Eine Einführung in angewandtes Bayesianisches Modellieren Alicia A. Johnson ist ein Lehrbuch, das eine klare Einführung in das angewandte bayesianische Modellieren bietet. Es richtet sich an fortgeschrittene Bachelorstudierende und Fachleute mit vergleichbaren Vorkenntnissen und behandelt praktische Anwendungen des bayesianischen Modellierens in der Statistik.
Das Buch geht ausführlich auf datengetriebene Beispiele ein und betont einen iterativen Modellbildungsprozess. Der Inhalt unterstützt das Lernen von grundlegenden bis hin zu komplexen, hierarchischen Modellen, einschließlich Markov-Chain-Monte-Carlo-Simulationen. Alle relevanten R-Codes, darunter Tools von RStan und des bayesrules-Pakets, werden dabei integral bereitgestellt.
Merkmale
- Praktische Anwendung des bayesianischen Modellierens durch datengesteuerte Beispiele und Übungen
- Fokus auf den Modellbildungs- und Evaluationszyklus
- Behandlung von multivariablen Regressions- und Klassifikationsmodellen
- Einführung in Markov-Chain-Monte-Carlo-Simulationen
- Integration von R-Code und statistischen Paketen
- Zugängliche Darstellung technischer bayesianischer Konzepte
- Unterstützung durch eine theoretische Fundierung in der bayesianischen Inferenz
Spezifikationen
- Autor: Alicia A. Johnson
- Verlag: Taylor & Francis Ltd
- Imprint: Chapman & Hall/CRC
- Erscheinungsdatum: 2022-03-04
- Seitenzahl: 544
- ISBN: 9780367255398
- Thema: Bayesianische Inferenz
- BISAC: MATHEMATICS / Probability & Statistics / Bayesian Analysis