Quel est le meilleur manuel dintroduction aux statistiques bayésiennes?

Question

Un livre par réponse, sil vous plaît.

Commentaires

Dans les réponses, veuillez expliquer pourquoi vous recommandez un livre comme » le meilleur. »
Comment peut-il y avoir plus dune réponse à une question posée comme ceci?
Ceci est un vieux fil maintenant, mais je suis revenu à +1 un nouveau livre » Statistical Rethinking. Et en regardant les réponses de rang supérieur dans le fil de discussion, je pense quune distinction clé na pas été ‘ faite: » introduction » pour qui? Un premier cours de statistique (qui se trouve avoir une approche bayésienne)? Une introduction aux méthodes bayésiennes pour quelquun avec des cours de statistiques de base (non bayésiennes)? Ou une introduction aux statistiques bayésiennes pour un praticien des statistiques non bayésiennes qui a finalement été persuadé que cette chose bayésienne nest ‘ quune mode? Des introductions très différentes.

Answer 1

John Kruschke a publié un livre à la mi-2011 intitulé Faire une analyse de données bayésienne: un didacticiel avec R et BUGS . (Une deuxième édition a été publiée en novembre 2014: Analyse des données bayésiennes, deuxième édition: un didacticiel avec R, JAGS et Stan .) Cest vraiment une introduction. Si vous voulez passer des statistiques fréquentistes à Bayes, en particulier avec la modélisation à plusieurs niveaux, je recommande Gelman et Hill.

John Kruschke a également un site Web pour le livre qui contient tous les exemples du livre dans BUGS et JAGS. Son blog sur les statistiques bayésiennes est également lié au livre.

Commentaires

La suggestion de @Amir ‘ est une copie de ceci. (Le titre complet du livre est » Analyse des données bayésiennes: un didacticiel avec R et BUGS « .) Comme un véritable livre d’introduction , Jai ‘ ve +1 ‘ d chacun.
a mis à jour le titre et ajouté quelques liens connexes.
Je vote également pour le livre de Kruschke ‘. Jai ‘ parcouru la plupart des livres énumérés dans les réponses et cest celui que jai trouvé le plus clair. OMI, cest le livre de statistiques le plus clair que jai lu. Cela aide beaucoup que le code R soit disponible pour faire correspondre les formules avec le code. Lauteur commence par des exemples très simples et sappuie sur eux. Très peu de connaissances sont nécessaires. Tous les avis sur Amazon sont très favorables. Le livre de Hoff ‘ est mon deuxième favori.
Haha, jaime la couverture du livre: » Pourquoi les heureux chiots? (comme si des chiots heureux avaient besoin dune justification!) »
Mon vote va également au livre 2010 de Kruschke ‘. En essayant dapprendre les statistiques bayésiennes, jai essayé plusieurs dentre elles, et celle-ci a fait mouche. Difficile.

Answer 2

Commentaires

Ceci est un livre dintroduction pour les personnes qui ont un montant décent des connaissances statistiques déjà.
Jai commencé un doctorat en statistique il y a 9 mois et pour être honnête, le BDA de Gelman ‘ est toujours au-dessus de moi, donc je ne ‘ tc tout est un texte dintroduction!
@Shane, pouvez-vous sil vous plaît à cette réponse en expliquant pourquoi ‘ est votre favori?
@ naught101 alors vous contrevotez sans connaître le livre?
Les quatre ou cinq premiers chapitres sont vraiment une introduction! appartient donc ici.

Réponse

Repenser les statistiques , est sorti il y a quelques semaines à peine et je le lis toujours, mais je pense que cest un ajout très agréable et frais aux livres vraiment introductifs sur les statistiques bayésiennes.Lauteur utilise une approche similaire à celle utilisée par John Kruschke dans ses livres sur les chiots ; très verbeux, explications détaillées, beaux exemples pédagogiques, il utilise aussi une approche computationnelle plutôt que mathématique.

Des conférences YouTube et dautres documents sont également disponibles sur ici .

