Qual é o melhor livro introdutório à estatística Bayesiana?
Um livro por resposta, por favor.
Comentários
- Nas respostas, explique por que você está recomendando um livro como ” o melhor. ”
- Como pode haver mais de uma resposta para uma pergunta pergunta formulada desta forma?
- Isto agora é um tópico antigo, mas voltei para marcar um novo livro com +1 ” Repensamento estatístico. E ao olhar as respostas de classificação mais alta no tópico, acho que uma distinção importante não ‘ foi feita: ” introdutório ” para quem? Um primeiro curso de estatística (que por acaso tenha uma abordagem bayesiana)? Uma introdução aos métodos bayesianos para alguém com aulas básicas de estatística (não bayesiana) na graduação? Ou uma introdução à estatística bayesiana para um praticante de estatística não bayesiana que finalmente foi persuadido de que essa coisa bayesiana não é ‘ uma moda passageira? Introduções muito diferentes.
Resposta
John Kruschke lançou um livro em meados de 2011 chamado Fazendo análise de dados bayesiana: um tutorial com R e BUGS . (Uma segunda edição foi lançada em novembro de 2014: Doing Bayesian Data Analysis, Second Edition: A Tutorial with R, JAGS, and Stan .) É verdadeiramente introdutório. Porém, se você quiser ir das estatísticas frequentistas para Bayes, especialmente com modelagem multinível, recomendo Gelman e Hill.
John Kruschke também tem um site para o livro que tem todos os exemplos do livro em BUGS e JAGS. Seu blog sobre estatísticas Bayesianas também tem um link para o livro.
Comentários
- A sugestão de @Amir ‘ é uma duplicata desta. (O título completo do livro é ” Fazendo análise de dados bayesiana: um tutorial com R e BUGS “.) Como um livro verdadeiramente introdutório. , ‘ ve +1 ‘ d cada um.
- atualizei o título e adicionei alguns links relacionados.
- Também voto no livro de Kruschke ‘. Eu ‘ naveguei na maioria dos livros listados nas respostas e este é o que achei mais claro. IMO, é o livro de estatísticas mais claro que li. O fato de o código R estar disponível para combinar fórmulas com código ajuda muito. O autor começa com exemplos muito simples e os desenvolve. Muito pouco conhecimento é necessário. Todos os comentários na Amazon são altamente favoráveis. Hoff ‘ O livro é meu segundo favorito.
- Haha, eu gosto da capa do livro: ” Por que o feliz cachorros? (como se cachorrinhos felizes precisassem de justificativa!) ”
- Meu voto também vai para Kruschke ‘ livro de 2010. Ao tentar aprender as estatísticas bayesianas, tentei várias delas, e esta acertou em cheio. Difícil.
Resposta
Comentários
- Este é um livro introdutório para pessoas que têm uma quantidade razoável de formação estatística já.
- Comecei um PhD em Estatística há 9 meses e, para ser honesto, Gelman ‘ s BDA ainda está acima de mim, então não ‘ tc tudo isso é um texto introdutório!
- @Shane, você pode responder a esta resposta explicando por que ‘ é seu favorito?
- @ naught101 então você votou negativamente sem conhecer o livro?
- Os primeiros quatro ou cinco capítulos são realmente introdutórios! então pertence aqui.
Resposta
Repensamento Estatístico , foi lançado há apenas algumas semanas e, portanto, ainda estou lendo, mas acho que é uma adição muito boa e nova aos livros realmente introdutórios sobre estatística bayesiana.O autor usa uma abordagem semelhante à usada por John Kruschke em seus livros para cachorros ; muito prolixo, explicações detalhadas, bons exemplos pedagógicos, ele também usa uma abordagem computacional em vez de matemática.
Palestras do Youtube e outros materiais também estão disponíveis aqui .
