Wat is het beste inleidende leerboek voor Bayesiaanse statistieken?
Een boek per antwoord graag.
Opmerkingen
- leg in de antwoorden waarom u een boek aanbeveelt als ” de beste. ”
- Hoe kan er meer dan één antwoord zijn op een vraag die zo is geformuleerd?
- Dit is nu een oude thread, maar ik kwam terug om een +1 te geven aan een nieuw boek ” Statistical Rethinking. En bij het kijken naar de hoger geplaatste antwoorden in de thread, denk ik dat er een belangrijk onderscheid niet ‘ t is gemaakt: ” inleidende ” voor wie? Een eerste cursus statistiek (die toevallig een Bayesiaanse benadering heeft)? Een inleiding tot Bayesiaanse methoden voor iemand met basiscursussen voor niet-gegradueerde (niet-Bayesiaanse) statistiek? Of een inleiding tot Bayesiaanse statistiek voor een beoefenaar van niet-Bayesiaanse statistiek die er eindelijk van overtuigd is dat dit Bayesiaanse ding niet ‘ een bevlieging is? Heel verschillende inleidingen.
Antwoord
John Kruschke heeft medio 2011 een boek uitgebracht genaamd Bayesiaanse gegevensanalyse uitvoeren: een zelfstudie met R en BUGS . (Een tweede editie is uitgebracht in november 2014: Bayesiaanse gegevensanalyse uitvoeren, tweede editie: een zelfstudie met R, JAGS en Stan .) Het is echt inleidend. Als je echter van frequente statistieken naar Bayes wilt lopen, vooral met modellering op meerdere niveaus, raad ik Gelman en Hill aan.
John Kruschke heeft ook een website voor de boek met alle voorbeelden in het boek in BUGS en JAGS. Zijn blog over Bayesiaanse statistieken is ook gekoppeld aan het boek.
Opmerkingen
- @Amir ‘ s suggestie is een duplicaat hiervan. (De volledige titel van het boek is ” Bayesiaanse gegevensanalyse uitvoeren: een zelfstudie met R en BUGS “.) Als een echt inleidend boek , Ik ‘ ve +1 ‘ d elk.
- de titel bijgewerkt en een aantal gerelateerde links toegevoegd.
- Ik stem ook op het boek van Kruschke ‘. Ik ‘ heb de meeste boeken doorzocht die in de antwoorden worden genoemd en dit is degene die ik het duidelijkst vond. IMO, het is het meest duidelijke statistiekenboek dat ik heb gelezen. Het helpt veel dat er R-code beschikbaar is om formules met code te matchen. De auteur begint met heel eenvoudige voorbeelden en bouwt daarop voort. Er is maar heel weinig achtergrond nodig. Alle recensies op Amazon zijn zeer gunstig. Hoff ‘ s boek is mijn tweede favoriet.
- Haha, ik hou van de boekomslag: ” Waarom de gelukkige puppys? (alsof gelukkige puppys rechtvaardiging nodig hadden!) ”
- Mijn stem gaat ook naar het boek van Kruschke ‘ s 2010. Bij het leren van Bayesiaanse statistieken, heb ik er verschillende geprobeerd, en deze was een schot in de roos. Moeilijk.
Antwoord
Reacties
- Dit is een inleidend boek voor mensen die een behoorlijk bedrag hebben met een statistische achtergrond.
- Ik ben 9 maanden geleden begonnen aan een doctoraat in de statistiek en om eerlijk te zijn is Gelman ‘ s BDA nog steeds boven mij, dus ik zou niet ‘ tc het is allemaal een inleidende tekst!
- @Shane, kun je alsjeblieft op dit antwoord uitleggen waarom het ‘ jouw favoriet is?
- @ naught101 dus je stemt af zonder het boek te kennen?
- De eerste vier of vijf hoofdstukken zijn echt inleidend! hoort hier dus thuis.
Antwoord
Statistische heroverweging , is pas een paar weken geleden uitgebracht en daarom ben ik het nog steeds aan het lezen, maar ik denk dat het een erg leuke en frisse toevoeging is aan de echt inleidende boeken over Bayesiaanse statistiek.De auteur gebruikt een vergelijkbare benadering als die van John Kruschke in zijn puppyboeken ; zeer uitgebreide, gedetailleerde uitleg, mooie pedagogische voorbeelden, hij gebruikt ook een computationele in plaats van een wiskundige benadering.
Youtube-lezingen en ander materiaal zijn ook beschikbaar via hier .