Code porté sur Python / PyMC3

Commentaires

+1 I ‘ Jécoute les conférences maintenant. Il ‘ est très amusant et a une bonne approche. Le livre est excellent et vous emmène des bases aux modèles hiérarchiques. Il suppose seulement que le lecteur est un peu scientifique, a une compréhension raisonnable des mathématiques (sans compter le calcul) et a entendu certaines choses sur les statistiques. Cest ‘ que je souhaite ‘ avoir. Lordre dans lequel il présente les choses et son système de mise à lécart est génial.
Jai heurté un mur en essayant de parcourir le livre de Kruschke ‘ où il a commencé à en faire de grands sauts de logique que je ne pourrais pas ‘ suivre. Heureusement, je suis tombé sur Statistical Rethinking, qui jusquà présent est le seul livre que jai ‘ trouvé qui vous donne une compréhension véritablement intuitive du sujet.
Après y être allé à travers le fil, jai essayé de lire le premier chapitre de ce livre, et jai trouvé cela très difficile en tant que anglophone non natif et en tant que non-scientifique . Jai dabord dû passer par des mots comme épistémologie , idiosyncratique , puis il y a de longues phrases, que jai dû lire deux fois / trois fois pour comprendre ce que cela signifie littéralement (oublier la conclusion de ces phrases). Ensuite, le tout premier exemple concerne l’évolution naturelle, qui m’a paru grecque: nombre de sites, nombre d’allèles, neutralité . Le livre pourrait être facile pour beaucoup, mais pourrait être difficile pour beaucoup
Une deuxième édition de ce (superbe) livre sortira en mars 2020 .

Réponse

Sivia and Skilling, Data analysis: a bayesian tutorial (2ed) 2006 246p 0198568320 books.goo :

Les cours sur les statistiques ont été une source de grande perplexité et la frustration pour des générations détudiants. Ce livre tente de remédier à la situation en exposant une approche logique et unifiée de tout le sujet de lanalyse des données. Ce texte est conçu comme un guide didactique pour les étudiants de premier cycle et les étudiants de recherche en sciences et en génie …

Je ne connais pas les autres recommandations.

Commentaires

Ce livre est excellent. Il ‘ est court et pratique.
Je pense que cest un bien meilleur texte dintroduction que Gelman.
Un de mes favoris.

Réponse

Commentaires

Tout à fait daccord. Les deux grands livres. Commencez par le calcul bayésien avec R, puis récupérez Gelman et al.
Le lien est mort. Peut-être celui-là? bayesball.github.io/bcwr/index.html

Réponse

Pour une introduction, je recommande Programmation probabiliste & Méthodes bayésiennes pour les hackers par Cam Davidson-Pilon, disponible gratuitement en ligne.

Daprès sa description:

Une introduction aux méthodes bayésiennes et à la programmation probabiliste à partir dun calcul / Understanding-First, Mathématiques-Second point de vue.

Cest très visuel, va droit à la valeur et remplit les détails plus tard, a beaucoup dexemples, a un code interactif (dans IPython Notebook).

Commentaires

Je pensais que ce livre en ligne était difficile à suivre / mal rédigé.
Je pense que le livre va bien.
Je pense que ce livre est une introduction fantastique pour que les programmeurs aient une excellente première expérience avec les statistiques bayésiennes

Répondre

Je recommande vivement la polémique divertissante « Théorie des probabilités: la logique de la science » par E.T. Jaynes.

Ceci est un texte dintroduction dans le sens de ne pas exiger (et en fait préférer) aucune connaissance préalable des statistiques, mais il utilise finalement des mathématiques assez sophistiquées. Comparé à la plupart des autres réponses fournies, ce livre nest pas aussi pratique ou facile à digérer, mais il fournit plutôt le fondement philosophique des raisons pour lesquelles vous voudriez employer des méthodes bayésiennes, et pourquoi ne pas utiliser des approches fréquentistes. Cest une introduction de manière historique et philosophique, mais non pédagogique.

Commentaires

Cest un livre brillant sur la pensée bayésienne plutôt que sur lapplication des méthodes bayésiennes. Je pense que cest un bon texte qui accompagne quelque chose qui explique davantage comment faire des calculs bayésiens.
Cest ‘ une bonne façon de le dire. Je pense que Sivia and Skilling est un texte compagnon idéal pour introduire les méthodes dans la pratique (ce qui a déjà été suggéré dans une autre réponse).
Divertissant et polémique et original, bien sûr, mais certainement pas un livre dintroduction.

Réponse

Son focus nest pas strictement sur les statistiques bayésiennes, il manque donc une certaine méthodologie, mais David MacKay « La théorie de linformation, linférence et les algorithmes dapprentissage mont permis de saisir intuitivement les statistiques bayésiennes mieux que dautres – la plupart font le comment assez bien, mais jai senti que MacKay expliquait mieux pourquoi.

Commentaires

Et il est disponible en téléchargement gratuit sur la page des auteurs: inference.phy.cam.ac.uk/mackay/itila/book.html
Comme Sivia, cest très bien si vous avez des connaissances en physique et cela peut être difficile sinon. Ce nest pas un bon guide pour tout type de statistiques sociales appliquées (pour cela, utilisez Gelman et Hill, ou Gelman et al. Ci-dessus) mais vraiment génial pour vous inciter à vraiment réfléchir aux problèmes fondamentaux.