Código transferido para Python / PyMC3
Comentários
- +1 I ‘ estou ouvindo as palestras agora. Ele ‘ é muito divertido e tem uma boa abordagem. O livro é excelente e leva você do básico aos modelos hierárquicos. Ele apenas pressupõe que o leitor seja um tanto científico, tenha um domínio razoável de matemática (sem incluir cálculo) e tenha ouvido algumas coisas sobre estatística. É ‘ é o livro que gostaria de ter ‘ d. A ordem em que ele apresenta as coisas e seu sistema de apartes é brilhante.
- Eu bati em uma parede tentando trabalhar com Kruschke ‘ o livro onde ele começou a fazer grandes saltos na lógica que eu simplesmente não consegui ‘ seguir. Felizmente, me deparei com Statistical Rethinking, que até agora é o único livro que ‘ encontrei e que oferece uma compreensão genuinamente intuitiva do tópico.
- Depois de prosseguir através da discussão, tentei ler o primeiro capítulo deste livro e achei muito difícil como falante não nativo de inglês e como não cientista . Primeiro eu tive que passar por palavras como epistemologia , idiossincrática , então há sentenças longas, que eu tive que ler duas / três vezes para entender o que significa literalmente (esqueça conclusão dessas frases). Então, o primeiro exemplo é sobre evolução natural, que soou grego para mim: número de sites, número de alelos, neutralidade . O livro pode ser fácil para muitos, mas pode ser difícil para muitos
- Uma segunda edição deste livro (excelente) será lançada em março de 2020 .
Resposta
Sivia e Skilling, Análise de dados: um tutorial Bayesiano (2ed) 2006 246p 0198568320 books.goo :
As aulas de estatística têm sido uma fonte de muito espanto e frustração para gerações de alunos. Este livro tenta remediar a situação expondo uma abordagem lógica e unificada para todo o assunto da análise de dados. Este texto destina-se a ser um guia tutorial para graduandos sênior e estudantes de pesquisa em ciências e engenharia …
No entanto, não conheço as outras recomendações.
Comentários
- Este livro é excelente. É ‘ curto e prático.
- Acho que este é um texto introdutório muito melhor do que o Gelman.
- Um dos meus favoritos.
Resposta
Comentários
- Concordo totalmente. Ambos os grandes livros. Comece com computação bayesiana com R, depois pegue Gelman et al.
- O link está morto. Talvez este? bayesball.github.io/bcwr/index.html
Resposta
Para uma introdução, eu recomendaria Programação Probabilística & Métodos Bayesianos para Hackers por Cam Davidson-Pilon, disponível gratuitamente online.
De sua descrição:
Uma introdução aos métodos bayesianos e programação probabilística a partir de um cálculo / compreensão-primeiro, matemática-segundo ponto de vista.
É altamente visual, vai direto ao valor e preenche detalhes corajosos depois, tem muito de exemplos, tem código interativo (no IPython Notebook).
Comentários
- Achei que este livro online era difícil de seguir / mal escrito.
- Acho que o livro está bom.
- Acho que este livro é uma introdução fantástica para os programadores terem uma ótima primeira experiência com estatísticas bayesianas
Resposta
Eu recomendo totalmente a polêmica divertida “Probability Theory: The Logic of Science” de E.T. Jaynes.
Este é um texto introdutório no sentido de não exigir (e de fato preferir) nenhum conhecimento prévio de estatística, mas eventualmente emprega matemática bastante sofisticada. Em comparação com a maioria das outras respostas fornecidas, este livro não é tão prático ou fácil de digerir; em vez disso, fornece a base filosófica para explicar por que você gostaria de empregar métodos bayesianos e por que não usar abordagens frequentistas. É introdutório de uma forma histórica e filosófica, mas não pedagógica.
Comentários
- Este é um livro brilhante sobre o pensamento bayesiano em vez da aplicação de métodos bayesianos. Acho que este é um bom texto complementar para algo que vai mais para como fazer cálculos bayesianos.
- Essa ‘ é uma boa maneira de colocar isso. Acho que Sivia e Skilling é um texto complementar ideal para introduzir os métodos na prática (o que já foi sugerido em outra resposta).