Code geporteerd naar Python / PyMC3
Reacties
- +1 I ‘ Ik luister nu door de lezingen. Hij ‘ is erg vermakelijk en heeft een goede aanpak. Het boek is uitstekend en neemt je mee van basics tot hiërarchische modellen. Het veronderstelt alleen dat de lezer enigszins wetenschappelijk is, een redelijk begrip heeft van wiskunde (exclusief calculus) en een aantal dingen over statistiek heeft gehoord. Het ‘ is het boek dat ik ‘ had willen hebben. De volgorde waarin hij dingen presenteert, en zijn systeem van terzijdes is briljant.
- Ik raakte een muur terwijl ik probeerde het boek van Kruschke ‘ te doorlopen, waar hij begon met het maken van grote logische stappen die ik niet ‘ kon volgen. Gelukkig kwam ik Statistical Rethinking tegen, wat tot dusver het enige boek is dat ik ‘ heb gevonden dat je een echt intuïtief begrip van het onderwerp geeft.
- door de draad heen probeerde ik het eerste hoofdstuk van dit boek te lezen, en ik vond het erg moeilijk als anderstalige Engelse spreker en als niet-wetenschapper . Eerst moest ik de woorden epistemologie , idiosyncratisch doornemen, daarna zijn er lange zinnen, die ik twee keer / driemaal moest lezen om te begrijpen wat ze letterlijk betekent (vergeet de conclusie van die zinnen). Dan gaat het allereerste voorbeeld over natuurlijke evolutie, wat mij Grieks in de oren klonk: aantal sites, aantal allelen, neutraliteit . Het boek kan voor veel gemakkelijk zijn, maar het kan voor velen moeilijk zijn
- Een tweede editie van dit (fantastische) boek komt uit in maart 2020 .
Answer
Sivia and Skilling, Data-analyse: een Bayesiaanse tutorial (2ed) 2006 246p 0198568320 books.goo :
Statistische lezingen waren een bron van grote verbijstering en frustratie voor generaties studenten. Dit boek probeert de situatie te verhelpen door een logische en uniforme benadering van het hele onderwerp van data-analyse uiteen te zetten. Deze tekst is bedoeld als handleiding voor ouderejaarsstudenten en onderzoeksstudenten in wetenschappen en techniek …
Ik ken de andere aanbevelingen echter niet.
Reacties
- Dit boek is uitstekend. Het ‘ is kort en praktisch.
- Ik denk dat dit een veel betere inleidende tekst is dan Gelman.
- Een van mijn favorieten.
Antwoord
Reacties
- Helemaal mee eens. Beide geweldige boeken. Begin met Bayesiaanse berekening met R, en pak dan Gelman et al.
- Link is dood. Misschien deze? bayesball.github.io/bcwr/index.html
Antwoord
Voor een inleiding zou ik Probabilistisch programmeren & Bayesiaanse methoden voor hackers door Cam Davidson-Pilon, gratis online beschikbaar.
Uit de beschrijving:
Een inleiding tot Bayesiaanse methoden en probabilistisch programmeren op basis van een berekening / begrip-eerst, wiskunde-tweede gezichtspunt.
Het is zeer visueel, snijdt direct naar de waarde en vult later korrelige details, heeft veel van voorbeelden, heeft interactieve code (in IPython Notebook).
Reacties
- Ik dacht dat dit online boek moeilijk te volgen / slecht geschreven was.
- Ik vind het boek prima.
- Ik denk dat dit boek een fantastische introductie is voor programmeurs om een geweldige eerste ervaring te hebben met Bayesiaanse statistieken
Antwoord
Ik beveel de vermakelijke polemiek “Probability Theory: The Logic of Science” van E.T. Jaynes.
Dit is een inleidende tekst in de zin dat er geen voorkennis van statistiek nodig is (en in feite de voorkeur aan geeft), maar uiteindelijk wordt er wel tamelijk geavanceerde wiskunde gebruikt. In vergelijking met de meeste andere gegeven antwoorden is dit boek lang niet zo praktisch of gemakkelijk te verteren, maar het biedt eerder de filosofische basis waarom je Bayesiaanse methoden zou willen gebruiken, en waarom je geen frequentistische benaderingen zou gebruiken. Het is inleidend op een historische en filosofische, maar niet pedagogische manier.
Opmerkingen
- Dit is een briljant boek over Bayesian denken in plaats van Bayesiaanse methoden toe te passen. Ik denk dat dit een goede begeleidende tekst is bij iets dat meer ingaat op hoe Bayesiaanse berekeningen werken.
