحلیل داده های بیزی در نرم افزار محبوب و رایگان R و WinBugs

Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition provides an accessible approach for conducting Bayesian data analysis, as material is explained clearly with concrete examples. Included are step-by-step instructions on how to carry out Bayesian data analyses in the popular and free software R and WinBugs, as well as new programs in JAGS and Stan. The new programs are designed to be much easier to use than the scripts in the first edition. In particular, there are now compact high-level scripts that make it easy to run the programs on your own data sets.

The book is divided into three parts and begins with the basics: models, probability, Bayes’ rule, and the R programming language. The discussion then moves to the fundamentals applied to inferring a binomial probability, before concluding with chapters on the generalized linear model. Topics include metric-predicted variable on one or two groups; metric-predicted variable with one metric predictor; metric-predicted variable with multiple metric predictors; metric-predicted variable with one nominal predictor; and metric-predicted variable with multiple nominal predictors. The exercises found in the text have explicit purposes and guidelines for accomplishment.

This book is intended for first-year graduate students or advanced undergraduates in statistics, data analysis, psychology, cognitive science, social sciences, clinical sciences, and consumer sciences in business.

• Accessible, including the basics of essential concepts of probability and random sampling
• Examples with R programming language and JAGS software
• Comprehensive coverage of all scenarios addressed by non-Bayesian textbooks: t-tests, analysis of variance (ANOVA) and comparisons in ANOVA, multiple regression, and chi-square (contingency table analysis)
• Coverage of experiment planning
• R and JAGS computer programming code on website
• Exercises have explicit purposes and guidelines for accomplishment

• Provides step-by-step instructions on how to conduct Bayesian data analyses in the popular and free software R and WinBugs