- Divertido, polêmico e original, com certeza, mas definitivamente não um livro introdutório.
Resposta
Seu foco não é estritamente na estatística Bayesiana, portanto, falta alguma metodologia, mas David MacKay “A Teoria da Informação, Inferência e Algoritmos de Aprendizagem me fizeram apreender intuitivamente a estatística Bayesiana melhor do que outros – a maioria faz o como muito bem, mas achei que MacKay explicou por que melhor.
Comentários
- E está disponível para download gratuito na página dos autores: inference.phy.cam.ac.uk/mackay/itila/book.html
- Como Sivia, isso é muito bom se você tem alguma formação em física e pode ser difícil se não tiver. Não é um bom guia para qualquer tipo de estatística social aplicada (para isso, use Gelman e Hill ou Gelman et al. Acima), mas realmente ótimo por levá-lo a realmente pensar sobre as questões centrais.
Resposta
Sou engenheiro elétrico e não estatístico. Passei muito tempo estudando Gelman, mas não acho que alguém possa se referir a Gelman como introdutório. Meu professor guru-bayesiano da Carnegie Mellon concorda comigo nisso. Ter o mínimo de conhecimento de estatística e R e Bugs (como a maneira fácil de FAZER algo com estatísticas bayesianas) Fazer análise de dados bayesiana: um tutorial com R e BUGS é um começo incrível. Você pode comparar todos os livros oferecidos facilmente pela capa do livro!
5 anos depois, atualização: Eu gostaria de acrescentar que talvez uma outra forma importante de aprender de forma rápida (40 minutos) seja percorrer a documentação de uma interface gráfica de usuário de rede bayesiana ferramenta como a Netica 2 . Começa com o básico, orienta você nas etapas de construção de uma rede com base em uma situação e dados e como fazer suas próprias perguntas ir e voltar para “pegue!”.
Comentários
- Esta é uma duplicata de @rosser ‘ s acima. Como um bo verdadeiramente introdutório ok, eu ‘ fiz +1 ‘ d cada.
Resposta
Os livros do Gelman são excelentes, mas não necessariamente introdutórios, pois pressupõem que você já conhece algumas estatísticas. Portanto, eles são uma introdução à maneira bayesiana de fazer estatísticas, e não às estatísticas em geral. No entanto, eu ainda lhes aprovaria.
Como um livro introdutório de estatística / econometria que tem uma perspectiva bayesiana, eu recomendaria Gary Koop “s Econometria Bayesiana .
Resposta
Comentários
- @Xi ‘ an e gappy, explique por que este livro pode ser recomendado. Para quem é adequado? Em que sentido é ” melhor “?
- Não quero cair na autopromoção. Bayesian Core é uma entrada independente para a inferência bayesiana para os modelos mais comuns e para métodos computacionais (códigos R fornecidos). Requer algum conhecimento de teoria da probabilidade que pode ser demais para alguns leitores … (Funciona bem com nossos alunos do 4º e 5º ano na França.)
Resposta
Meu primeiro texto de graduação favorito para estatísticas bayesianas é por Bolstad, Introdução às estatísticas Bayesianas . Se você está procurando algo de nível superior, isso será muito elementar, mas para alguém que é novo em estatística, isso é ideal.
Resposta
Não sei por que ninguém mencionou o livro introdutório ao Bayesiano:
Há uma versão gratuita em PDF do livro. O livro oferece material suficiente para qualquer pessoa que tenha muito pouca experiência em bayesiana. Ele introduz o conceito de distribuição prévia, distribuição posterior, distribuição beta, etc.
Experimente, é grátis.
Resposta
Eu li algumas partes de Um primeiro curso em métodos estatísticos bayesianos por Peter Hoff, e eu achei fácil seguir. (O código R de exemplo é fornecido ao longo do texto)
Resposta
Vindo de um fundo não estatístico, encontrei Introdução à Estatística Bayesiana Aplicada e Estimativa para Cientistas Sociais bastante informativa e fácil de seguir.