Réponse

Je suis ingénieur électricien et non statisticien. Jai passé beaucoup de temps à parcourir Gelman mais je ne pense pas que lon puisse parler de Gelman comme une introduction. Mon professeur bayésien-gourou de Carnegie Mellon est daccord avec moi sur ce point. Avoir le minimum de connaissances en statistiques et en R et Bugs (comme moyen simple de FAIRE quelque chose avec les statistiques bayésiennes) Analyse des données bayésiennes: un didacticiel avec R et BUGS est un début incroyable. Vous pouvez comparer tous les livres proposés facilement par leur couverture de livre!

Mise à jour de 5 ans plus tard: je veux ajouter que peut-être un autre moyen majeur dapprendre de manière rapide (40 minutes) est de parcourir la documentation dune interface graphique Bayesian Net outil tel que Netica 2 . Il commence par les bases, vous guide à travers les étapes de création dun réseau basé sur une situation et des données, et comment exécuter vos propres questions aller-retour pour « obtenir! ».

Commentaires

Ceci est un double de @rosser ‘ La réponse de div ci-dessus. En guise de véritable introduction ok, je ‘ ve +1 ‘ d chacun.

Réponse

Les livres Gelman sont tous excellents mais pas nécessairement introductifs dans la mesure où ils supposent que vous connaissez déjà certaines statistiques. Par conséquent, ils sont une introduction à la manière bayésienne de faire des statistiques plutôt quaux statistiques en général. Cependant, je leur donnerais toujours le pouce en lair.

En tant que livre dintroduction aux statistiques / économétrie qui adopte une perspective bayésienne, je recommanderais Gary Koop « s Économétrie bayésienne .

Réponse

Commentaires

@Xi ‘ an et gappy, veuillez expliquer pourquoi ce livre peut être recommandé. À qui convient-il? Dans quel sens est-ce » meilleur « ?
Je ne veux pas tomber dans lautopromotion. Bayesian Core est une entrée autonome à linférence bayésienne pour les modèles les plus courants et aux méthodes de calcul (codes R fournis). Cela nécessite un bagage en théorie des probabilités qui peut être trop pour certains lecteurs … (Cela fonctionne bien avec nos étudiants de 4e et 5e année en France.)

Réponse

Mon premier texte de premier cycle préféré pour les statistiques bayésiennes est de Bolstad, Introduction aux statistiques bayésiennes . Si vous « cherchez quelque chose de niveau supérieur, ce sera trop élémentaire, mais pour quelquun qui est nouveau dans les statistiques, cest idéal.

Réponse

Je ne sais pas pourquoi personne na mentionné le livre dintroduction sur le bayésien:

Il ya « une version PDF gratuite pour le livre. Le livre offre suffisamment de matériel pour quiconque a très peu dexpérience en bayésien. Il introduit le concept de distribution antérieure, distribution postérieure, distribution bêta, etc.

Essayez, cest gratuit.

http://greenteapress.com/thinkbayes/

Réponse

Jai lu certaines parties de Un premier cours de méthodes statistiques bayésiennes par Peter Hoff, et je lai trouvé facile à suivre. (Un exemple de code R est fourni dans tout le texte)

Réponse

Venant dun contexte non statistique, jai trouvé Introduction aux statistiques et estimations bayésiennes appliquées pour les scientifiques sociaux assez informatif et facile à suivre.

Réponse

Jai trouvé une excellente introduction dans Gelman et Hill (2007) Analyse de données à laide de la régression et de modèles à plusieurs niveaux / hiérarchiques . (Dautres commentaires le mentionnent, mais il mérite dêtre voté seul.)

Réponse

Si vous « cherchez un texte élémentaire, cest-à-dire qui na pas de prérequis pour le calcul, il y « a Don Berry » s Statistics: A Bayesian Perspective .

Réponse

Jetez un œil à « Le choix bayésien » . Il a le package complet: fondations, applications et calcul. Clairement écrit.

Commentaires

Ne serait pas seulement un «bayésien» mais plutôt un «excellent choix», si le manuel de solution était disponible pour soi -étudier. Il semble que cela soit destiné à un usage universitaire uniquement …

Réponse

Jai au moins jeté un coup dœil sur la plupart de ceux-ci sur cette liste et aucun nest aussi bon que le nouveau Idées bayésiennes et analyse de données à mon avis.