- Dat ‘ is een goede manier om het te zeggen. Ik denk dat Sivia en Skilling een ideale begeleidende tekst is om de methoden in de praktijk te introduceren (wat al in een ander antwoord is gesuggereerd).
- Vermakelijk en polemisch en origineel, zeker, maar zeker geen inleidend boek.
Antwoord
De focus is niet strikt op Bayesiaanse statistieken, dus het mist enige methodologie, maar David MacKay “s informatietheorie, gevolgtrekking en leeralgoritmen zorgden ervoor dat ik Bayesiaanse statistieken intuïtief beter begrijp dan andere – de meeste doen het best goed, maar ik voelde dat MacKay het waarom beter had uitgelegd. = “comments”>
Answer
Ik ben elektrotechnisch ingenieur en geen statisticus. Ik heb veel tijd besteed aan Gelman, maar ik denk niet dat je Gelman helemaal niet als inleidend kunt noemen. Mijn bayesiaanse goeroe-professor van Carnegie Mellon is het met me eens. Met de minimale kennis van statistiek en R en Bugs (als de gemakkelijke manier om iets te DOEN met Bayesiaanse stat) Bayesiaanse gegevensanalyse uitvoeren: een zelfstudie met R en BUGS is een geweldige start. Je kunt alle aangeboden boeken vergelijken gemakkelijk door hun boekomslag!
5 jaar later update: ik wil hieraan toevoegen dat misschien een andere belangrijke manier om snel te leren (40 minuten) is om de documentatie van een Bayesian Net GUI-gebaseerde tool zoals Netica 2 . Het begint met de basisprincipes, leidt u door de stappen voor het bouwen van een netwerk op basis van een situatie en gegevens, en hoe u uw eigen vragen kunt stellen heen en weer om “get it!”.
Reacties
- Dit is een duplicaat van @rosser ‘ s antwoord hierboven. Als een echt inleidende bo ok, ik ‘ ve +1 ‘ d elk.
Antwoord
De Gelman-boeken zijn allemaal uitstekend, maar niet noodzakelijk inleidend omdat ze ervan uitgaan dat je al een aantal statistieken kent. Daarom zijn ze eerder een inleiding tot de Bayesiaanse manier van statistiek maken dan tot statistiek in het algemeen. Ik zou ze echter nog steeds de duim opsteken.
Als inleidend statistiek- / econometrieboek met Bayesiaans perspectief, zou ik Gary Koops aanbevelen Bayesiaanse econometrie .
Antwoord
Reacties
- @Xi ‘ an en gappy, leg uit waarom dit boek kan worden aanbevolen. Voor wie is het geschikt? In welke zin is het ” best “?
- Ik wil niet in zelfpromotie vervallen. Bayesian Core is een op zichzelf staande toegang tot Bayesiaanse inferentie voor de meest voorkomende modellen en computationele methoden (R-codes meegeleverd). Het vereist enige achtergrond in de waarschijnlijkheidstheorie die voor sommige lezers misschien te veel is … (Het werkt goed met onze 4e en 5e jaars studenten in Frankrijk.)
Antwoord
Mijn favoriete eerste niet-gegradueerde tekst voor Bayesiaanse statistieken is van Bolstad, Inleiding tot Bayesiaanse statistieken . Als je iets op graduate niveau zoekt, zal dit te elementair zijn, maar voor iemand die nieuw is in statistiek is dit ideaal.
Answer
Ik weet niet waarom niemand het zeer inleidende boek over Bayesian heeft genoemd:
Er is een gratis pdf-versie voor het boek. Het boek biedt genoeg materiaal voor iedereen die weinig ervaring heeft met bayesiaans. Het introduceert het concept van eerdere distributie, posterieure distributie, bèta-distributie etc.
Probeer het, het is gratis.
Antwoord
Ik heb enkele delen van Een eerste cursus in Bayesiaanse statistische methoden door Peter Hoff, en ik vond het gemakkelijk te volgen. (Voorbeeld R-code wordt door de hele tekst heen gegeven)
Antwoord
Afkomstig van een niet-statistische achtergrond vond ik Inleiding tot toegepaste Bayesiaanse statistieken en schattingen voor sociale wetenschappers vrij informatief en gemakkelijk te volgen.
Antwoord
Ik vond een uitstekende introductie in Gelman en Hill (2007) Gegevensanalyse met behulp van regressie en multilevel / hiërarchische modellen . (Andere commentaren vermelden het, maar het verdient het om zelf op de hoogte te worden gebracht.)
