Une introduction à la modélisation bayésienne appliquée van Alicia A. Johnson est un manuel qui offre une introduction claire à la modélisation bayésienne appliquée. Il s’adresse aux étudiants avancés de premier cycle et aux professionnels ayant des connaissances préalables similaires, et traite des applications pratiques de la modélisation bayésienne en statistique.
Le livre aborde en profondeur des exemples guidés par les données et met l’accent sur un processus itératif de construction de modèles. Le contenu aide à apprendre des modèles fondamentaux aux modèles complexes et hiérarchiques, y compris des simulations par chaîne de Markov Monte Carlo. Tous les codes R pertinents, y compris les outils de RStan et le package bayesrules, sont fournis de manière intégrée.
Caractéristiques
- Application pratique de la modélisation bayésienne via des exemples et des exercices guidés par les données
- Accent sur le cycle de construction et d’évaluation du modèle
- Traitement des modèles de régression multivariée et de classification
- Introduction aux simulations par chaîne de Markov Monte Carlo
- Intégration de code R et de progiciels statistiques
- Présentation accessible des concepts bayésiens techniques
- Soutien par une base théorique en inférence bayésienne
Spécifications
- Auteur : Alicia A. Johnson
- Éditeur : Taylor & Francis Ltd
- Imprint : Chapman & Hall/CRC
- Date de publication : 2022-03-04
- Nombre de pages : 544
- ISBN : 9780367255398
- Thème : Inférence bayésienne
- BISAC : MATHEMATIQUES / Probabilité & Statistiques / Analyse bayésienne