Avis des lecteurs
Résumé:Le livre est très apprécié en tant qu'introduction accessible et complète à l'analyse bayésienne, s'adressant en particulier aux lecteurs ayant peu de connaissances préalables. Il est noté pour son style d'écriture clair, son humour et ses exemples pratiques de programmation en R. Bien que le contenu exhaustif soit apprécié, certains lecteurs trouvent que la longueur du livre est excessive et que l'écriture est parfois trop verbeuse. L'auteur présente efficacement des concepts complexes avec une clarté intuitive, bien que quelques critiques mentionnent des problèmes avec la reliure du livre et des problèmes de format électronique.
Avantages:Style d'écriture clair et engageant, explications intuitives, nombreux exemples pertinents, accent mis sur l'application pratique, ressources étendues en matière de programmation R, convient aux débutants en analyse bayésienne, l'humour ajoute du charme, utilisation efficace de visuels pour expliquer les concepts, matériel en ligne de soutien.
Inconvénients:Long et parfois excessivement détaillé, peut être trop simpliste pour les lecteurs ayant des connaissances en statistiques, des problèmes de qualité de la reliure ont été signalés, la version électronique a des problèmes d'affichage, des explications parfois peu claires sur des sujets complexes, certains trouvent que le style d'écriture est trop verbeux.
(basé sur 105 avis de lecteurs)
Titre original :
Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan
Contenu du livre :
Faire de l'analyse de données bayésiennes : A Tutorial with R, JAGS, and Stan, Second Edition propose une approche accessible de l'analyse bayésienne des données, le matériel étant expliqué clairement à l'aide d'exemples concrets. Il comprend des instructions pas à pas sur la façon de réaliser des analyses bayésiennes de données avec les logiciels populaires et gratuits R et WinBugs, ainsi que de nouveaux programmes dans JAGS et Stan. Les nouveaux programmes sont conçus pour être beaucoup plus faciles à utiliser que les scripts de la première édition. En particulier, il existe maintenant des scripts compacts de haut niveau qui facilitent l'exécution des programmes sur vos propres ensembles de données.
Le livre est divisé en trois parties et commence par les bases : les modèles, les probabilités, la règle de Bayes et le langage de programmation R. La discussion porte ensuite sur les principes fondamentaux appliqués à l'inférence d'une probabilité binomiale. La discussion porte ensuite sur les principes fondamentaux appliqués à l'inférence d'une probabilité binomiale, avant de se terminer par des chapitres sur le modèle linéaire généralisé. Les thèmes abordés sont les suivants : variable prédite métrique sur un ou deux groupes ; variable prédite métrique avec un prédicteur métrique ; variable prédite métrique avec plusieurs prédicteurs métriques ; variable prédite métrique avec un prédicteur nominal ; et variable prédite métrique avec plusieurs prédicteurs nominaux. Les exercices présentés dans le texte ont des objectifs explicites et des lignes directrices pour leur réalisation.
Ce livre s'adresse aux étudiants de première année d'études supérieures ou aux étudiants avancés de premier cycle en statistique, analyse de données, psychologie, sciences cognitives, sciences sociales, sciences cliniques et sciences de la consommation dans le domaine des affaires.
Autres informations sur le livre :
| ISBN : | 9780124058880 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Relié |
| Année de publication : | 2014 |
| Nombre de pages : | 776 |
Achat:
Actuellement disponible, en stock.