Resposta
Encontrei uma excelente introdução em Gelman e Hill (2007) Análise de dados usando regressão e modelos multiníveis / hierárquicos . (Outros comentários mencionam isso, mas ele merece ser votado sozinho.)
Resposta
Se você “está procurando um texto elementar, ou seja, um que não tenha um pré-requisito de cálculo, há “Don Berry” s Estatísticas: uma perspectiva bayesiana .
Resposta
Dê uma olhada em “A escolha Bayesiana” . Possui o pacote completo: fundações, aplicativos e computação. Claramente escrito.
Comentários
- Não seria apenas um „Bayesiano“, mas uma „ótima escolha“, se o manual de solução estivesse disponível para si mesmo -estude. Parece que se destina apenas ao uso universitário …
Resposta
Eu pelo menos dei uma olhada a maioria destes nesta lista e nenhum é tão bom quanto o novo Ideias Bayesianas e Análise de Dados na minha opinião.
Editar: É fácil começar imediatamente a fazer análise bayesiana durante a leitura deste livro. Não apenas modelar a média de uma distribuição normal com variância conhecida, mas a análise de dados real após os primeiros dois capítulos. Todos os exemplos de código e dados estão no site do livro. Abrange uma quantidade razoável de teoria, mas o foco são as aplicações. Muitos exemplos em uma ampla gama de modelos. Belo capítulo sobre a não parametrização bayesiana. Exemplos de Winbugs, R e SAS. Eu prefiro fazer análise de dados bayesiana (eu tenho ambos). A maioria dos livros aqui (Gelman, Robert, …) não são introdutórios em minha opinião e, a menos que você tenha alguém para conversar, provavelmente terá mais perguntas do que respostas. O livro de Albert não cobre material suficiente para se sentir confortável analisando dados diferentes do que é apresentado no livro (de novo, minha opinião).
Comentários
- ” Bom ” em que sentido?
- Bom argumento. Bom como o melhor livro introdutório Bayesiano. Eu acredito deve ser ‘ melhor ‘ do que a Análise de Dados Bayesiana com R por Albert e descobri que a Análise de Dados Bayesiana de Gelman et al. não é suficiente como introdução. Depois de aprender algum material bayesiano, no entanto, é uma boa referência.
Resposta
Resposta
Se eu tivesse que escolher um único texto para um iniciante, seria
Sivia DS and Skilling J (2006) book (see below). De todos os livros listados abaixo, é o que mais se esforça para dar uma compreensão intuitiva das idéias essenciais, mas ainda requer alguns sofisticação matemática da página 1.
Abaixo está uma lista de leituras adicionais do meu livro, com comentários sobre cada publicação.
Bernardo, JM e Smith, A, (2000) 4. Teoria Bayesiana Uma descrição rigorosa dos métodos bayesianos, com muitos exemplos do mundo real.
Bishop, C (2006) 5. Reconhecimento de padrões e aprendizado de máquina. Como o título sugere, trata-se principalmente de aprendizado de máquina, mas fornece uma descrição lúcida e abrangente dos métodos bayesianos.
Cowan G (1998) 6. Análise de dados estatísticos. Uma excelente introdução não bayesiana à análise estatística.
Dienes, Z (2008) 8. Compreendendo a psicologia como ciência: uma introdução à inferência científica e estatística. Fornece material tutorial sobre a regra de Bayes e uma análise lúcida da distinção entre estatísticas bayesianas e frequentistas.
Gelman A, Carlin J, Stern H e Rubin D. (2003) 14. Análise Bayesiana de Dados. Uma conta rigorosa e abrangente da análise Bayesiana, com muitos exemplos do mundo real.
Jaynes E e Bretthorst G (2003) 18. Teoria da probabilidade: a lógica da ciência. O clássico moderno da análise bayesiana. É abrangente e sábio. Seu estilo discursivo o torna longo (600 páginas), mas nunca enfadonho, e é repleto de percepções.
