Cantitate/Preț
Produs
Total produse
Vezi coșul
Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan de John Kruschke

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

Autor John Kruschke
en Limba Engleză Hardback – 30 dec 2014

Recomandăm această lucrare ca referință fundamentală pentru nivelul de licență avansat și master, fiind un manual de tranziție ideal pentru cercetătorii din științele sociale și cognitive care doresc să treacă de la statistica frecventistă la cea bayesiană. Considerăm că forța acestui volum rezidă în abordarea sa didactică, transformând concepte matematice abstracte în fluxuri de lucru aplicate. Ediția a doua marchează un progres tehnologic semnificativ, integrând limbajele JAGS și Stan alături de R, oferind scripturi simplificate care permit utilizatorului să ruleze analize complexe fără a fi un expert în programare.

Structura cărții urmărește o progresie logică: prima parte pune bazele teoretice și introduce limbajul R, a doua parte explorează inferența binomială și metodele Markov Chain Monte Carlo (MCMC), iar cea de-a treia parte extinde aceste concepte către Modelul Linear Generalizat. Această organizare permite cititorului să înțeleagă nu doar „cum”, ci și „de ce” funcționează modelele ierarhice sau comparațiile de modele. Cartea acoperă riguros toate scenariile standard întâlnite în manualele non-bayesiene — de la teste t și ANOVA până la regresii multiple — oferind astfel o alternativă completă la metodele tradiționale de testare a ipotezei nule.

Doing Bayesian Data Analysis reprezintă o alternativă solidă la Introduction to Bayesian Data Analysis for Cognitive Science pentru cursurile de statistică aplicată. În timp ce volumul lui Bruno Nicenboim este mai focalizat pe lingvistică și pachetul `brms`, lucrarea lui John Kruschke oferă o perspectivă mai largă asupra fundamentelor și o diversitate mai mare de unelte (JAGS, Stan, WinBugs), fiind mai potrivită pentru cei care doresc o înțelegere profundă a mecanismelor din spatele codului.

Citește tot Restrânge

Preț: 46418 lei

Preț vechi: 67429 lei
-31%

Puncte Express: 696

Carte disponibilă

Livrare economică 24 aprilie-08 mai
Livrare express 16-22 aprilie pentru 14936 lei

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9780124058880
ISBN-10: 0124058884
Pagini: 776
Ilustrații: 20 illustrations
Dimensiuni: 191 x 235 x 43 mm
Greutate: 1.77 kg
Ediția:Revizuită
Editura: ELSEVIER SCIENCE

Public țintă

First-year Graduate Students and Advanced Undergraduate Students in Statistics, Data Analysis, Psychology, Cognitive Science, Social Sciences, Clinical Sciences and Consumer Sciences in Business.

De ce să citești această carte

Această carte este ideală pentru studenții și cercetătorii care au nevoie de un ghid practic, nu doar teoretic, pentru analiza datelor. Cititorul câștigă abilitatea de a implementa modele complexe în R, JAGS și Stan, beneficiind de explicații vizuale clare și exerciții ghidate. Este resursa perfectă pentru a depăși limitările statisticilor clasice și pentru a adopta metode bayesiene moderne în cercetarea academică sau profesională.

Descriere scurtă

Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition provides an accessible approach for conducting Bayesian data analysis, as material is explained clearly with concrete examples. Included are step-by-step instructions on how to carry out Bayesian data analyses in the popular and free software R and WinBugs, as well as new programs in JAGS and Stan. The new programs are designed to be much easier to use than the scripts in the first edition. In particular, there are now compact high-level scripts that make it easy to run the programs on your own data sets.
The book is divided into three parts and begins with the basics: models, probability, Bayes’ rule, and the R programming language. The discussion then moves to the fundamentals applied to inferring a binomial probability, before concluding with chapters on the generalized linear model. Topics include metric-predicted variable on one or two groups; metric-predicted variable with one metric predictor; metric-predicted variable with multiple metric predictors; metric-predicted variable with one nominal predictor; and metric-predicted variable with multiple nominal predictors. The exercises found in the text have explicit purposes and guidelines for accomplishment.
This book is intended for first-year graduate students or advanced undergraduates in statistics, data analysis, psychology, cognitive science, social sciences, clinical sciences, and consumer sciences in business.


  • Accessible, including the basics of essential concepts of probability and random sampling
  • Examples with R programming language and JAGS software
  • Comprehensive coverage of all scenarios addressed by non-Bayesian textbooks: t-tests, analysis of variance (ANOVA) and comparisons in ANOVA, multiple regression, and chi-square (contingency table analysis)
  • Coverage of experiment planning
  • R and JAGS computer programming code on website
  • Exercises have explicit purposes and guidelines for accomplishment
  • Provides step-by-step instructions on how to conduct Bayesian data analyses in the popular and free software R and WinBugs

Cuprins

1. What’s in This Book (Read This First!)
PART I The Basics: Models, Probability, Bayes’ Rule, and R
2. Introduction: Credibility, Models, and Parameters
3. The R Programming Language
4. What Is This Stuff Called Probability?
5. Bayes’ Rule
PART II All the Fundamentals Applied to Inferring a Binomial Probability
6. Inferring a Binomial Probability via Exact Mathematical Analysis
7. Markov Chain Monte Carlo
8. JAGS
9. Hierarchical Models
10. Model Comparison and Hierarchical Modeling
11. Null Hypothesis Significance Testing
12. Bayesian Approaches to Testing a Point ("Null") Hypothesis
13. Goals, Power, and Sample Size
14. Stan
PART III The Generalized Linear Model
15. Overview of the Generalized Linear Model
16. Metric-Predicted Variable on One or Two Groups
17. Metric Predicted Variable with One Metric Predictor
18. Metric Predicted Variable with Multiple Metric Predictors
19. Metric Predicted Variable with One Nominal Predictor
20. Metric Predicted Variable with Multiple Nominal Predictors
21. Dichotomous Predicted Variable
22. Nominal Predicted Variable
23. Ordinal Predicted Variable
24. Count Predicted Variable
25. Tools in the Trunk

Recenzii

"Both textbook and practical guide, this work is an accessible account of Bayesian data analysis starting from the basics…This edition is truly an expanded work and includes all new programs in JAGS and Stan designed to be easier to use than the scripts of the first edition, including when running the programs on your own data sets." --MAA Reviews
"fills a gaping hole in what is currently available, and will serve to create its own market" --Prof. Michael Lee, U. of Cal., Irvine; pres. Society for Mathematical Psych
"has the potential to change the way most cognitive scientists and experimental psychologists approach the planning and analysis of their experiments" --Prof. Geoffrey Iverson, U. of Cal., Irvine; past pres. Society for Mathematical Psych.
"better than others for reasons stylistic.... buy it -- it’s truly amazin’!" --James L. (Jay) McClelland, Lucie Stern Prof. & Chair, Dept. of Psych., Stanford U.
"the best introductory textbook on Bayesian MCMC techniques" --J. of Mathematical Psych.
"potential to change the methodological toolbox of a new generation of social scientists" --J. of Economic Psych.
"revolutionary" --British J. of Mathematical and Statistical Psych.
"writing for real people with real data. From the very first chapter, the engaging writing style will get readers excited about this topic" --PsycCritiques