Modifier: Cest facile de commencer immédiatement à faire une analyse bayésienne en lisant ce livre. Non seulement modéliser la moyenne à partir dune distribution normale avec une variance connue, mais une analyse des données réelles après les deux premiers chapitres. Tous les exemples de code et les données sont sur le site Web du livre. Couvre une quantité décente de théorie, mais laccent est mis sur les applications. De nombreux exemples sur une large gamme de modèles. Beau chapitre sur les non-paramètres bayésiens. Exemples Winbugs, R et SAS. Je préfère cela à lanalyse de données bayésienne (jai les deux). La plupart des livres ici (Gelman, Robert, …) ne sont pas une introduction à mon avis et à moins que vous nayez quelquun à qui parler, il vous restera probablement plus de questions que de réponses. Le livre dAlbert ne couvre pas assez de matière pour se sentir à laise danalyser des données différentes de ce qui est présenté dans le livre (encore une fois mon avis).

Commentaires

» Bon » dans quel sens?
Bon point. Bon comme dans le meilleur manuel d’introduction bayésien. Je crois il est ‘ meilleur ‘ que lanalyse des données bayésiennes avec R par Albert et jai trouvé que lanalyse des données bayésiennes par Gelman et al. ne suffit pas en guise dintroduction. Après avoir appris quelques éléments bayésiens, cest une bonne référence.

Réponse

Si je devais choisir un seul texte pour un débutant, ce serait

 Sivia DS and Skilling J (2006) book (see below).

De tous les livres listés ci-dessous, il sefforce le plus de donner une compréhension intuitive des idées essentielles, mais il en faut quand même sophistication mathématique de la page 1.

Voici une liste de lectures supplémentaires de mon livre, avec des commentaires sur chaque publication.

Bernardo, JM et Smith, A, (2000) 4. Théorie bayésienne Un compte rendu rigoureux des méthodes bayésiennes, avec de nombreux exemples du monde réel.

Bishop, C (2006) 5. Reconnaissance de formes et apprentissage automatique. Comme le titre lindique, il sagit principalement dapprentissage automatique, mais il fournit un compte rendu lucide et complet des méthodes bayésiennes.

Cowan G (1998) 6. Analyse des données statistiques. Une excellente introduction non bayésienne à lanalyse statistique.

Dienes, Z (2008) 8. Comprendre la psychologie en tant que science: une introduction à linférence scienti ﬁ que et statistique. Fournit du matériel didactique sur la règle de Bayes et une analyse lucide de la distinction entre les statistiques bayésiennes et fréquentistes.

Gelman A, Carlin J, Stern H et Rubin D. (2003) 14. Analyse des données bayésiennes. Un compte rendu rigoureux et complet de lanalyse bayésienne, avec de nombreux exemples du monde réel.

Jaynes E et Bretthorst G (2003) 18. Théorie des probabilités: la logique de la science. Le classique moderne de lanalyse bayésienne. Il est complet et judicieux. Son style discursif le rend long (600 pages) mais jamais ennuyeux, et il regorge didées.

Khan, S, 2012, Introduction au théorème de Bayes. Les vidéos de mathématiques en ligne de Salman Khan constituent une bonne introduction à divers sujets, y compris la règle de Bayes.

Lee PM (2004) 27. Statistiques bayésiennes: une introduction. Un texte rigoureux et complet avec un style bayésien strident.

MacKay DJC (2003) 28. Théorie de linformation, inférence et algorithmes dapprentissage. Le classique moderne de la théorie de linformation. Un texte très lisible qui parcourt de nombreux sujets, qui utilisent presque tous la règle de Bayes.

Migon, HS et Gamerman, D (1999) 30. Inférence statistique: une approche intégrée. Un compte rendu simple (et clairement présenté) de linférence, qui compare les approches bayésiennes et non bayésiennes. Bien quil soit assez avancé, le style décriture est de nature didactique.

Pierce JR (1980) 34 2e édition. Une introduction à la théorie de linformation: symboles, signaux et bruit. Pierce écrit avec un style décriture informel et didactique, mais ne recule pas devant la présentation des théorèmes fondamentaux de la théorie de linformation.

Reza, FM (1961) 35. Une introduction à la théorie de linformation. Un livre plus complet et mathématiquement rigoureux que le livre de Pierce ci-dessus, et devrait idéalement être lu seulement après la première lecture du texte plus informel de Pierce.

Sivia DS et Skilling J (2006) 38. Analyse des données: un tutoriel bayésien. Ceci est une excellente introduction de style tutoriel aux méthodes bayésiennes.

