Welches ist das beste Einführungslehrbuch für Bayessche Statistiken?
Ein Buch pro Antwort, bitte.
Kommentare
- In den Antworten erläutern Sie bitte , warum Sie ein Buch als “ das Beste. “
- Wie kann es mehr als eine Antwort auf eine so formulierte Frage geben?
- Dies ist jetzt ein alter Thread, aber ich bin auf +1 zurückgekommen, ein neues Buch “ Statistisches Umdenken. Und wenn ich mir die übergeordneten Antworten im Thread anschaue, denke ich, dass eine wichtige Unterscheidung ‚ nicht getroffen wurde: “ einleitende “ für wen? Ein erster Kurs in Statistik (der zufällig einen Bayesschen Ansatz hat)? Eine Einführung in die Bayesschen Methoden für jemanden mit grundlegenden (nicht-Bayesschen) Statistikklassen? Oder eine Einführung in die Bayessche Statistik für einen Praktiker der nicht-Bayesschen Statistik, der schließlich davon überzeugt wurde, dass diese Bayessche Sache keine Modeerscheinung ist ‚? Sehr unterschiedliche Einführungen.
Antwort
John Kruschke veröffentlichte Mitte 2011 ein Buch mit dem Titel Bayesianische Datenanalyse durchführen: Ein Tutorial mit R und BUGS . (Eine zweite Ausgabe wurde im November 2014 veröffentlicht: Bayesianische Datenanalyse durchführen, zweite Ausgabe: Ein Tutorial mit R, JAGS und Stan .) Es ist wirklich einführend. Wenn Sie jedoch von häufigen Statistiken nach Bayes gehen möchten, insbesondere mit Mehrebenenmodellierung, empfehle ich Gelman und Hill.
John Kruschke hat auch eine Website für die Buch , das alle Beispiele im Buch in BUGS und JAGS enthält. Sein Blog zur Bayesschen Statistik ist ebenfalls mit dem Buch verknüpft.
Kommentare
- @Amir ‚ Der Vorschlag ist ein Duplikat davon. (Der vollständige Titel des Buches lautet “ Bayesianische Datenanalyse durchführen: Ein Tutorial mit R und BUGS „.) Als wirklich einführendes Buch Ich ‚ habe jeweils +1 ‚ d.
- habe den Titel aktualisiert und einige verwandte Links hinzugefügt.
- Ich stimme auch für das Buch von Kruschke ‚. Ich ‚ habe die meisten der in den Antworten aufgeführten Bücher durchsucht und dies ist das, was ich am klarsten fand. IMO, es ist das klarste Statistikbuch, das ich gelesen habe. Es hilft sehr, dass R-Code verfügbar ist, um Formeln mit Code abzugleichen. Der Autor beginnt mit sehr einfachen Beispielen und baut darauf auf. Es wird sehr wenig Hintergrund benötigt. Alle Bewertungen bei Amazon sind sehr günstig. Hoff ‚ s Buch ist mein zweiter Favorit.
- Haha, ich mag das Buchcover: “ Warum die Glücklichen Welpen? (als ob glückliche Welpen eine Begründung brauchen würden!) “
- Meine Stimme geht auch an Kruschkes ‚ s Buch von 2010. Beim Versuch, Bayessche Statistiken zu lernen, habe ich mehrere davon ausprobiert, und diese hat ins Schwarze getroffen. Schwer.
Antwort
Kommentare
- Dies ist ein Einführungsbuch für Personen mit einer angemessenen Menge
- Ich habe vor 9 Monaten in Statistik promoviert und um ehrlich zu sein, ist Gelmans ‚ BDA immer noch über mir, also würde ich nicht ‚ tc Alles ein Einführungstext!
- @Shane, können Sie bitte auf diese Antwort erklären, warum ‚ Ihr Favorit ist?
- @ naught101 Sie stimmen also ab, ohne das Buch zu kennen?
- Die ersten vier oder fünf Kapitel sind wirklich einleitend! gehört also hierher.
