Bayesovská analýza dat: Výukový program s R, Jagem a Stanem

Recenze čtenářů

Kniha je vysoce hodnocena jako přístupný a komplexní úvod do bayesovské analýzy, který je určen zejména čtenářům s malými předchozími znalostmi. Je oceňována pro svůj srozumitelný styl psaní, humor a praktické příklady programování v jazyce R. Zatímco rozsáhlý obsah je oceňován, někteří čtenáři považují délku knihy za příliš dlouhou a psaní někdy za příliš heslovité. Autor efektivně podává složité koncepty s intuitivní srozumitelností, ačkoli několik recenzí zmiňuje problémy s vazbou knihy a závady elektronického formátu.

Srozumitelný a poutavý styl psaní, intuitivní vysvětlení, četné relativní příklady, silný důraz na praktické využití, rozsáhlé zdroje pro programování v R, vhodné pro začátečníky v oblasti bayesovské analýzy, humor dodává knize šarm, efektivní využití vizuálních materiálů k vysvětlení pojmů, podpůrné online materiály.

Zdlouhavost a někdy přílišná podrobnost, pro čtenáře s určitými znalostmi statistiky může být příliš zjednodušující, hlášeny problémy s kvalitou vazby, elektronická verze má závady na displeji, občasné nejasné vysvětlení složitých témat, pro některé je styl psaní příliš heslovitý.

(na základě 105 hodnocení čtenářů)

Původní název:

Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan

Obsah knihy:

Bayesovská analýza dat: Druhé vydání poskytuje přístupný přístup k provádění bayesovské analýzy dat, protože materiál je vysvětlen jasně a na konkrétních příkladech. Součástí jsou návody krok za krokem, jak provádět bayesovskou analýzu dat v populárním a bezplatném softwaru R a WinBugs, a také nové programy v JAGS a Stan. Nové programy jsou navrženy tak, aby se používaly mnohem snadněji než skripty v prvním vydání. Zejména jsou nyní k dispozici kompaktní vysokoúrovňové skripty, které usnadňují spouštění programů na vlastních datových souborech.

Kniha je rozdělena do tří částí a začíná základy: modely, pravděpodobnost, Bayesovo pravidlo a programovací jazyk R. Poté se přechází k základům aplikovaným na odvozování binomické pravděpodobnosti a na závěr jsou uvedeny kapitoly o zobecněném lineárním modelu. Témata zahrnují metricky predikovanou proměnnou na jedné nebo dvou skupinách; metricky predikovanou proměnnou s jedním metrickým prediktorem; metricky predikovanou proměnnou s více metrickými prediktory; metricky predikovanou proměnnou s jedním nominálním prediktorem a metricky predikovanou proměnnou s více nominálními prediktory. Cvičení, která naleznete v textu, mají explicitní cíle a pokyny pro jejich splnění.

Kniha je určena studentům prvního ročníku magisterského studia nebo pokročilým studentům bakalářského studia statistiky, analýzy dat, psychologie, kognitivních věd, společenských věd, klinických věd a spotřebitelských věd v podnikání.