Spiegelhalter, D et Rice, K (2009) 36. Statistiques bayésiennes. Scholarpedia, 4 (8): 5230. http://www.scholarpedia.org/article/Bayesian_statistics Un résumé fiable et complet de létat actuel des statistiques bayésiennes.

Et, voici mon livre, publié en juin 2013.

Bayes « Rule: A Tutorial Introduction to Bayesian Analysis, Dr James V Stone, ISBN 978-0956372840

Le chapitre 1 peut être téléchargé depuis: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html

Description: Découvert par un 18 mathématicien et prédicateur du siècle, la règle de Bayes est une pierre angulaire de la théorie des probabilités moderne. Dans ce livre richement illustré, une série dexemples accessibles sont utilisés pour montrer comment la règle de Bayes est en fait une conséquence naturelle du raisonnement de bon sens. La règle de Bayes est dérivée à laide de représentations graphiques intuitives de la probabilité, et lanalyse bayésienne est appliquée à lestimation des paramètres à laide de la méthode Programmes MatLab fournis. Le style décriture du didacticiel, combiné à un glossaire complet, en fait un guide idéal pour le novice qui souhaite se familiariser avec les principes de base de lanalyse bayésienne.

Réponse

Pour débutants complets, essayez William Briggs Briser la loi des moyennes: probabilités et statistiques réelles en anglais simple

Réponse

Je dois simplement inclure MCMC en pratique . Il fournit une excellente introduction à MCMC, peut-être pas aussi générale que les autres livres mentionnés, mais excellente pour gagner en perspicacité et intuition. Je recommanderais de le lire après (ou en parallèle avec) Calcul bayésien avec R .

Commentaires

Mcmc ne devrait pas, à mon avis, faire lobjet dune introduction aux statistiques bayésiennes. Je pense que léchantillonnage par rejet est plus attrayant pour comprendre le fonctionnement de lapprentissage bayésien. De plus, les moindres carrés sont bayésiens (tout comme la ressemblance maximale), ils représentent donc aussi une introduction plus douce aux statistiques bayésiennes, par rapport à mcmc.
Mon avis est que mcmc doit être évité et utilisé en dernier recours – cela prend tout simplement trop de temps dans la plupart des cas (bien que je traite de grands ensembles de données où tout est fondamentalement mle).mcmc est un » marteau de traîneau » dans une certaine mesure. Mcmc est également un algorithme dintégration numérique. Ni plus ni moins. Il devrait recevoir le même traitement dintroduction que les autres algorithmes, tels que la méthode de laplace et le quadratre. Sinon, les utilisateurs développeront une vision étroite de ce que sont les » statistiques bayésiennes « .

Réponse

Si vous venez des sciences physiques (physique / astronomie), je vous recommanderais Bayesian Logical Analyse de données pour les sciences physiques: une approche comparative avec le support Mathematica® par Gregory (2006).

Bien que la partie « avec support Mathematica® » du titre ne soit là que pour les questions commerciales ( les usages du code Mathematica sont très pauvres), la bonne chose à propos de ce livre est quil est vraiment une introduction au sujet des probabilités et des statistiques. Il contient même quelques chapitres sur les statistiques fréquentistes. Cependant, une fois que vous avez essayé, optez pour le livre de Gelman et. al que beaucoup de gens vous ont recommandé. La plupart des éléments du livre de Gregory sont pris à la légère (sinon, ce ne serait pas une introduction): le livre de Gelman a été un véritable réveil de Gregory pour moi.

Commentaires Le livre de

Phil Gregory ‘ est en effet une très belle introduction, un peu comme Bolstad ‘ pour les personnes ayant une formation avancée en mathématiques. Vous trouverez dautres ressources sur le site Web de Phil Gregory ‘ s et il existe également un supplément qui traite des modèles hiérarchiques et du traitement des données manquantes.

Réponse

Jai lu:

Gelman et al (2013). Bayesian Data Analysis. CRC Press LLC. 3e éd.

Hoff, Peter D (2009). Premier cours de méthodes statistiques bayésiennes. Textes de Springer en statistiques.

Kruschke, Doing Bayesian Data Analysis: A Tutorial with R and Bugs, 2011. Académique Appuyez sur / Elsevier.

et je pense que le meilleur pour commencer est le livre de Kruschke. Cest parfait pour une première approche de la pensée bayésienne: les concepts sont expliqués très clairement, il ny a pas trop de mathématiques, et il y a plein de beaux exemples!

Gelman et al. Est un excellent livre, mais il est plus avancé et je suggère de le lire après celui de Kruschke.

A linverse, je nai pas aimé le livre de Hoff car cest un livre dintroduction, mais les concepts (et la pensée bayésienne) ne le sont pas expliquée de manière claire. Je suggère de passer outre.