Antwort
Statistisches Umdenken wurde erst vor ein paar Wochen veröffentlicht und daher lese ich es immer noch, aber ich denke, es ist eine sehr schöne und frische Ergänzung zu den wirklich einführenden Büchern über Bayesianische Statistik.Der Autor verwendet einen ähnlichen Ansatz wie John Kruschke in seinen Welpenbüchern . Sehr ausführlich, detaillierte Erklärungen, schöne pädagogische Beispiele, er verwendet auch eher einen rechnerischen als einen mathematischen Ansatz.
Youtube-Vorträge und anderes Material sind auch unter hier verfügbar.
Auf Python / PyMC3 portierter Code
Kommentare
- +1 I ‚ Ich höre jetzt durch die Vorträge. Er ‚ ist sehr unterhaltsam und hat einen guten Ansatz. Das Buch ist ausgezeichnet und führt Sie von den Grundlagen zu hierarchischen Modellen. Es wird nur davon ausgegangen, dass der Leser etwas wissenschaftlich ist, ein vernünftiges Verständnis der Mathematik hat (ohne Kalkül) und einige Dinge über Statistik gehört hat. Es ist ‚ das Buch, das ich mir wünschte, ich hätte es ‚. Die Reihenfolge, in der er die Dinge präsentiert, und sein System der Seiten sind brillant.
- Ich bin gegen eine Wand gestoßen und habe versucht, Kruschkes Buch zu durcharbeiten, in dem er anfing, etwas zu machen große logische Sprünge, denen ich einfach nicht folgen konnte ‚. Glücklicherweise bin ich auf Statistical Rethinking gestoßen, das bislang das einzige Buch ist, das ich ‚ gefunden habe und das Ihnen ein wirklich intuitives Verständnis des Themas vermittelt.
- Nachdem Sie fortgefahren sind Durch den Thread habe ich versucht, das erste Kapitel dieses Buches zu lesen, und ich fand es als nicht englischer Muttersprachler und als nicht wissenschaftlicher sehr schwierig. Zuerst musste ich die Wörter wie Erkenntnistheorie , idiosynkratisch durchgehen, dann gab es lange Sätze, die ich zweimal / dreimal lesen musste, um zu verstehen, was sie wörtlich bedeuten (vergessen die Schlussfolgerung dieser Sätze). Das allererste Beispiel handelt von der natürlichen Evolution, die für mich griechisch klang: Anzahl der Stellen, Anzahl der Allele, Neutralität . Das Buch könnte für viele einfach sein, für viele jedoch schwierig.
- Eine zweite Ausgabe dieses (hervorragenden) Buches wird im März 2020 erscheinen .
Antwort
Sivia and Skilling, Datenanalyse: ein Bayesianisches Tutorial (2ed) 2006 246p 0198568320 books.goo :
Statistikvorträge haben viel Verwirrung gestiftet und Frustration für Generationen von Studenten. Dieses Buch versucht, Abhilfe zu schaffen, indem es einen logischen und einheitlichen Ansatz für das gesamte Thema der Datenanalyse erläutert. Dieser Text ist als Leitfaden für leitende Studenten und Forschungsstudenten in Naturwissenschaften und Ingenieurwissenschaften gedacht …
Die anderen Empfehlungen sind mir jedoch nicht bekannt.
Kommentare
- Dieses Buch ist ausgezeichnet. ‚ ist kurz und praktisch.
- Ich denke, dies ist ein viel besserer Einführungstext als Gelman.
- Einer meiner Favoriten.
Antwort
Kommentare
- Stimme voll zu. Beide großartige Bücher. Beginnen Sie mit der Bayesschen Berechnung mit R und erhalten Sie dann Gelman et al.
- Link ist tot. Vielleicht dieser? bayesball.github.io/bcwr/index.html
Antwort
Für eine Einführung würde ich Probabilistische Programmierung & Bayesianische Methoden für Hacker von empfehlen Cam Davidson-Pilon, online frei verfügbar.
Aus der Beschreibung:
Eine Einführung in Bayessche Methoden und probabilistische Programmierung aus einer Berechnung / Verständnis-zuerst, Mathematik-zweiter Standpunkt.
Es ist sehr visuell, schneidet direkt auf den Wert und füllt später grobkörnige Details auf, hat viele Beispiele: Interaktiver Code (in IPython Notebook).