Antwoord
Als u op zoek bent naar een elementaire tekst, dat wil zeggen een tekst die “geen calculusvereiste heeft, er is” Don Berry “s Statistics: A Bayesian Perspective .
Answer
Kijk eens naar “The Bayesian Choice” . Het heeft het volledige pakket: fundamenten, toepassingen en berekeningen. Duidelijk geschreven.
Opmerkingen
- Zou niet alleen een „Bayesiaanse“ maar eerder een „goede keuze“ zijn als de oplossingshandleiding voor zichzelf beschikbaar zou zijn -studie. Het lijkt erop dat dit alleen bedoeld is voor universitair gebruik …
Antwoord
Ik heb op zijn minst gekeken naar de meeste van deze op deze lijst en geen enkele is zo goed als de nieuwe Bayesiaanse ideeën en gegevensanalyse naar mijn mening.
Bewerken: het is gemakkelijk om onmiddellijk te beginnen met Bayesiaanse analyse tijdens het lezen van dit boek. Modelleer niet alleen het gemiddelde van een normale verdeling met bekende variantie, maar feitelijke data-analyse na de eerste paar hoofdstukken. Alle codevoorbeelden en gegevens staan op de website van het boek. Omvat een behoorlijke hoeveelheid theorie, maar de focus ligt op toepassingen. Veel voorbeelden over een breed scala aan modellen. Leuk hoofdstuk over Bayesiaanse niet-parametrie. Winbugs, R en SAS-voorbeelden. Ik geef er de voorkeur aan boven Bayesiaanse gegevensanalyse (ik heb beide). De meeste boeken hier (Gelman, Robert, …) zijn naar mijn mening niet inleidend en tenzij je iemand hebt om mee te praten, zul je waarschijnlijk meer vragen dan antwoorden hebben. Het boek van Albert bevat niet genoeg materiaal om zich op zijn gemak te voelen bij het analyseren van andere gegevens dan in het boek wordt gepresenteerd (nogmaals mijn mening).
Opmerkingen
- ” Goed ” in welke zin?
- Goed punt. Goed als in het beste inleidende Bayesiaanse leerboek. Ik geloof het is ‘ beter ‘ dan Bayesian Data Analysis met R door Albert en ik vond Bayesian Data Analysis door Gelman et al. niet voldoende als inleiding. Na het leren van Bayesiaans materiaal is het echter een goede referentie.
Answer
Antwoord
Als ik een enkele tekst moest kiezen voor een beginner zou het zijn
Sivia DS and Skilling J (2006) book (see below). Van alle onderstaande boeken streeft het het hardst naar een intuïtief begrip van de essentiële ideeën, maar het vereist nog steeds wat wiskundige verfijning vanaf pagina 1.
Hieronder staat een lijst met verdere lezingen uit mijn boek, met commentaar bij elke publicatie.
Bernardo, JM en Smith, A, (2000) 4. Bayesiaanse theorie Een rigoureus verslag van Bayesiaanse methoden, met veel praktijkvoorbeelden.
Bishop, C (2006) 5. Patroonherkenning en machine learning. Zoals de titel suggereert, gaat dit voornamelijk over machine learning, maar het geeft een helder en uitgebreid verslag van Bayesiaanse methoden.
Cowan G (1998) 6. Statistische gegevensanalyse. Een uitstekende niet-Bayesiaanse inleiding tot statistische analyse.
Dienes, Z (2008) 8. Psychologie als wetenschap begrijpen: een inleiding tot wetenschappelijke en statistische inferentie. Biedt lesmateriaal over de regel van Bayes en een heldere analyse van het onderscheid tussen Bayesiaanse en frequentistische statistieken.
Gelman A, Carlin J, Stern H en Rubin D. (2003) 14. Bayesiaanse gegevensanalyse. Een rigoureus en uitgebreid verslag van Bayesiaanse analyse, met veel praktijkvoorbeelden.
Jaynes E en Bretthorst G (2003) 18. Kansrekening: The Logic of Science. De moderne klassieker van Bayesiaanse analyse. Het is veelomvattend en wijs. Zijn discursieve stijl maakt het lang (600 paginas) maar nooit saai, en het zit boordevol inzichten.
Khan, S, 2012, Inleiding tot de stelling van Bayes. De online wiskundevideos van Salman Khan vormen een goede inleiding tot verschillende onderwerpen, waaronder de regel van Bayes.