Réponse

Pas strictement les statistiques bayésiennes en tant que telles, mais je peux fortement recommande « A First Course on Machine Learning » de Rogers et Girolami, qui est essentiellement une introduction aux approches bayésiennes de lapprentissage automatique. Il est très bien structuré, clair et ciblé chez des élèves sans connaissances mathématiques solides. Cela signifie que cest une très bonne première introduction aux idées bayésiennes. Il existe également du code MATLAB / OCTAVE qui est une fonctionnalité intéressante.

Réponse

Statistiques bayésiennes pour les scientifiques sociaux . Phillips, Lawrence D. (1973), Thomas Crowell & Co. Cest très clair, très accessible, ne suppose aucune connaissance statistique et, contrairement à Bolstad que jai trouvé sec, en a personnalité.

Réponse

Ce livre suggère quil est destiné au premier cycle de premier cycle

Biostatistique: A Introduction bayésienne. Par George G Woodsworth.

Publié par John Wiley & Sons

Réponse

Un bon livre allant des bases aux avancées, et que vous pouvez télécharger, est

Andrew Gelman, John Carlin, Hal Stern, David Dunson, Aki Vehtari et Donald Rubin , Analyse des données bayésiennes , http://www.stat.columbia.edu/~gelman/book/

Vous pouvez également téléchargez les deux premiers chapitres de

Richard McElreath, Un cours bayésien avec des exemples en R et Stan , https://xcelab.net/rm/statistical-rethinking/

Commentaires

Je recommande vivement le livre du Dr McElreath ‘ si vous navez ‘ pas une formation rigoureuse sur linférence statistique.

Réponse

Gill, J. (2014). Méthodes bayésiennes: une approche des sciences sociales et comportementales. 3e édition.

Rédigé par un professeur de sciences politiques, avec les spécialistes des sciences sociales comme public cible à lesprit. Le code R est fourni.

http://www.amazon.com/Bayesian-Methods-Behavioral-Sciences-Statistics/dp/1439862486/

Answer 3

Repenser les statistiques , est sorti il y a quelques semaines à peine et je le lis toujours, mais je pense que cest un ajout très agréable et frais aux livres vraiment introductifs sur les statistiques bayésiennes.Lauteur utilise une approche similaire à celle utilisée par John Kruschke dans ses livres sur les chiots ; très verbeux, explications détaillées, beaux exemples pédagogiques, il utilise aussi une approche computationnelle plutôt que mathématique.

Des conférences YouTube et dautres documents sont également disponibles sur ici .

Code porté sur Python / PyMC3

Commentaires

+1 I ‘ Jécoute les conférences maintenant. Il ‘ est très amusant et a une bonne approche. Le livre est excellent et vous emmène des bases aux modèles hiérarchiques. Il suppose seulement que le lecteur est un peu scientifique, a une compréhension raisonnable des mathématiques (sans compter le calcul) et a entendu certaines choses sur les statistiques. Cest ‘ que je souhaite ‘ avoir. Lordre dans lequel il présente les choses et son système de mise à lécart est génial.
Jai heurté un mur en essayant de parcourir le livre de Kruschke ‘ où il a commencé à en faire de grands sauts de logique que je ne pourrais pas ‘ suivre. Heureusement, je suis tombé sur Statistical Rethinking, qui jusquà présent est le seul livre que jai ‘ trouvé qui vous donne une compréhension véritablement intuitive du sujet.
Après y être allé à travers le fil, jai essayé de lire le premier chapitre de ce livre, et jai trouvé cela très difficile en tant que anglophone non natif et en tant que non-scientifique . Jai dabord dû passer par des mots comme épistémologie , idiosyncratique , puis il y a de longues phrases, que jai dû lire deux fois / trois fois pour comprendre ce que cela signifie littéralement (oublier la conclusion de ces phrases). Ensuite, le tout premier exemple concerne l’évolution naturelle, qui m’a paru grecque: nombre de sites, nombre d’allèles, neutralité . Le livre pourrait être facile pour beaucoup, mais pourrait être difficile pour beaucoup
Une deuxième édition de ce (superbe) livre sortira en mars 2020 .

Answer 4

Sivia and Skilling, Data analysis: a bayesian tutorial (2ed) 2006 246p 0198568320 books.goo :

Les cours sur les statistiques ont été une source de grande perplexité et la frustration pour des générations détudiants. Ce livre tente de remédier à la situation en exposant une approche logique et unifiée de tout le sujet de lanalyse des données. Ce texte est conçu comme un guide didactique pour les étudiants de premier cycle et les étudiants de recherche en sciences et en génie …

Je ne connais pas les autres recommandations.

