Cantitate/Preț
Produs
Total produse
Vezi coșul
Bayesian Analysis with Excel and R de Conrad Carlberg

Bayesian Analysis with Excel and R

Autor Conrad Carlberg
en Limba Engleză Paperback – 21 noi 2022

Recomandăm Bayesian Analysis with Excel and R analiștilor de date, consultanților în strategie și managerilor care doresc să depășească limitările statisticii convenționale pentru a obține un avantaj competitiv real. Descoperim aici o resursă pragmatică ce transformă concepte adesea considerate ezoterice în instrumente de lucru zilnice. Volumul ghidează cititorul prin procesul critic de distingere între distribuțiile de tip 'prior', 'likelihood' și 'posterior', oferind claritate acolo unde terminologia devine de obicei densă. Remarcăm structura progresivă a lucrării: primele capitole ancorează utilizatorul în mediul familiar al Excel-ului, utilizând funcții precum BETA.DIST sau BINOM.DIST, pentru ca ulterior să facă tranziția către puterea de calcul a limbajului R. Autorul nu se limitează la teorie, ci introduce rapid tehnici de 'gold-standard' precum Markov Chain Monte Carlo (MCMC), esențiale pentru optimizarea vitezei de execuție în scenarii de afaceri complexe. Complementar volumului Bayesian Analysis Made Simple de Phil Woodward, care se concentrează pe simplificarea aplicării pentru non-experți, lucrarea lui Carlberg oferă puntea tehnică necesară pentru a trece de la calculul tabelar la modelarea avansată în Stan. Această carte reprezintă o evoluție firească în opera lui Conrad Carlberg. Dacă în Business Analysis with Microsoft Excel acesta punea bazele gestionării financiare și de marketing, aici autorul rafinează precizia acestor analize prin prisma inferenței bayesiene. Este o abordare mult mai tehnică și mai specifică decât cea din Excel Sales Forecasting for Dummies, fiind orientată spre rezolvarea problemelor unde metodele frecventiste eșuează în a oferi predicții fiabile.

Citește tot Restrânge

Preț: 34224 lei

Puncte Express: 513

Carte disponibilă

Livrare economică 29 mai-12 iunie
Livrare express 14-20 mai pentru 3182 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780137580989
ISBN-10: 0137580983
Pagini: 192
Dimensiuni: 174 x 229 x 11 mm
Greutate: 0.34 kg
Editura: Pearson Education

De ce să citești această carte

Această carte este esențială pentru profesioniștii care vor să facă pasul de la simpla raportare la modelarea predictivă avansată. Veți învăța cum să utilizați R pentru a rula simulări complexe pe care Excel singur nu le poate gestiona, câștigând astfel capacitatea de a lua decizii de business fundamentate pe probabilități riguroase, nu doar pe intuiție sau medii statistice simple.

Despre autor

Conrad Carlberg, stabilit în Carlsbad, California, este un expert recunoscut în analiza datelor, fiind distins în trecut cu titlul de Microsoft MVP pentru Excel. Cu o experiență vastă în consultanță și implementarea soluțiilor analitice, Carlberg s-a specializat în traducerea conceptelor statistice complexe în fluxuri de lucru accesibile prin intermediul instrumentelor software populare. Expertiza sa se concentrează pe utilizarea Excel și R pentru a rezolva probleme reale de business, de la prognoza vânzărilor la econometrie, transformând datele brute în informații strategice pentru management.

Cuprins

Preface Chapter 1 Bayesian Analysis and R: An Overview Bayes Comes Back About Structuring Priors Watching the Jargon Priors, Likelihoods, and Posteriors The Prior The Likelihood Contrasting a Frequentist Analysis with a Bayesian The Frequentist Approach The Bayesian Approach Summary Chapter 2 Generating Posterior Distributions with the Binomial Distribution Understanding the Binomial Distribution Understanding Some Related Functions Working with Rs Binomial Functions Using Rs dbinom Function Using Rs pbinom Function Using Rs qbinom Function Using Rs rbinom Function Grappling with the Math Summary Chapter 3 Understanding the Beta Distribution Establishing the Beta Distribution in Excel Comparing the Beta Distribution with the Binomial Distribution Decoding Excels Help Documentation for BETA.DIST Replicating the Analysis in R Understanding dbeta Understanding pbeta Understanding qbeta About Confidence Intervals Applying qbeta to Confidence Intervals Applying BETA.INV to Confidence Intervals Summary Chapter 4 Grid Approximation and the Beta Distribution More on Grid Approximation Setting the Prior Using the Results of the Beta Function Tracking the Shape and Location of the Distribution Inventorying the Necessary Functions Looking Behind the Curtains Moving from the Underlying Formulas to the Functions Comparing Built-in Functions with Underlying Formulas Understanding Conjugate Priors Summary Chapter 5 Grid Approximation with Multiple Parameters Setting the Stage Global Options Local Variables Specifying the Order of Execution Normal Curves, Mu and Sigma Visualizing the Arrays Combining Mu and Sigma Putting the Data Together Calculating the Probabilities Folding in the Prior Inventorying the Results Viewing the Results from Different Perspectives Summary Chapter 6 Regression Using Bayesian Methods Regression a la Bayes Sample Regression Analysis Matrix Algebra Methods Understanding quap Continuing the Code A Full Example Designing the Multiple Regression Arranging a Bayesian Multiple Regression Summary Chapter 7 Handling Nominal Variables Using Dummy Coding Supplying Text Labels in Place of Codes Comparing Group Means Summary Chapter 8 MCMC Sampling Methods Quick Review of Bayesian Sampling Grid Approximation Quadratic Approximation MCMC Gets Up To Speed A Sample MCMC Analysis ulams Output Validating the Results Getting Trace Plot Charts Summary and Concluding Thoughts Appendix Installation Instructions for RStan and the rethinking Package on the Windows Platform Glossary
Downloadable Bonus Content
Excel Worksheets Book: Statistical Analysis: Microsoft Excel 2016 (PDF)
9780137580989 TOC 10/24/2022

Descriere scurtă

Leverage the Full Power of Bayesian Analysis for Competitive Advantage
Bayesian methods can solve problems you cant reliably handle any other way. Building on your existing Excel analytics skills and experience, Microsoft Excel MVP Conrad Carlberg helps you make the most of Excels Bayesian capabilities and move toward R to do even more.
Step by step, with real-world examples, Carlberg shows you how to use Bayesian analytics to solve a wide array of real problems. Carlberg clarifies terminology that often bewilders analysts, provides downloadable Excel workbooks you can easily adapt to your own needs, and offers sample R code to take advantage of the rethinking package in R and its gateway to Stan.
As you incorporate these Bayesian approaches into your analytical toolbox, youll build a powerful competitive advantage for your organizationand yourself.
  • Explore key ideas and strategies that underlie Bayesian analysis
  • Distinguish prior, likelihood, and posterior distributions, and compare algorithms for driving sampling inputs
  • Use grid approximation to solve simple univariate problems, and understand its limits as parameters increase
  • Perform complex simulations and regressions with quadratic approximation and Richard McElreaths quap function
  • Manage text values as if they were numeric
  • Learn todays gold-standard Bayesian sampling technique: Markov Chain Monte Carlo (MCMC)
  • Use MCMC to optimize execution speed in high-complexity problems
  • Discover when frequentist methods fail and Bayesian methods are essentialand when to use both in tandem