Hodnotenie:
Kniha je vysoko hodnotená ako prístupný a komplexný úvod do bayesovskej analýzy, ktorý je vhodný najmä pre čitateľov s malými predchádzajúcimi znalosťami. Vyzdvihuje sa jej jasný štýl písania, humor a praktické príklady programovania v jazyku R. Hoci sa oceňuje rozsiahly obsah, niektorí čitatelia považujú dĺžku knihy za príliš dlhú a písanie za miestami príliš rozvláčne. Autor efektívne podáva zložité koncepty s intuitívnou zrozumiteľnosťou, hoci niekoľko recenzií spomína problémy s väzbou knihy a poruchy elektronického formátu.
Výhody:Jasný a pútavý štýl písania, intuitívne vysvetlenia, množstvo zrozumiteľných príkladov, silný dôraz na praktické využitie, rozsiahle zdroje programovania v jazyku R, vhodné pre začiatočníkov v oblasti bayesovskej analýzy, humor dodáva šarm, efektívne využitie vizuálnych prvkov na vysvetlenie pojmov, podporné online materiály.
Nevýhody:Zdĺhavé a niekedy príliš podrobné, môžu byť príliš zjednodušené pre čitateľov s určitým štatistickým vzdelaním, hlásené problémy s kvalitou väzby, elektronická verzia má poruchy zobrazovania, občasné nejasné vysvetlenia v zložitých témach, niektorí považujú štýl písania za príliš heslovitý.
(na základe 105 čitateľských recenzií)
Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan
Bayesovská analýza údajov: Druhé vydanie poskytuje prístupný prístup k bayesovskej analýze údajov, pretože materiál je vysvetlený jasne a na konkrétnych príkladoch. Súčasťou sú pokyny krok za krokom, ako vykonávať bayesovské analýzy údajov v populárnom a bezplatnom softvéri R a WinBugs, ako aj nové programy v JAGS a Stan. Nové programy sú navrhnuté tak, aby sa používali oveľa jednoduchšie ako skripty v prvom vydaní. Teraz sú k dispozícii najmä kompaktné vysokoúrovňové skripty, ktoré uľahčujú spúšťanie programov na vlastných súboroch údajov.
Kniha je rozdelená do troch častí a začína základmi: modely, pravdepodobnosť, Bayesovo pravidlo a programovací jazyk R. Potom sa diskusia presúva k základom aplikovaným na odvodzovanie binomickej pravdepodobnosti a na záver sú kapitoly o zovšeobecnenom lineárnom modeli. Témy zahŕňajú metricky predikovanú premennú na jednej alebo dvoch skupinách; metricky predikovanú premennú s jedným metrickým prediktorom; metricky predikovanú premennú s viacerými metrickými predikátormi; metricky predikovanú premennú s jedným nominálnym prediktorom a metricky predikovanú premennú s viacerými nominálnymi predikátormi. Cvičenia, ktoré sa nachádzajú v texte, majú explicitné ciele a pokyny na ich realizáciu.
Kniha je určená študentom prvého ročníka magisterského štúdia alebo pokročilým študentom bakalárskeho štúdia štatistiky, analýzy údajov, psychológie, kognitívnych vied, spoločenských vied, klinických vied a spotrebiteľských vied v podnikaní.