Commentaires

Ce livre est excellent. Il ‘ est court et pratique.
Je pense que cest un bien meilleur texte dintroduction que Gelman.
Un de mes favoris.

Answer 5

Commentaires

Tout à fait daccord. Les deux grands livres. Commencez par le calcul bayésien avec R, puis récupérez Gelman et al.
Le lien est mort. Peut-être celui-là? bayesball.github.io/bcwr/index.html

Réponse

Pour une introduction, je recommande Programmation probabiliste & Méthodes bayésiennes pour les hackers par Cam Davidson-Pilon, disponible gratuitement en ligne.

Daprès sa description:

Une introduction aux méthodes bayésiennes et à la programmation probabiliste à partir dun calcul / Understanding-First, Mathématiques-Second point de vue.

Cest très visuel, va droit à la valeur et remplit les détails plus tard, a beaucoup dexemples, a un code interactif (dans IPython Notebook).

Commentaires

Je pensais que ce livre en ligne était difficile à suivre / mal rédigé.
Je pense que le livre va bien.
Je pense que ce livre est une introduction fantastique pour que les programmeurs aient une excellente première expérience avec les statistiques bayésiennes

Répondre

Je recommande vivement la polémique divertissante « Théorie des probabilités: la logique de la science » par E.T. Jaynes.

Ceci est un texte dintroduction dans le sens de ne pas exiger (et en fait préférer) aucune connaissance préalable des statistiques, mais il utilise finalement des mathématiques assez sophistiquées. Comparé à la plupart des autres réponses fournies, ce livre nest pas aussi pratique ou facile à digérer, mais il fournit plutôt le fondement philosophique des raisons pour lesquelles vous voudriez employer des méthodes bayésiennes, et pourquoi ne pas utiliser des approches fréquentistes. Cest une introduction de manière historique et philosophique, mais non pédagogique.

Commentaires

Cest un livre brillant sur la pensée bayésienne plutôt que sur lapplication des méthodes bayésiennes. Je pense que cest un bon texte qui accompagne quelque chose qui explique davantage comment faire des calculs bayésiens.
Cest ‘ une bonne façon de le dire. Je pense que Sivia and Skilling est un texte compagnon idéal pour introduire les méthodes dans la pratique (ce qui a déjà été suggéré dans une autre réponse).
Divertissant et polémique et original, bien sûr, mais certainement pas un livre dintroduction.

Réponse

Son focus nest pas strictement sur les statistiques bayésiennes, il manque donc une certaine méthodologie, mais David MacKay « La théorie de linformation, linférence et les algorithmes dapprentissage mont permis de saisir intuitivement les statistiques bayésiennes mieux que dautres – la plupart font le comment assez bien, mais jai senti que MacKay expliquait mieux pourquoi.

Commentaires

Et il est disponible en téléchargement gratuit sur la page des auteurs: inference.phy.cam.ac.uk/mackay/itila/book.html
Comme Sivia, cest très bien si vous avez des connaissances en physique et cela peut être difficile sinon. Ce nest pas un bon guide pour tout type de statistiques sociales appliquées (pour cela, utilisez Gelman et Hill, ou Gelman et al. Ci-dessus) mais vraiment génial pour vous inciter à vraiment réfléchir aux problèmes fondamentaux.

Réponse

Je suis ingénieur électricien et non statisticien. Jai passé beaucoup de temps à parcourir Gelman mais je ne pense pas que lon puisse parler de Gelman comme une introduction. Mon professeur bayésien-gourou de Carnegie Mellon est daccord avec moi sur ce point. Avoir le minimum de connaissances en statistiques et en R et Bugs (comme moyen simple de FAIRE quelque chose avec les statistiques bayésiennes) Analyse des données bayésiennes: un didacticiel avec R et BUGS est un début incroyable. Vous pouvez comparer tous les livres proposés facilement par leur couverture de livre!

Mise à jour de 5 ans plus tard: je veux ajouter que peut-être un autre moyen majeur dapprendre de manière rapide (40 minutes) est de parcourir la documentation dune interface graphique Bayesian Net outil tel que Netica 2 . Il commence par les bases, vous guide à travers les étapes de création dun réseau basé sur une situation et des données, et comment exécuter vos propres questions aller-retour pour « obtenir! ».

Commentaires

Ceci est un double de @rosser ‘ La réponse de div ci-dessus. En guise de véritable introduction ok, je ‘ ve +1 ‘ d chacun.

