Bayesovská analýza v Excelu a R

Recenze čtenářů

Kniha nabízí komplexní přístup k pochopení bayesovské statistiky pomocí Excelu a R, což ocení zejména ti, kteří jsou s oběma softwarovými nástroji obeznámeni.

⬤ Skvělé příklady a vysvětlení, které posilují teoretické porozumění
⬤ vyzývají čtenáře k přehodnocení jejich názorů na frekvenční a bayesovské teorie
⬤ dobře strukturované a pedagogicky zdůvodněné.

Omezená využitelnost pro ty, kteří chtějí používat pouze Excel, protože velká část obsahu vyžaduje R; nemusí být vhodná pro čtenáře, kteří se o R nezajímají.

(na základě 2 hodnocení čtenářů)

Původní název:

Bayesian Analysis with Excel and R

Obsah knihy:

Využití plné síly bayesovské analýzy pro získání konkurenční výhody

Bayesovské metody mohou vyřešit problémy, které nelze spolehlivě vyřešit jiným způsobem. Conrad Carlberg, MVP programu Microsoft Excel, vám na základě vašich stávajících analytických dovedností a zkušeností s Excelem pomůže maximálně využít bayesovské schopnosti Excelu a přejít k R, abyste dokázali ještě více.

Krok za krokem a na reálných příkladech vám Carlberg ukáže, jak používat bayesovskou analytiku k řešení celé řady skutečných problémů. Carlberg objasňuje terminologii, která analytiky často mate, poskytuje ke stažení sešity Excelu, které si můžete snadno přizpůsobit vlastním potřebám, a nabízí ukázkový kód v R, abyste mohli využít výhod balíčku rethinking v R a jeho brány do Stanu.

Zařadíte-li tyto bayesovské přístupy do své sady analytických nástrojů, získáte pro svou organizaci - a pro sebe - silnou konkurenční výhodu.

⬤ Prozkoumejte klíčové myšlenky a strategie, které jsou základem bayesovské analýzy.

⬤ Rozlišíte prioritní, pravděpodobnostní a posteriorní rozdělení a porovnáte algoritmy pro řízení vstupů pro výběr vzorků.

⬤ Používejte mřížkovou aproximaci k řešení jednoduchých jednorozměrných problémů a pochopte její limity při zvyšování parametrů.

⬤ Provádějte složité simulace a regrese pomocí kvadratické aproximace a funkce quap Richarda McElreatha.

⬤ Zpracovávejte textové hodnoty, jako by byly číselné.

⬤ Naučte se dnes zlatý standard Bayesovské techniky vzorkování: Markov Chain Monte Carlo (MCMC).

⬤ Využívejte MCMC k optimalizaci rychlosti provádění v problémech s vysokou složitostí.

⬤ Zjistěte, kdy selhávají frekvenční metody a kdy jsou nezbytné bayesovské metody - a kdy je třeba použít obě metody současně.