Khan, S, 2012, Introdução ao Teorema de Bayes. Os vídeos de matemática on-line de Salman Khan são uma boa introdução a vários tópicos, incluindo a regra de Bayes.
Lee PM (2004) 27. Estatísticas Bayesianas: Uma Introdução. Um texto rigoroso e abrangente com um estilo bayesiano estridente.
MacKay DJC (2003) 28. Teoria da informação, inferência e algoritmos de aprendizagem. O clássico moderno da teoria da informação. Um texto muito legível que percorre amplamente muitos tópicos, quase todos os quais fazem uso da regra de Bayes.
Migon, HS e Gamerman, D (1999) 30. Inferência estatística: uma abordagem integrada. Um relato direto (e claramente definido) de inferência, que compara abordagens bayesianas e não bayesianas. Apesar de ser bastante avançado, o estilo de escrita é de natureza tutorial.
Pierce JR (1980) 34 2ª edição. Uma introdução à teoria da informação: símbolos, sinais e ruído. Pierce escreve com um estilo de escrita informal e tutorial, mas não se esquiva de apresentar os teoremas fundamentais da teoria da informação.
Reza, FM (1961) 35. Uma introdução à teoria da informação. Um livro mais abrangente e matematicamente rigoroso do que o livro Pierce acima, e idealmente deve ser lido apenas após a primeira leitura do texto mais informal de Pierce.
Sivia DS e Skilling J (2006) 38. Análise de dados: um tutorial bayesiano. Este é um excelente tutorial de introdução aos métodos bayesianos.
Spiegelhalter, D e Rice, K (2009) 36. Estatísticas bayesianas. Scholarpedia, 4 (8): 5230. http://www.scholarpedia.org/article/Bayesian_statistics Um resumo confiável e abrangente do status atual das estatísticas bayesianas.
E, aqui está o meu livro, publicado em junho de 2013.
Regra de Bayes: Uma introdução tutorial à análise bayesiana, Dr. James V Stone, ISBN 978-0956372840
Capítulo 1 pode ser baixado de: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html
Descrição: descoberto por um 18º matemático e pregador do século, a regra de Bayes é a pedra angular da moderna teoria da probabilidade. Neste livro ricamente ilustrado, uma série de exemplos acessíveis são usados para mostrar como a regra de Bayes “é na verdade uma consequência natural do raciocínio de senso comum. A regra de Bayes” é derivada usando representações gráficas intuitivas de probabilidade e a análise bayesiana é aplicada à estimativa de parâmetro usando Programas MatLab fornecidos. O estilo de escrita do tutorial, combinado com um glossário abrangente, torna este um manual ideal para o novato que deseja se familiarizar com os princípios básicos da análise bayesiana.
Resposta
Para Para iniciantes, experimente William Briggs Quebrando a Lei das Médias: Probabilidade e Estatísticas da Vida Real em Inglês Simples
Resposta
Eu simplesmente devo incluir o MCMC na prática . Ele fornece uma excelente introdução ao MCMC, talvez não tão geral quanto outros livros mencionados, mas excelente para obter insight e intuição. Eu recomendaria lê-lo depois (ou em paralelo com) Computação Bayesiana com R .
Comentários
- Mcmc não deve ser o foco de uma introdução à estatística bayesiana, na minha opinião. Acho que a amostragem de rejeição é mais atraente como uma forma de entender como funciona a aprendizagem bayesiana. Além disso, os mínimos quadrados são bayesianos (assim como a semelhança máxima), portanto também representa uma introdução mais suave às estatísticas bayesianas, em comparação com o mcmc.
- Minha opinião é que o mcmc deve ser evitado e usado como último recurso simplesmente demora muito na maioria dos casos (embora eu trate de conjuntos de big data onde tudo é basicamente simples).mcmc é uma ” marreta ” em algum grau. Além disso, o mcmc é um algoritmo para integração numérica. Nada mais nada menos. Ele deve receber o mesmo tratamento introdutório que outros algoritmos, como o método laplace e quadratre. Caso contrário, as pessoas desenvolverão uma visão estreita do que é ” estatística bayesiana “.