Kommentare
- Ich dachte, dieses Online-Buch sei schwer zu folgen / schlecht geschrieben.
- Ich denke, das Buch ist in Ordnung.
- Ich denke, dieses Buch ist ein fantastisches Intro für Programmierer, um eine großartige erste Erfahrung mit Bayes-Statistiken zu machen.
Antwort
Ich empfehle die unterhaltsame Polemik „Probability Theory: The Logic of Science“ von E.T. Jaynes.
Dies ist ein Einführungstext in dem Sinne, dass keine statistischen Vorkenntnisse erforderlich sind (und tatsächlich bevorzugt werden), aber letztendlich wird eine ziemlich ausgefeilte Mathematik verwendet. Im Vergleich zu den meisten anderen Antworten ist dieses Buch bei weitem nicht so praktisch oder leicht zu verdauen, sondern liefert das philosophische Fundament dafür, warum Sie Bayessche Methoden anwenden möchten und warum Sie keine frequentistischen Ansätze verwenden. Es ist historisch und philosophisch einführend, aber nicht pädagogisch.
Kommentare
- Dies ist ein brillantes Buch über das Bayessche Denken , anstatt Bayessche Methoden anzuwenden. Ich denke, dies ist ein guter Begleittext zu etwas, das sich mehr mit Bayesschen Berechnungen befasst.
- Das ‚ ist eine gute Art, es auszudrücken. Ich denke, Sivia and Skilling ist ein idealer Begleittext für die Einführung der Methoden in die Praxis (was bereits in einer anderen Antwort vorgeschlagen wurde).
- Unterhaltsam und polemisch und natürlich, aber definitiv kein Einführungsbuch.
Antwort
Der Fokus liegt nicht ausschließlich auf der Bayesschen Statistik, daher fehlt eine Methodik, sondern David MacKay Durch die Algorithmen für Informationstheorie, Inferenz und Lernen konnte ich die Bayesschen Statistiken intuitiv besser erfassen als andere – die meisten machen das wie ganz gut, aber ich fühlte, dass MacKay erklärte, warum besser.
Kommentare
- Und es kann kostenlos von der Autorenseite heruntergeladen werden: inference.phy.cam.ac.uk/mackay/itila/book.html
- Wie Sivia ist dies sehr schön, wenn Sie einen physikalischen Hintergrund haben und wenn nicht, kann es rau sein. Kein guter Leitfaden für angewandte Sozialstatistiken (für diese verwenden Sie Gelman und Hill oder Gelman et al. Oben), aber wirklich großartig , um Sie dazu zu bewegen, wirklich über die Kernprobleme nachzudenken.
Antwort
Ich bin Elektrotechniker und kein Statistiker. Ich habe viel Zeit damit verbracht, Gelman durchzugehen, aber ich glaube nicht, dass man Gelman überhaupt als Einführung bezeichnen kann. Mein Bayesian-Guru-Professor von Carnegie Mellon stimmt mir darin zu. Ich habe die Mindestkenntnisse in Statistik und R und Bugs (als einfache Möglichkeit, etwas mit Bayesian stat zu tun) Bayesianische Datenanalyse durchführen: Ein Tutorial mit R und BUGS ist ein erstaunlicher Anfang. Sie können alle angebotenen Bücher vergleichen leicht durch ihr Buchcover!
5 Jahre später Update: Ich möchte hinzufügen, dass eine andere wichtige Art des schnellen Lernens (40 Minuten) darin besteht, die Dokumentation einer Bayesian Net GUI-basierten zu durchlaufen Tool wie Netica 2 Es beginnt mit den Grundlagen und führt Sie durch die Schritte zum Erstellen eines Netzes basierend auf einer Situation und Daten sowie zum Ausführen eigener Fragen hin und her, um „es zu bekommen!“.
Kommentare
- Dies ist ein Duplikat von @rosser ‚ s. Als wirklich einleitendes Bo ok, ich ‚ habe +1 ‚ d jeweils.
Antwort
Die Gelman-Bücher sind alle ausgezeichnet, aber nicht unbedingt einführend, da sie davon ausgehen, dass Sie einige Statistiken bereits kennen. Daher sind sie eher eine Einführung in die Bayessche Art der Statistik als in die Statistik im Allgemeinen. Ich würde ihnen jedoch immer noch die Daumen hoch geben.
