Bayesovské výpočty s R

Recenze čtenářů

Kniha se setkala se smíšenými ohlasy, někteří čtenáři chválí její praktické příklady a užitečnost pro výuku bayesovské statistiky pomocí balíčku LearnBayes, zatímco jiní ji kritizují za nedostatek teoretických vysvětlení, chybějící řešení cvičení a špatné programovací postupy. Celkově se zdá, že je určena spíše těm, kteří jsou s koncepty již obeznámeni, než začátečníkům.

⬤ Dobré konkrétní příklady a praktické aplikace bayesovských metod.
⬤ Užitečný balíček LearnBayes pro výuku R a bayesovské statistiky.
⬤ Někteří čtenáři ji považovali za přínosnou při použití ve spojení s dalšími zdroji.
⬤ Pozitivní ohlasy na balíček a dodání knihy.

⬤ Chybí řešení cvičení z kapitol, což snižuje efektivitu samostudia.
⬤ Některý obsah je nedostatečně vysvětlen a postrádá teoretickou hloubku.
⬤ Zmatené používání názvů proměnných v příkladech programování.
⬤ Není vhodná pro začátečníky; předpokládá předchozí znalosti bayesovských výpočtů a jazyka R.
⬤ Někteří čtenáři ji považovali za téměř nepoužitelnou pro praktické použití.

(na základě 9 hodnocení čtenářů)

Původní název:

Bayesian Computation with R

Obsah knihy:

Vývoj a aplikace bayesovské inference ve statistice zaznamenaly dramatický nárůst. Berger (2000) dokumentuje nárůst bayesovské aktivity počtem publikovaných výzkumných článků, počtem knih a rozsáhlým počtem aplikací bayesovských článků v aplikovaných oborech, jako je věda a technika.

Jedním z důvodů dramatického nárůstu bayesovského modelování je dostupnost výpočetních algoritmů pro výpočet řady integrálů, které jsou nezbytné v bayesovské posteriorní analýze. Díky rychlosti moderních počítačů je nyní možné použít bayesovské paradigma k 't velmi složitých modelů, které nelze 't alternativními frekvenčními metodami. Pro 't bayesovských modelů potřebujeme statistické výpočetní prostředí.

Toto prostředí by mělo být takové, aby bylo možné: psát krátké skripty pro de? nování bayesovského modelu používat nebo psát funkce pro shrnutí posteriorního rozdělení používat funkce pro simulaci z posteriorního rozdělení konstruovat grafy pro ilustraci posteriorního odvozování Prostředím, které splňuje tyto požadavky, je systém R. R poskytuje širokou škálu funkcí pro manipulaci s daty, výpočty a grafické d-iny.

Navíc obsahuje dobře propracovaný, jednoduchý programovací jazyk, který mohou uživatelé rozšiřovat o nové funkce. Mnoho takových rozšíření jazyka ve formě balíčků je snadno stažitelných ze sítě CRAN (Comp- hensive R Archive Network).