Statistické přehodnocování: Bayesovský kurz s příklady v R a Stanu

Recenze čtenářů

Kniha je vysoce oceňována pro svůj jasný a poutavý přístup k bayesovské statistice, díky němuž je přístupná jak začátečníkům, tak zkušeným odborníkům. Poskytuje historický kontext, praktické příklady a zaměřuje se spíše na porozumění než jen na teorii. Byla však kritizována za značný počet překlepů a chyb ve druhém vydání a také za některé osobní názory autora, které někteří čtenáři považovali za rušivé.

⬤ Poutavé a čtivé vyprávění, které zpřístupňuje bayesovskou statistiku.
⬤ Nabízí historické souvislosti a praktické příklady, které objasňují pojmy.
⬤ Součástí jsou balíčky R a další zdroje pro použití v reálných situacích.
⬤ Doporučujeme jak začátečníkům, tak zkušeným statistikům, kteří si chtějí upevnit své znalosti.

⬤ Ve druhém vydání je hlášeno mnoho překlepů a chyb.
⬤ Některé hypertextové odkazy v knize nefungují správně.
⬤ Autor do knihy vkládá osobní názory, včetně náboženských, což některé čtenáře odrazuje.

(na základě 42 hodnocení čtenářů)

Původní název:

Statistical Rethinking: A Bayesian Course with Examples in R and Stan

Obsah knihy:

Statistické přehodnocení: A Bayesian Course with Examples in R and Stan buduje vaše znalosti a jistotu při vyvozování závěrů z dat. Kniha odráží potřebu skriptování v dnešní statistice založené na modelech a nutí vás provádět výpočty krok za krokem, které jsou obvykle automatizované. Tento jedinečný výpočetní přístup zajišťuje, že porozumíte dostatečnému množství detailů, abyste mohli provádět rozumná rozhodnutí a interpretace ve své vlastní modelovací práci.

Text představuje kauzální inferenci a zobecněné lineární víceúrovňové modely z jednoduché bayesovské perspektivy, která vychází z teorie informace a maximální entropie. Základní materiál sahá od základů regrese až po pokročilé víceúrovňové modely. Představuje také chybu měření, chybějící data a modely Gaussova procesu pro prostorové a fylogenetické zmatky.

Druhé vydání klade důraz na přístup k odvozování příčinných souvislostí pomocí směrovaných acyklických grafů (DAG) a začleňuje DAG do mnoha příkladů. Nové vydání obsahuje také nový materiál o návrhu předběžných rozdělení, splinech, uspořádaných kategoriálních prediktorech, modelech sociálních vztahů, křížové validaci, výběrech důležitosti, instrumentálních proměnných a Hamiltonově Monte Carlu. V závěru je zcela nová kapitola, která jde nad rámec zobecněného lineárního modelování a ukazuje, jak lze do statistických analýz zabudovat vědecké modely specifické pro danou oblast.

Vlastnosti.

⬤ Zapojuje pracovní kód do hlavního textu.

⬤ Ilustruje koncepty prostřednictvím příkladů analýzy dat.

⬤ Důraz klade na pochopení předpokladů a na to, jak se předpoklady odrážejí v kódu.

⬤ Nabízí podrobnější vysvětlení matematiky ve volitelných částech.

⬤ Uvádí příklady použití balíčku dagitty R k analýze kauzálních grafů.

⬤ Uvádí balíček rethinking R na webových stránkách autora a na GitHubu.