"Evidence-Based Statistics: An Introduction to the Evidential Approach" - это всестороннее и исчерпывающее руководство по эвиденциальному подходу в статистике. Этот подход использует отношения правдоподобия вместо вероятностей, используемых другими подходами к статистическому выводу. Эвиденциальный подход концептуально проще понять, а вычисления проще выполнить. В этой книге объясняется, как выражать данные в терминах силы статистического доказательства в пользу конкурирующих гипотез. Эвиденциальный подход в настоящее время используется недостаточно, несмотря на его математическую точность и статистическую обоснованность. "Evidence-Based Statistics" - это доступный и практический учебник, наполненный примерами, иллюстрациями и упражнениями. Кроме того, веб-сайт-партнер дополняет и расширяет информацию, содержащуюся в книге. Хотя эвиденциальный подход не заменит методы статистического вывода, основанные на вероятности, он представляет полезное дополнение к "арсеналу" статистика. В этой книге: объясняется, как рассчитывать статистические доказательства для широко используемых анализов в пошаговом порядке. Анализы включают: t-тесты, ANOVA (однофакторный, факторный, межгрупповой и внутригрупповой, смешанный), категориальные анализы (биномиальные, пуассоновские, Мак-Немара, отношение скоростей, отношение шансов, данные, которые "слишком хороши, чтобы быть правдой", многомерные таблицы), корреляция, регрессия и непараметрические анализы (одна выборка, связанные выборки, независимые выборки, несколько независимых выборок, перестановки и бутстрэп). Для всех анализов приводятся уравнения, и для многих из них предоставляется статистический код R. Объясняются расчеты объема выборки для эвиденциальных вероятностей ложных и слабых доказательств. Описываются полезные методы, такие как критический интервал Мэтьюса, байесовский фактор Гудмана и правило остановки Армитиджа. Рекомендуется для студентов бакалавриата и магистратуры в любой области, в которой сильно полагаются на статистический анализ, а также для активных исследователей и профессионалов в этих областях. "Evidence-Based Statistics: An Introduction to the Evidential Approach" должна быть на полке каждого, кто хочет расширить и усилить свой подход к статистическому анализу.
Электронная Книга «Evidence-Based Statistics» написана автором Peter M. B. Cahusac в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119549826
Описание книги от Peter M. B. Cahusac
Evidence-Based Statistics: An Introduction to the Evidential Approach – from Likelihood Principle to Statistical Practice provides readers with a comprehensive and thorough guide to the evidential approach in statistics. The approach uses likelihood ratios, rather than the probabilities used by other statistical inference approaches. The evidential approach is conceptually easier to grasp, and the calculations more straightforward to perform. This book explains how to express data in terms of the strength of statistical evidence for competing hypotheses. The evidential approach is currently underused, despite its mathematical precision and statistical validity. Evidence-Based Statistics is an accessible and practical text filled with examples, illustrations and exercises. Additionally, the companion website complements and expands on the information contained in the book. While the evidential approach is unlikely to replace probability-based methods of statistical inference, it provides a useful addition to any statistician’s “bag of tricks.” In this book: It explains how to calculate statistical evidence for commonly used analyses, in a step-by-step fashion Analyses include: t tests, ANOVA (one-way, factorial, between- and within-participants, mixed), categorical analyses (binomial, Poisson, McNemar, rate ratio, odds ratio, data that’s ‘too good to be true’, multi-way tables), correlation, regression and nonparametric analyses (one sample, related samples, independent samples, multiple independent samples, permutation and bootstraps) Equations are given for all analyses, and R statistical code provided for many of the analyses Sample size calculations for evidential probabilities of misleading and weak evidence are explained Useful techniques, like Matthews’s critical prior interval, Goodman’s Bayes factor, and Armitage’s stopping rule are described Recommended for undergraduate and graduate students in any field that relies heavily on statistical analysis, as well as active researchers and professionals in those fields, Evidence-Based Statistics: An Introduction to the Evidential Approach – from Likelihood Principle to Statistical Practice belongs on the bookshelf of anyone who wants to amplify and empower their approach to statistical analysis.