Als einführendes Statistik- / Ökonometrie-Buch, das eine Bayessche Perspektive einnimmt, würde ich Gary Koops empfehlen Bayesianische Ökonometrie .
Antwort
Kommentare
- @Xi ‚ an und gappy, bitte erklären warum dieses Buch kann empfohlen werden. Für wen ist es geeignet? Inwiefern ist es “ am besten „?
- Ich möchte nicht in Eigenwerbung verfallen. Der Bayessche Kern ist ein in sich geschlossener Eintrag zur Bayesschen Inferenz für die gängigsten Modelle und zu Berechnungsmethoden (R-Codes bereitgestellt). Es erfordert einen Hintergrund in der Wahrscheinlichkeitstheorie, der für manche Leser zu viel sein kann … (Es funktioniert gut mit unseren Schülern im 4. und 5. Jahr in Frankreich.)
Antwort
Mein bevorzugter erster Grundstudientext für Bayessche Statistik stammt von Bolstad, Einführung in die Bayessche Statistik . Wenn Sie nach einem Abschluss suchen, ist dies zu elementar, aber für jemanden, der neu in der Statistik ist, ist dies ideal.
Antwort
Ich weiß nicht, warum niemand das sehr einführende Buch über Bayesian erwähnt hat:
Es gibt eine kostenlose PDF-Version für das Buch. Das Buch bietet genug Material für alle, die nur sehr wenig Erfahrung mit Bayesian haben. Es führt das Konzept der vorherigen Verbreitung ein. Posterior Distribution, Beta Distribution usw.
Probieren Sie es aus, es ist kostenlos.
Antwort
Ich habe einige Teile von Ein erster Kurs in Bayesianischen statistischen Methoden von Peter Hoff, und ich fand es einfach, ihm zu folgen. (Beispiel-R-Code wird im gesamten Text bereitgestellt.)
Antwort
Aus nicht statistischem Hintergrund habe ich Einführung in die angewandte Bayessche Statistik und Schätzung für Sozialwissenschaftler sehr informativ und leicht zu befolgen.
Antwort
Ich fand eine hervorragende Einführung in Gelman und Hill (2007) Datenanalyse mit Regression und mehrstufigen / hierarchischen Modellen . (Andere Kommentare erwähnen es, aber es verdient, von sich aus positiv bewertet zu werden.)
Antwort
Wenn Sie suchen Ein elementarer Text, dh einer, der keine Kalkülvoraussetzung hat, ist Don Berrys Statistik: Eine Bayessche Perspektive .
Antwort
Schauen Sie sich „The Bayesian Choice“ an. Es hat das komplette Paket: Grundlagen, Anwendungen und Berechnung. Klar geschrieben.
Kommentare
- Wäre nicht nur ein „Bayesianer“, sondern eine „gute Wahl“, wenn das Lösungshandbuch für sich selbst verfügbar wäre -Studie. Es scheint, dass dies nur für den Universitätsgebrauch bestimmt ist …
Antwort
Ich habe zumindest einen Blick darauf geworfen Die meisten davon auf dieser Liste und keine sind meiner Meinung nach so gut wie die neue Bayesianische Ideen- und Datenanalyse .
Bearbeiten: Es ist Es ist einfach, sofort mit der Bayesschen Analyse zu beginnen, während Sie dieses Buch lesen. Modellieren Sie nicht nur den Mittelwert aus einer Normalverteilung mit bekannter Varianz, sondern auch die tatsächliche Datenanalyse nach den ersten Kapiteln. Alle Codebeispiele und Daten befinden sich auf der Website des Buches. Deckt eine anständige Menge an Theorie ab, aber der Fokus liegt auf Anwendungen. Viele Beispiele für eine Vielzahl von Modellen. Schönes Kapitel über Bayesianische Nichtparametrik. Beispiele für Winbugs, R und SAS. Ich ziehe es der Bayesschen Datenanalyse vor (ich habe beides). Die meisten Bücher hier (Gelman, Robert, …) sind meiner Meinung nach nicht einleitend, und wenn Sie nicht jemanden haben, mit dem Sie sprechen können, bleiben Ihnen wahrscheinlich mehr Fragen als Antworten. Alberts Buch enthält nicht genügend Material, um Daten zu analysieren, die sich von den im Buch dargestellten unterscheiden (wieder meine Meinung).
