Bayesovské regresné modelovanie s Inla

Recenzie čitateľov

Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 6 hlasoch.

Pôvodný názov:

Bayesian Regression Modeling with Inla

Obsah knihy:

INLA je skratka pre Integrated Nested Laplace Approximations, čo je nová metóda na prispôsobenie širokej triedy bayesovských regresných modelov. Pri použití INLA nie je potrebné zostavovať vzorky posteriórnych marginálnych rozdelení, takže je to výpočtovo výhodná alternatíva k Markovovmu reťazovému Monte Carlu (MCMC), štandardnému nástroju na bayesovskú inferenciu.

Bayesovské regresné modelovanie s INLA pokrýva širokú škálu moderných regresných modelov a zameriava sa na techniku INLA na vytváranie bayesovských modelov s použitím reálnych údajov a na posudzovanie ich platnosti. Kľúčovou témou celej knihy je, že má zmysel demonštrovať súhru teórie a praxe pomocou reprodukovateľných štúdií. Ku každému príkladu sú uvedené kompletné príkazy R a na podpornej webovej stránke sú k dispozícii všetky údaje opísané v knihe. Na stiahnutie je k dispozícii balík R obsahujúci údaje a ďalšie funkcie uvedené v knihe.

Kniha je určená čitateľom, ktorí majú základné znalosti štatistickej teórie a bayesovskej metodológie. Oboznamuje čitateľov s najnovšími poznatkami v oblasti bayesovskej inferencie pomocou INLA a pripravuje ich na sofistikovanú prácu v reálnom svete.

Xiaofeng Wang je profesorom medicíny a biostatistiky na Cleveland Clinic Lerner College of Medicine of Case Western Reserve University a riadnym zamestnancom oddelenia kvantitatívnych zdravotníckych vied na Cleveland Clinic.

Yu Ryan Yue je docentom štatistiky na Katedre informačných systémov a štatistiky Paula H. Chooka na Baruch College, The City University of New York.

Julian J. Faraway je profesorom štatistiky na Katedre matematických vied na University of Bath.