Štatistické prehodnotenie: Bayesovský kurz s príkladmi v R a Stane

Recenzie čitateľov

Kniha je vysoko oceňovaná pre svoj jasný a pútavý prístup k bayesovskej štatistike, vďaka ktorému je prístupná pre začiatočníkov aj skúsených odborníkov. Poskytuje historický kontext, praktické príklady a zameriava sa skôr na porozumenie než len na teóriu. Bola však kritizovaná za značný počet preklepov a chýb v druhom vydaní, ako aj za niektoré osobné názory autora, ktoré niektorí čitatelia považovali za rušivé.

⬤ Pútavé a čitateľné rozprávanie, ktoré sprístupňuje bayesovskú štatistiku.
⬤ Ponúka historický kontext a praktické príklady, ktoré objasňujú pojmy.
⬤ Dodáva sa s balíčkami R a ďalšími zdrojmi na použitie v reálnych scenároch.
⬤ Odporúčame pre začiatočníkov aj skúsených štatistikov, ktorí si chcú upevniť svoje znalosti.

⬤ V druhom vydaní sa vyskytli početné preklepy a chyby.
⬤ Niektoré hypertextové odkazy v knihe nefungujú správne.
⬤ Autor do nej vkladá osobné názory, vrátane náboženských, čo niektorým čitateľom prekážalo.

(na základe 42 čitateľských recenzií)

Pôvodný názov:

Statistical Rethinking: A Bayesian Course with Examples in R and Stan

Obsah knihy:

Štatistické prehodnotenie: A Bayesian Course with Examples in R and Stan buduje vaše znalosti a istotu pri vyvodzovaní záverov z údajov. Kniha odráža potrebu skriptovania v dnešnej modelovej štatistike a núti vás vykonávať výpočty krok za krokom, ktoré sú zvyčajne automatizované. Tento jedinečný výpočtový prístup zaručuje, že pochopíte dostatok detailov na to, aby ste mohli robiť rozumné rozhodnutia a interpretácie pri vlastnej modelovej práci.

Text predstavuje kauzálne odvodzovanie a zovšeobecnené lineárne viacúrovňové modely z jednoduchej bayesovskej perspektívy, ktorá vychádza z teórie informácie a maximálnej entropie. Základný materiál siaha od základov regresie až po pokročilé viacúrovňové modely. Uvádza aj chyby merania, chýbajúce údaje a modely Gaussovho procesu pre priestorové a fylogenetické zmätky.

Druhé vydanie kladie dôraz na prístup k odvodzovaniu príčinných súvislostí pomocou usmernených acyklických grafov (DAG) a integruje DAG do mnohých príkladov. Nové vydanie obsahuje aj nový materiál o návrhu predchádzajúcich rozdelení, splajnoch, usporiadaných kategorických prediktoroch, modeloch sociálnych vzťahov, krížovom overovaní, výbere dôležitosti, inštrumentálnych premenných a Hamiltonovom Monte Carle. V závere je úplne nová kapitola, ktorá presahuje rámec zovšeobecneného lineárneho modelovania a ukazuje, ako možno do štatistických analýz zabudovať vedecké modely špecifické pre danú oblasť.

Vlastnosti.

⬤ Začlenenie pracovného kódu do hlavného textu.

⬤ Ilustruje koncepty prostredníctvom príkladov analýzy údajov.

⬤ Dôraz kladie na pochopenie predpokladov a na to, ako sa predpoklady odrážajú v kóde.

⬤ Ponúka podrobnejšie vysvetlenia matematiky vo voliteľných častiach.

⬤ Uvádza príklady použitia balíka dagitty R na analýzu kauzálnych grafov.

⬤ Uvádza balík rethinking R na webovej stránke autora a na GitHube.