Bewertung:
Das Buch wird als leicht zugängliche und umfassende Einführung in die Bayes'sche Analyse gelobt, die sich insbesondere an Leser mit geringen Vorkenntnissen richtet. Es wird für seinen klaren Schreibstil, den Humor und die praktischen Programmierbeispiele in R gelobt. Während der umfangreiche Inhalt geschätzt wird, empfinden einige Leser die Länge des Buches als zu lang und den Text manchmal als zu wortreich. Der Autor vermittelt komplexe Konzepte mit intuitiver Klarheit, auch wenn in einigen Rezensionen Probleme mit der Bindung des Buches und Probleme mit dem elektronischen Format erwähnt werden.
Vorteile:Klarer und einnehmender Schreibstil, intuitive Erklärungen, zahlreiche nachvollziehbare Beispiele, starke Betonung der praktischen Anwendung, umfangreiche R-Programmierressourcen, geeignet für Anfänger in der Bayes'schen Analyse, Humor verleiht Charme, effektiver Einsatz von Bildern zur Erklärung von Konzepten, unterstützende Online-Materialien.
Nachteile:Langatmig und manchmal übermäßig detailliert, kann für Leser mit etwas Statistikhintergrund zu einfach sein, es wird über Probleme mit der Bindungsqualität berichtet, die elektronische Version hat Anzeigeprobleme, gelegentlich unklare Erklärungen bei komplexen Themen, manche finden den Schreibstil zu wortreich.
(basierend auf 105 Leserbewertungen)
Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan
Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition bietet einen zugänglichen Ansatz für die Durchführung von Bayes'schen Datenanalysen, da das Material anhand konkreter Beispiele klar erklärt wird. Das Buch enthält Schritt-für-Schritt-Anleitungen zur Durchführung von Bayes'schen Datenanalysen in der beliebten und kostenlosen Software R und WinBugs sowie neue Programme in JAGS und Stan. Die neuen Programme sind wesentlich benutzerfreundlicher als die Skripte der ersten Auflage. Insbesondere gibt es jetzt kompakte High-Level-Skripte, die es einfach machen, die Programme auf Ihren eigenen Datensätzen laufen zu lassen.
Das Buch ist in drei Teile gegliedert und beginnt mit den Grundlagen: Modelle, Wahrscheinlichkeit, Bayes'sche Regel und die Programmiersprache R. Die Diskussion geht dann zu den Grundlagen über, die bei der Ableitung einer Binomialwahrscheinlichkeit angewandt werden, bevor sie mit Kapiteln über das verallgemeinerte lineare Modell abschließt. Zu den Themen gehören metrisch vorhergesagte Variable für eine oder zwei Gruppen, metrisch vorhergesagte Variable mit einem metrischen Prädiktor, metrisch vorhergesagte Variable mit mehreren metrischen Prädiktoren, metrisch vorhergesagte Variable mit einem nominalen Prädiktor und metrisch vorhergesagte Variable mit mehreren nominalen Prädiktoren. Die im Text enthaltenen Übungen haben explizite Ziele und Richtlinien für die Durchführung.
Dieses Buch richtet sich an Studenten im ersten Jahr ihres Studiums oder an fortgeschrittene Studenten in den Bereichen Statistik, Datenanalyse, Psychologie, Kognitionswissenschaften, Sozialwissenschaften, klinische Wissenschaften und Verbraucherwissenschaften in der Wirtschaft.
| ISBN: | 9780124058880 |
| Autor: | |
| Verlag: | |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2014 |
| Seitenzahl: | 776 |
Derzeit verfügbar, auf Lager.