Kommentare
- “ Gut “ in welchem Sinne?
- Guter Punkt. Gut wie im besten einführenden Bayesschen Lehrbuch. Ich glaube es ist ‚ besser ‚ als die Bayessche Datenanalyse mit R von Albert, und ich fand, dass die Bayessche Datenanalyse von Gelman et al. nicht ausreicht Nach dem Erlernen von Bayesschem Material ist es jedoch eine gute Referenz.
Antwort
Antwort
Wenn ich einen einzelnen Text auswählen müsste Für einen Anfänger wäre es
Sivia DS and Skilling J (2006) book (see below). Von allen unten aufgeführten Büchern ist es am schwierigsten, ein intuitives Verständnis der wesentlichen Ideen zu vermitteln, aber es sind noch einige erforderlich mathematische Raffinesse ab Seite 1.
Nachfolgend finden Sie eine Liste weiterer Lesungen aus meinem Buch mit Kommentaren zu jeder Veröffentlichung.
Bernardo, JM und Smith, A, (2000) 4. Bayessche Theorie Eine strenge Darstellung der Bayesschen Methoden mit vielen Beispielen aus der Praxis.
Bishop, C (2006) 5. Mustererkennung und maschinelles Lernen. Wie der Titel schon sagt, geht es hier hauptsächlich um maschinelles Lernen, aber es bietet eine klare und umfassende Darstellung der Bayesschen Methoden.
Cowan G (1998) 6. Statistische Datenanalyse. Eine ausgezeichnete nicht-bayesianische Einführung in die statistische Analyse.
Dienes, Z (2008) 8. Psychologie als Wissenschaft verstehen: Eine Einführung in wissenschaftliche und statistische Inferenz. Bietet Lernmaterial zur Bayes-Regel und eine übersichtliche Analyse der Unterscheidung zwischen Bayesscher und frequentistischer Statistik.
Gelman A, Carlin J, Stern H und Rubin D. (2003) 14. Bayesianische Datenanalyse. Eine strenge und umfassende Darstellung der Bayesschen Analyse mit vielen Beispielen aus der Praxis.
Jaynes E und Bretthorst G (2003) 18. Wahrscheinlichkeitstheorie: Die Logik der Wissenschaft. Der moderne Klassiker der Bayesschen Analyse. Es ist umfassend und weise. Sein diskursiver Stil macht es lang (600 Seiten), aber nie langweilig, und es steckt voller Erkenntnisse.
Khan, S, 2012, Einführung in den Satz von Bayes. Salman Khans Online-Mathematikvideos bieten eine gute Einführung in verschiedene Themen, einschließlich der Bayes-Regel.
Lee PM (2004) 27. Bayesianische Statistik: Eine Einführung. Ein strenger und umfassender Text mit einem strengen Bayesschen Stil.
MacKay DJC (2003) 28. Informationstheorie, Inferenz und Lernalgorithmen. Der moderne Klassiker der Informationstheorie. Ein sehr lesbarer Text, der sich weit und breit über viele Themen erstreckt, von denen fast alle die Bayes-Regel verwenden.
Migon, HS und Gamerman, D (1999) 30. Statistische Inferenz: Ein integrierter Ansatz. Eine einfache (und übersichtliche) Darstellung der Folgerung, die Bayessche und nicht-Bayessche Ansätze vergleicht. Obwohl der Schreibstil ziemlich fortgeschritten ist, handelt es sich um ein Tutorial.
Pierce JR (1980) 34 2nd Edition. Eine Einführung in die Informationstheorie: Symbole, Signale und Rauschen. Pierce schreibt mit einem informellen, tutoriellen Schreibstil, weicht jedoch nicht von der Darstellung der grundlegenden Theoreme der Informationstheorie ab.