Réponse

Les livres Gelman sont tous excellents mais pas nécessairement introductifs dans la mesure où ils supposent que vous connaissez déjà certaines statistiques. Par conséquent, ils sont une introduction à la manière bayésienne de faire des statistiques plutôt quaux statistiques en général. Cependant, je leur donnerais toujours le pouce en lair.

En tant que livre dintroduction aux statistiques / économétrie qui adopte une perspective bayésienne, je recommanderais Gary Koop « s Économétrie bayésienne .

Réponse

Commentaires

@Xi ‘ an et gappy, veuillez expliquer pourquoi ce livre peut être recommandé. À qui convient-il? Dans quel sens est-ce » meilleur « ?
Je ne veux pas tomber dans lautopromotion. Bayesian Core est une entrée autonome à linférence bayésienne pour les modèles les plus courants et aux méthodes de calcul (codes R fournis). Cela nécessite un bagage en théorie des probabilités qui peut être trop pour certains lecteurs … (Cela fonctionne bien avec nos étudiants de 4e et 5e année en France.)

Réponse

Mon premier texte de premier cycle préféré pour les statistiques bayésiennes est de Bolstad, Introduction aux statistiques bayésiennes . Si vous « cherchez quelque chose de niveau supérieur, ce sera trop élémentaire, mais pour quelquun qui est nouveau dans les statistiques, cest idéal.

Réponse

Je ne sais pas pourquoi personne na mentionné le livre dintroduction sur le bayésien:

Il ya « une version PDF gratuite pour le livre. Le livre offre suffisamment de matériel pour quiconque a très peu dexpérience en bayésien. Il introduit le concept de distribution antérieure, distribution postérieure, distribution bêta, etc.

Essayez, cest gratuit.

http://greenteapress.com/thinkbayes/

Réponse

Jai lu certaines parties de Un premier cours de méthodes statistiques bayésiennes par Peter Hoff, et je lai trouvé facile à suivre. (Un exemple de code R est fourni dans tout le texte)

Réponse

Venant dun contexte non statistique, jai trouvé Introduction aux statistiques et estimations bayésiennes appliquées pour les scientifiques sociaux assez informatif et facile à suivre.

Réponse

Jai trouvé une excellente introduction dans Gelman et Hill (2007) Analyse de données à laide de la régression et de modèles à plusieurs niveaux / hiérarchiques . (Dautres commentaires le mentionnent, mais il mérite dêtre voté seul.)

Réponse

Si vous « cherchez un texte élémentaire, cest-à-dire qui na pas de prérequis pour le calcul, il y « a Don Berry » s Statistics: A Bayesian Perspective .

Réponse

Jetez un œil à « Le choix bayésien » . Il a le package complet: fondations, applications et calcul. Clairement écrit.

Commentaires

Ne serait pas seulement un «bayésien» mais plutôt un «excellent choix», si le manuel de solution était disponible pour soi -étudier. Il semble que cela soit destiné à un usage universitaire uniquement …

Réponse

Jai au moins jeté un coup dœil sur la plupart de ceux-ci sur cette liste et aucun nest aussi bon que le nouveau Idées bayésiennes et analyse de données à mon avis.

Modifier: Cest facile de commencer immédiatement à faire une analyse bayésienne en lisant ce livre. Non seulement modéliser la moyenne à partir dune distribution normale avec une variance connue, mais une analyse des données réelles après les deux premiers chapitres. Tous les exemples de code et les données sont sur le site Web du livre. Couvre une quantité décente de théorie, mais laccent est mis sur les applications. De nombreux exemples sur une large gamme de modèles. Beau chapitre sur les non-paramètres bayésiens. Exemples Winbugs, R et SAS. Je préfère cela à lanalyse de données bayésienne (jai les deux). La plupart des livres ici (Gelman, Robert, …) ne sont pas une introduction à mon avis et à moins que vous nayez quelquun à qui parler, il vous restera probablement plus de questions que de réponses. Le livre dAlbert ne couvre pas assez de matière pour se sentir à laise danalyser des données différentes de ce qui est présenté dans le livre (encore une fois mon avis).

Commentaires

» Bon » dans quel sens?
Bon point. Bon comme dans le meilleur manuel d’introduction bayésien. Je crois il est ‘ meilleur ‘ que lanalyse des données bayésiennes avec R par Albert et jai trouvé que lanalyse des données bayésiennes par Gelman et al. ne suffit pas en guise dintroduction. Après avoir appris quelques éléments bayésiens, cest une bonne référence.

Réponse

Si je devais choisir un seul texte pour un débutant, ce serait

 Sivia DS and Skilling J (2006) book (see below).