Resposta
Se você vier das ciências físicas (física / astronomia), eu recomendaria Lógica Bayesiana Análise de dados para as ciências físicas: uma abordagem comparativa com o suporte do Mathematica® por Gregory (2006).
Embora a parte “com o suporte do Mathematica®” do título esteja lá apenas para questões comerciais ( os usos do código do Mathematica são muito pobres), a coisa boa sobre este livro é que ele é realmente uma introdução ao assunto de probabilidades e estatísticas. Tem até alguns capítulos sobre estatísticas frequentistas. No entanto, depois de tentar, vá para o livro de Gelman et. al que muitas pessoas recomendaram você. A maior parte do material do livro de Gregory é considerada levianamente (se não, não seria uma introdução): o livro de Gelman foi um verdadeiro despertar de Gregory para mim.
Comentários
- Phil Gregory ‘ O livro é uma introdução muito boa, de fato, algo como Bolstad ‘ s introdução para pessoas com formação matemática avançada. Há mais recursos disponíveis no site de Phil Gregory ‘ s e também há um suplemento que aborda modelos hierárquicos e tratamento de dados ausentes.
Resposta
Eu li:
Gelman et al (2013). Bayesian Data Analysis. CRC Press LLC. 3ª ed.
Hoff, Peter D (2009). Um primeiro curso em métodos estatísticos bayesianos. Springer Textos em estatística.
Kruschke, Doing Bayesian Data Analysis: A Tutorial with R and Bugs, 2011. Acadêmico Press / Elsevier.
e acho que o melhor para começar é o livro de Kruschke. É perfeito para uma primeira abordagem ao pensamento bayesiano: os conceitos são explicados de forma muito clara, não há muita matemática e há muitos exemplos legais!
Gelman et al. É um ótimo livro, mas é mais avançado e sugiro lê-lo depois do de Kruschke.
Por outro lado, não gostei do livro de Hoff porque é um livro introdutório, mas os conceitos (e o pensamento bayesiano) não são explicado de forma clara. Sugiro ignorar.
Resposta
Não é estritamente as estatísticas Bayesianas, mas posso fortemente recomendar “A First Course on Machine Learning” de Rogers e Girolami, que é essencialmente uma introdução às abordagens bayesianas de machine learning. É muito bem estruturado, claro e objetivo para alunos sem uma sólida formação matemática. Isso significa que é uma boa primeira introdução às ideias bayesianas. Há também o código MATLAB / OCTAVE, que é um recurso interessante.
Resposta
Estatísticas Bayesianas para Cientistas Sociais . Phillips, Lawrence D. (1973), Thomas Crowell & Co. É muito claro, muito acessível, não pressupõe nenhum conhecimento de estatística e, ao contrário de Bolstad que eu achei seco, tem algum personalidade.
Resposta
Este livro sugere que é voltado para o nível de graduação de nível de entrada
Bioestatística: A Introdução Bayesiana. Por George G Woodsworth.
Publicado por John Wiley & Sons
Resposta
Um bom livro do básico ao avançado e que você pode baixar é
Andrew Gelman, John Carlin, Hal Stern, David Dunson, Aki Vehtari e Donald Rubin , Análise de dados bayesiana , http://www.stat.columbia.edu/~gelman/book/
Você também pode baixe os dois primeiros capítulos de
Richard McElreath, Um curso bayesiano com exemplos em R e Stan , https://xcelab.net/rm/statistical-rethinking/
Comentários
- Eu recomendo fortemente o livro do Dr. McElreath ‘ se você não ‘ tiver um treinamento rigoroso de inferência estatística.
Resposta
Gill, J. (2014). Métodos Bayesianos: Uma Abordagem das Ciências Sociais e Comportamentais. 3ª edição.
Escrito por um professor de ciências políticas, tendo como público-alvo cientistas sociais. O código R é fornecido.
http://www.amazon.com/Bayesian-Methods-Behavioral-Sciences-Statistics/dp/1439862486/ 