Reza, FM (1961) 35. Eine Einführung in die Informationstheorie. Ein umfassenderes und mathematisch strengeres Buch als das obige Pierce-Buch und sollte idealerweise erst gelesen werden, nachdem Sie zuerst Pierces informelleren Text gelesen haben.
Sivia DS und Skilling J (2006) 38. Datenanalyse: Ein Bayesianisches Tutorial. Dies ist eine hervorragende Einführung in die Bayesschen Methoden.
Spiegelhalter, D und Rice, K (2009) 36. Bayesianische Statistik. Scholarpedia, 4 (8): 5230. http://www.scholarpedia.org/article/Bayesian_statistics Eine zuverlässige und umfassende Zusammenfassung des aktuellen Status der Bayesschen Statistik.
Und hier ist mein Buch, veröffentlicht im Juni 2013.
Bayes-Regel: Eine Einführung in die Bayessche Analyse, Dr. James V Stone, ISBN 978-0956372840
Kapitel 1 kann heruntergeladen werden von: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html
Beschreibung: Entdeckt von einem 18 .. Die Bayes-Regel ist ein Eckpfeiler der modernen Wahrscheinlichkeitstheorie. In diesem reich bebilderten Buch wird anhand einer Reihe zugänglicher Beispiele gezeigt, wie die Bayes-Regel tatsächlich eine natürliche Folge des gesunden Menschenverstandes ist. Die Bayes-Regel wird unter Verwendung intuitiver grafischer Darstellungen der Wahrscheinlichkeit abgeleitet, und die Bayessche Analyse wird auf die Parameterschätzung unter Verwendung der angewendet MatLab-Programme zur Verfügung gestellt. Der Lernstil des Tutorials in Kombination mit einem umfassenden Glossar macht dies zu einer idealen Einführung für Anfänger, die sich mit den Grundprinzipien der Bayesschen Analyse vertraut machen möchten.
Antwort
Für Anfänger, versuchen Sie es mit William Briggs Das Gesetz der Durchschnittswerte brechen: Reale Wahrscheinlichkeit und Statistik in einfachem Englisch
Antwort
Ich muss einfach MCMC in die Praxis einbeziehen . Es bietet eine hervorragende Einführung in MCMC, vielleicht nicht so allgemein wie andere erwähnte Bücher, aber hervorragend, um Einsicht und Intuition zu gewinnen. Ich würde empfehlen, es nach (oder parallel zu) Bayessche Berechnung mit R zu lesen.
Kommentare
- Mcmc sollte meiner Meinung nach nicht im Mittelpunkt einer Einführung in die Bayessche Statistik stehen. Ich denke, Ablehnungsstichproben sind ansprechender, um zu verstehen, wie Bayesianisches Lernen funktioniert. Außerdem sind die kleinsten Quadrate bayesianisch (ebenso wie die maximale Ähnlichkeit), sodass sie im Vergleich zu mcmc auch eine sanftere Einführung in die bayesianische Statistik darstellen.
- Meiner Ansicht nach sollte mcmc vermieden und als letztes Mittel verwendet werden – In den meisten Fällen dauert es einfach zu lange (obwohl ich mich mit großen Datenmengen befasse, bei denen im Grunde alles mle ist).mcmc ist bis zu einem gewissen Grad ein “ Vorschlaghammer „. Auch mcmc ist ein Algorithmus zur numerischen Integration. Nicht mehr, nicht weniger. Es sollte die gleiche einführende Behandlung erhalten wie andere Algorithmen, wie die Laplace-Methode und das Quadratre. Andernfalls entwickeln die Benutzer eine enge Sicht auf die Bayesschen Statistiken “ „.
Antwort
Wenn Sie zufällig aus den physikalischen Wissenschaften (Physik / Astronomie) stammen, würde ich Ihnen Bayesian Logical empfehlen Datenanalyse für die Physikalischen Wissenschaften: Ein vergleichender Ansatz mit Mathematica®-Unterstützung von Gregory (2006).
