Цель книги “Bayesian Inference in Statistical Analysis” Джорджа Э. П. Бокса - изучить применение и важность теоремы Байеса к задачам, которые возникают в научных исследованиях, когда необходимо делать выводы о значениях параметров, о которых мало известно априори. Книга начинается с обсуждения некоторых важных общих аспектов байесовского подхода, таких как выбор распределения априорных данных, особенно неинформативных априорных распределений, проблемы неинформативных параметров и роли достаточных статистик, а затем переходит к множеству стандартных задач, связанных с сравнением параметров местоположения и масштаба. Основная идея заключается в исследовании вопросов с соответствующим анализом математических результатов, которые иллюстрируются числовыми примерами, что свидетельствует о ценности байесовской методологии.
Основная цель книги - изучить применение и значение теоремы Байеса к проблемам, возникающим в научных исследованиях, когда необходимо делать выводы об априорной информации о вероятных значениях параметров. Книга начинается с обсуждения важных общих аспектов байесовского подхода, такого как выбор распределения априори, особенно неинформационного, проблема нежелательных параметров и роль достаточных статистик, за которыми следует много стандартных задач, связанных с сравнением параметров местоположения и шкалы. Стержнем исследования являются вопросы, с надлежащим анализом математических результатов, которые проиллюстрированы численными примерами, свидетельствующими о пользе байесовского подхода.
Электронная Книга «Bayesian Inference in Statistical Analysis» написана автором George E. P. Box в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118031445
Описание книги от George E. P. Box
Its main objective is to examine the application and relevance of Bayes' theorem to problems that arise in scientific investigation in which inferences must be made regarding parameter values about which little is known a priori. Begins with a discussion of some important general aspects of the Bayesian approach such as the choice of prior distribution, particularly noninformative prior distribution, the problem of nuisance parameters and the role of sufficient statistics, followed by many standard problems concerned with the comparison of location and scale parameters. The main thrust is an investigation of questions with appropriate analysis of mathematical results which are illustrated with numerical examples, providing evidence of the value of the Bayesian approach.
