"Это издание полезно и эффективно для обучения байесовскому выводу как на начальном, так и на среднем уровне. Это хорошо написанная книга по элементарному байесовскому выводу, и материал легко доступен. Она краткая и своевременная, и дает хорошую подборку обзоров и рассмотрений важных инструментов, используемых в методах байесовской статистики. Наблюдается сильный рост использования байесовских методов в прикладном статистическом анализе, однако большинство вводных курсов статистики представляют только частотные методы. Байесовская статистика имеет много важных преимуществ, о которых студенты должны узнать, если они собираются работать в областях, где будет использоваться статистика. В этом третьем издании четыре новые главы освещают темы, отражающие быстрые успехи в области байесовской статистики. Авторы продолжают давать байесовскую трактовку вводных статистических тем, таких как сбор научных данных, дискретные случайные величины, робастные байесовские методы и байесовские подходы к выводу для дискретных случайных величин, биномиальных долей, пуассоновских и нормальных средних и простой линейной регрессии. Кроме того, более продвинутые темы в этой области представлены в четырех новых главах: байесовский вывод для нормального распределения с неизвестным средним и дисперсией; байесовский вывод для вектора средних многомерного нормального распределения; байесовский вывод для модели множественной линейной регрессии; и вычислительная байесовская статистика, включая цепи Маркова Монте-Карло. Включение этих тем облегчит читателям переход от минимального понимания статистики к способности справляться с темами в более прикладных книгах продвинутого уровня. Макросы Minitab и функции R доступны на связанном с книгой веб-сайте для помощи с упражнениями из глав.
Введение в байесовскую статистику, третье издание, также включает: темы, включая совместную функцию правдоподобия и вывод с использованием независимых приоров Джеффриса и соединенных сопряженных приоров; передовую тему вычислительной байесовской статистики в новой главе, с уникальным акцентом на методы цепей Маркова Монте-Карло; упражнения по всей книге, которые были обновлены, чтобы отразить новые применения и последние программные приложения; подробные приложения, которые ведут читателей через использование R и Minitab для байесовского анализа и моделирования методом Монте-Карло, со всеми связанными макросами, доступными на веб-сайте книги.
Введение в байесовскую статистику, третье издание - это учебник для студентов старших курсов бакалавриата или первого года магистратуры по вводным курсам статистики с байесовским уклоном. Он также может использоваться как справочное пособие для статистиков, которым необходимы рабочие знания байесовской статистики.
Электронная Книга «Introduction to Bayesian Statistics» написана автором William M. Bolstad в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118593158
Описание книги от William M. Bolstad
"…this edition is useful and effective in teaching Bayesian inference at both elementary and intermediate levels. It is a well-written book on elementary Bayesian inference, and the material is easily accessible. It is both concise and timely, and provides a good collection of overviews and reviews of important tools used in Bayesian statistical methods." There is a strong upsurge in the use of Bayesian methods in applied statistical analysis, yet most introductory statistics texts only present frequentist methods. Bayesian statistics has many important advantages that students should learn about if they are going into fields where statistics will be used. In this third Edition, four newly-added chapters address topics that reflect the rapid advances in the field of Bayesian statistics. The authors continue to provide a Bayesian treatment of introductory statistical topics, such as scientific data gathering, discrete random variables, robust Bayesian methods, and Bayesian approaches to inference for discrete random variables, binomial proportions, Poisson, and normal means, and simple linear regression. In addition, more advanced topics in the field are presented in four new chapters: Bayesian inference for a normal with unknown mean and variance; Bayesian inference for a Multivariate Normal mean vector; Bayesian inference for the Multiple Linear Regression Model; and Computational Bayesian Statistics including Markov Chain Monte Carlo. The inclusion of these topics will facilitate readers' ability to advance from a minimal understanding of Statistics to the ability to tackle topics in more applied, advanced level books. Minitab macros and R functions are available on the book's related website to assist with chapter exercises. Introduction to Bayesian Statistics, Third Edition also features: Topics including the Joint Likelihood function and inference using independent Jeffreys priors and join conjugate prior The cutting-edge topic of computational Bayesian Statistics in a new chapter, with a unique focus on Markov Chain Monte Carlo methods Exercises throughout the book that have been updated to reflect new applications and the latest software applications Detailed appendices that guide readers through the use of R and Minitab software for Bayesian analysis and Monte Carlo simulations, with all related macros available on the book's website Introduction to Bayesian Statistics, Third Edition is a textbook for upper-undergraduate or first-year graduate level courses on introductory statistics course with a Bayesian emphasis. It can also be used as a reference work for statisticians who require a working knowledge of Bayesian statistics.