Obwohl der Teil „mit Mathematica®-Unterstützung“ des Titels nur für kommerzielle Fragen vorgesehen ist ( Die Verwendung von Mathematica-Code ist sehr schlecht. Das Gute an diesem Buch ist, dass es wirklich eine Einführung in das Thema Wahrscheinlichkeiten und Statistiken ist. Es gibt sogar einige Kapitel über häufig auftretende Statistiken. Wenn Sie es einmal probiert haben, lesen Sie das Buch von Gelman et. al, dass viele Leute Sie empfohlen haben. Das meiste Material im Buch Gregor wird leicht genommen (wenn nicht, wäre es keine Einführung): Gelmans Buch ist für mich ein wahres Wiedererwachen von Gregorys.
Kommentare
- Das Buch von Phil Gregory ‚ ist in der Tat eine sehr schöne Einführung, ähnlich wie Bolstad ‚ Einführung für Personen mit fortgeschrittenem mathematischen Hintergrund. Weitere Ressourcen finden Sie auf der Website von Phil Gregory ‚ s und es gibt auch eine Ergänzung , die sich mit hierarchischen Modellen und der Behandlung fehlender Daten befasst.
Antwort
Ich habe gelesen:
Gelman et al. (2013). Bayesian Data Analysis. CRC Press LLC. 3. Aufl.
Hoff, Peter D (2009). Ein erster Kurs in Bayesschen statistischen Methoden. Springer-Texte in Statistik.
Kruschke, Bayessche Datenanalyse: Ein Tutorial mit R und Bugs, 2011. Akademisch Drücken Sie / Elsevier.
und ich denke, dass Kruschkes Buch das bessere ist. Es ist perfekt für eine erste Herangehensweise an das Bayessche Denken: Konzepte werden sehr klar erklärt, es gibt nicht zu viel Mathematik und es gibt viele schöne Beispiele!
Gelman et al. Ist ein großartiges Buch, aber es ist fortgeschrittener und ich schlage vor, es nach dem von Kruschke zu lesen.
Umgekehrt mochte ich Hoffs Buch nicht, weil es ein Einführungsbuch ist, aber Konzepte (und Bayessches Denken) nicht Ich schlage vor, darüber hinwegzugehen.
Antwort
Nicht ausschließlich Bayesianische Statistik als solche, aber ich kann stark empfehlen „Ein erster Kurs über maschinelles Lernen“ von Rogers und Girolami, der im Wesentlichen eine Einführung in die Bayesschen Ansätze des maschinellen Lernens darstellt. Es ist sehr gut strukturiert und klar und zielgerichtet bei Studenten ohne starken mathematischen Hintergrund. Dies bedeutet, dass es eine ziemlich gute erste Einführung in Bayessche Ideen ist. Es gibt auch MATLAB / OCTAVE-Code, der eine nette Funktion ist.
Antwort
Bayesianische Statistik für Sozialwissenschaftler . Phillips, Lawrence D. (1973), Thomas Crowell & Co. Es ist sehr klar, sehr zugänglich, setzt keine statistischen Kenntnisse voraus und hat im Gegensatz zu Bolstad, das ich trocken fand, einige Persönlichkeit.
Antwort
Dieses Buch schlägt vor, dass es sich an Einsteiger richtet.
Biostatistik: A. Bayesianische Einführung. Von George G Woodsworth.
Veröffentlicht von John Wiley & Söhne
Antwort
Ein gutes Buch von den Grundlagen bis zum Fortgeschrittenen, das Sie herunterladen können, ist
Andrew Gelman, John Carlin, Hal Stern, David Dunson, Aki Vehtari und Donald Rubin , Bayesian Data Analysis , http://www.stat.columbia.edu/~gelman/book/
Sie können dies auch Laden Sie die ersten beiden Kapitel von
Richard McElreath, Ein Bayes-Kurs mit Beispielen in R und Stan ,
Kommentare
- Ich empfehle das Buch von Dr. McElreath ‚, wenn Sie ‚ kein strenges statistisches Inferenztraining haben.
Antwort
Gill, J. (2014). Bayesianische Methoden: Ein sozial- und verhaltenswissenschaftlicher Ansatz. 3. Auflage.
Geschrieben von einem politikwissenschaftlichen Professor mit Blick auf Sozialwissenschaftler als Zielgruppe. R-Code wird bereitgestellt.
http://www.amazon.com/Bayesian-Methods-Behavioral-Sciences-Statistics/dp/1439862486/ 