Lee PM (2004) 27. Bayesian Statistics: An Introduction. Een rigoureuze en uitgebreide tekst met een uitgesproken Bayesiaanse stijl.
MacKay DJC (2003) 28. Informatietheorie, gevolgtrekking en leeralgoritmen. De moderne klassieker over informatietheorie. Een zeer leesbare tekst die heinde en verre zwerft over vele onderwerpen, die bijna allemaal gebruik maken van de regel van Bayes.
Migon, HS en Gamerman, D (1999) 30. Statistische inferentie: een geïntegreerde benadering. Een rechttoe rechtaan (en duidelijk opgemaakt) verslag van inferentie, dat Bayesiaanse en niet-Bayesiaanse benaderingen vergelijkt. Ondanks dat het redelijk geavanceerd is, is de schrijfstijl een tutorial van aard.
Pierce JR (1980) 34 2e editie. Een inleiding tot informatietheorie: symbolen, signalen en ruis. Pierce schrijft met een informele, zelfstudie-schrijfstijl, maar schrikt er niet van af om de fundamentele stellingen van de informatietheorie te presenteren.
Reza, FM (1961) 35. Een inleiding tot informatietheorie. Een uitgebreider en wiskundig rigoureuzer boek dan het Pierce-boek hierboven, en zou idealiter pas gelezen moeten worden nadat de meer informele tekst van Pierce eerst gelezen is.
Sivia DS en Skilling J (2006) 38. Gegevensanalyse: een Bayesiaanse zelfstudie. Dit is een uitstekende introductie in de stijl van een tutorial in Bayesiaanse methoden.
Spiegelhalter, D en Rice, K (2009) 36. Bayesiaanse statistieken. Scholarpedia, 4 (8): 5230. http://www.scholarpedia.org/article/Bayesian_statistics Een betrouwbare en uitgebreide samenvatting van de huidige status van Bayesiaanse statistieken.
En hier is mijn boek, gepubliceerd in juni 2013.
Bayes “Rule: A Tutorial Introduction to Bayesian Analysis, Dr James V Stone, ISBN 978-0956372840
Hoofdstuk 1 kan worden gedownload van: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html
Beschrijving: ontdekt door een 18e eeuw wiskundige en predikant, Bayes regel is een hoeksteen van de moderne waarschijnlijkheidstheorie. In dit rijk geïllustreerde boek wordt een reeks toegankelijke voorbeelden gebruikt om te laten zien hoe de Bayes-regel eigenlijk een natuurlijk gevolg is van gezond verstand. De Bayes-regel wordt afgeleid met behulp van intuïtieve grafische weergaven van waarschijnlijkheid, en Bayesiaanse analyse wordt toegepast op parameterschatting met behulp van de MatLab-programmas beschikbaar. De schrijfstijl van de tutorial, gecombineerd met een uitgebreide woordenlijst, maakt dit een ideale inleiding voor de beginner die vertrouwd wil raken met de basisprincipes van Bayesiaanse analyse.
Antwoord
Voor complete beginners, probeer William Briggs De wet van gemiddelden overtreden: reële waarschijnlijkheid en statistieken in gewoon Engels
Antwoord
Ik moet gewoon MCMC opnemen in de praktijk . Het biedt een uitstekende introductie tot MCMC, misschien niet zo algemeen als andere genoemde boeken, maar uitstekend om inzicht en intuïtie te verwerven. Ik zou aanraden het te lezen na (of parallel met) Bayesiaanse berekening met R .
Opmerkingen
- Mcmc zou naar mijn mening niet de focus moeten zijn van een inleiding tot Bayesiaanse statistiek. Ik denk dat weigeringsbemonstering aantrekkelijker is als een manier om te begrijpen hoe Bayesiaans leren werkt. De kleinste kwadraten zijn ook bayesisch (net als de maximale gelijkheid), dus het vertegenwoordigt ook een zachtere inleiding tot de bayesiaanse statistieken in vergelijking met mcmc.
- Mijn mening is dat mcmc moet worden vermeden en als laatste redmiddel moet worden gebruikt – het duurt in de meeste gevallen gewoon te lang (hoewel ik te maken heb met big data-sets waarin alles in principe mle is).mcmc is tot op zekere hoogte een ” voorhamer “. Ook mcmc is een algoritme voor numerieke integratie. Niets meer niets minder. Het zou dezelfde inleidende behandeling moeten krijgen als andere algoritmen, zoals de laplace-methode en quadratre. Anders zullen mensen een beperkt beeld krijgen van wat ” Bayesiaanse statistieken ” is.
Answer
Als je toevallig uit de fysische wetenschappen (natuurkunde / astronomie) komt, zou ik je Bayesiaanse logica aanbevelen Gegevensanalyse voor de natuurwetenschappen: een vergelijkende benadering met Mathematica®-ondersteuning door Gregory (2006).
Hoewel het gedeelte “met Mathematica®-ondersteuning” er alleen is voor commerciële kwesties ( het gebruik van de Mathematica-code is erg slecht), het goede aan dit boek is dat het echt een inleiding is op het onderwerp kansen en statistieken. Het bevat zelfs enkele hoofdstukken over frequentistische statistieken. Als je het echter eenmaal hebt geprobeerd, ga dan voor het boek Gelman et. al dat veel mensen je hebben aanbevolen. Het meeste materiaal in het boek Gregory wordt licht opgevat (zo niet, dan zou het geen introductie zijn): Gelmans boek is voor mij echt een ontwaken uit Gregorys boek geweest.
Reacties
- Phil Gregory ‘ s boek is inderdaad een erg leuke introductie, een beetje zoals Bolstad ‘ s introductie voor mensen met een gevorderde wiskundige achtergrond. Er zijn meer bronnen te vinden op Phil Gregory ‘ s website en er is ook een supplement dat betrekking heeft op hiërarchische modellen en de behandeling van ontbrekende gegevens.
Antwoord
Ik las:
Gelman et al (2013). Bayesian Data Analysis. CRC Press LLC. 3e ed.
Hoff, Peter D (2009). Een eerste cursus in Bayesiaanse statistische methoden. Springer Texts in Statistics.
Kruschke, Doing Bayesian Data Analysis: A Tutorial with R and Bugs, 2011. Academic Pers / Elsevier.
en ik denk dat het beste om mee te beginnen het boek van Kruschke is. Het is perfect voor een eerste benadering van het Bayesiaanse denken: concepten worden heel duidelijk uitgelegd, er is niet te veel wiskunde en er zijn veel mooie voorbeelden!
Gelman et al. Is een geweldig boek, maar het is geavanceerder en ik stel voor om het na het boek van Kruschke te lezen.
Omgekeerd hield ik niet van het boek van Hoff omdat het een inleidend boek is, maar begrippen (en het Bayesiaanse denken) zijn niet duidelijk uitgelegd. Ik stel voor om verder te gaan.
Antwoord
Niet strikt Bayesiaanse statistieken als zodanig, maar ik kan aanbevelen “A First Course on Machine Learning” door Rogers en Girolami, wat in wezen een inleiding is tot Bayesiaanse benaderingen van machine learning. Het is zeer goed gestructureerd en duidelijk en gericht voor studenten zonder een sterke wiskundige achtergrond. Dit betekent dat het een redelijk goede eerste kennismaking is met Bayesiaanse ideeën. Er is ook MATLAB / OCTAVE-code, wat een leuke functie is.
Antwoord
Bayesiaanse statistieken voor sociale wetenschappers . Phillips, Lawrence D. (1973), Thomas Crowell & Co. Het is heel duidelijk, heel toegankelijk, veronderstelt geen kennis van statistieken en heeft, in tegenstelling tot Bolstad, dat ik droog vond, wat persoonlijkheid.
Antwoord
Dit boek suggereert dat het gericht is op beginnersniveau op instapniveau
Biostatistiek: A Bayesiaanse introductie. Door George G Woodsworth.
Gepubliceerd door John Wiley & Zonen
Antwoord
Een goed boek, van basis tot gevorderd, en dat u kunt downloaden, is
Andrew Gelman, John Carlin, Hal Stern, David Dunson, Aki Vehtari en Donald Rubin , Bayesiaanse gegevensanalyse , http://www.stat.columbia.edu/~gelman/book/
U kunt ook download de eerste twee hoofdstukken van
Richard McElreath, Een Bayesiaanse cursus met voorbeelden in R en Stan , https://xcelab.net/rm/statistical-rethinking/
Reacties
- Ik beveel het boek van Dr. McElreath ‘ s boek ten zeerste aan als je geen ‘ hebt gevolgd door een grondige statistische inferentie-training.
Antwoord
Gill, J. (2014). Bayesian Methods: A Social and Behavioral Sciences Approach. 3e editie.
Geschreven door een professor politieke wetenschappen, met sociale wetenschappers als doelgroep in gedachten. R-code is voorzien.
http://www.amazon.com/Bayesian-Methods-Behavioral-Sciences-Statistics/dp/1439862486/ 