贝叶斯数据分析
￥ 98 8.3折 ￥ 118 九五品
仅1件
江苏南京
认证卖家担保交易快速发货售后保障
作者[美]安德鲁·格尔曼, [澳]约翰B.卡林 ,[美]哈尔S.
出版社机械工业出版社
ISBN9787111525844
出版时间2016-03
版次1
装帧平装
开本16开
纸张胶版纸
页数661页
字数99999千字
定价118元
上书时间2024-05-27
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:贝叶斯数据分析
定价：118元
作者:[美]安德鲁·格尔曼, [澳]约翰B.卡林 ,[美]哈尔S.斯特
出版社：机械工业出版社
出版日期：2016-03-01
ISBN：9787111525844
字数：1090000
页码：661
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
本书是Bayesian Data Analysis的第3版，因在数据分析、研究解决难题方面的可读性、实用性而广受读者好评，被认为是贝叶斯方法领域的之作。
内容提要
本书是《贝叶斯数据分析》（Bayesian DataAnalysis）的第3版，因在数据分析、研究解决难题方面的可读性、实用性而广受读者好评，被认为是贝叶斯方法领域的之作。本书作者团队中不乏有统计学界的大师，他们先以数据分析的视角讨论了一些统计学基本概念，之后再引进各种高级分析方法，秉承实用性的风格，介绍和分析了大量的贝叶斯方法。全书共分为贝叶斯推断基础，贝叶斯数据分析基础，高级计算，回归模型，以及非线性和非参数模型五部分。第Ⅰ部分包括：概率与推断，单参数模型，多参数模型，渐近性以及与非贝叶斯方法的关系，分层模型等内容。第Ⅱ部分包括：模型核查，模型评价、对比及延伸，建模数据的收集，决策分析等内容。第Ⅲ部分主要介绍贝叶斯计算入门，马尔可夫链模拟基本概念，高效计算的马尔可夫链模拟，众数和分布近似等内容。第Ⅳ部分包括：回归模型简介，分层线性模型，广义线性模型，稳健模型推断，缺失数据模型等内容。最后第Ⅴ部分补充介绍了参数非线性模型，基函数模型，高斯过程模型，有限混合模型，Dirichlet过程模型等内容。全书援引大量来源于现实应用研究的真实案例，突出强调了贝叶斯推断在实际工作中的运用和价值。
目录
目录前言第Ⅰ部分 贝叶斯推断基础1章 概率与推断31.1 贝叶斯数据分析的三个步骤31.2 统计推断的一般概念41.3 贝叶斯推断61.4 离散概率示例：基因和拼写检查81.5 概率：不确定性的量度111.6 概率分布的例子：橄榄球分差131.7 例子：估计记录连结的准确性161.8 概率论中的一些实用结论191.9 计算和软件221.10 应用统计的贝叶斯推断241.11 文献注记251.12 练习27第2章 单参数模型292.1 从二项分布数据中估计概率292.2 后验分布：数据和先验信息的权衡322.3 后验推断的主要内容322.4 内容丰富的先验分布342.5 在给定方差时估计正态均值392.6 其他标准单参数模型422.7 例子：用于癌症患病率的有信息先验分布472.8 无信息先验分布512.9 弱信息先验分布552.10 文献注记562.11 练习57第3章 多参数模型633.1 冗余参数的平均633.2 为正态数据选择一个信息不足的先验分布643.3 正态数据的共轭先验分布673.4 分类数据的多项分布模型693.5 方差已知情况下的多元正态模型703.6 均值和方差未知情况下的多元正态模型723.7 例子：生物测定实验分析743.8 基础建模和计算783.9 文献注记783.10 练习79第4章 渐近性以及与非贝叶斯方法的关系834.1 后验分布的正态近似834.2 大样本理论874.3 理论的反例894.4 贝叶斯推断的频率评价914.5 其他统计模型的贝叶斯解释924.6 文献注记974.7 练习98第5章 分层模型1015.1 构造一个参数先验分布1025.2 互换性和分层模型的设计1045.3 共轭分层模型的完整贝叶斯分析1085.4 从正态模型估计互换参数1135.5 例子：八所学校的并行实验1195.6 分层建模在元分析中的应用1245.7 分层方差参数的弱信息先验1285.8 文献注记1325.9 练习134第Ⅱ部分 贝叶斯数据分析基础139第6章 模型核查1416.1 应用贝叶斯统计中模型核查的作用1416.2 模型推断一定合理吗？1426.3 后验预测核查1436.4 后验预测核查的图形化方法1536.5 教育考试例子的模型检验1596.6 文献注记1616.7 练习163第7章 模型评价、对比及延伸1657.1 预测精度的度量1667.2 信息准则和交叉验证1697.3 基于预测效果的模型比较1787.4 运用贝叶斯因子的模型比较1827.5 连续模型的延伸1847.6 不明确假设和模型延伸：一个例子1877.7 文献注记1927.8 练习193第8章 建模数据的收集1978.1 贝叶斯推断中需要一个模型引导数据收集1978.2 数据收集模型和可忽略性1998.3 抽样调查2058.4 设计试验2148.5 敏感性和随机性的作用2188.6 观察研究2208.7 删失数据和截断数据2248.8 讨论2298.9 文献注记2298.10 练习230第9章 决策分析2379.1 贝叶斯决策理论的几种应用2379.2 回归预测的应用：电话调查的动机2399.3 多级决策：医学筛选2459.4 分层决策分析：氡的测量2469.5 个体以及机构决策分析2569.6 文献注记2579.7 练习257第Ⅲ部分 高级计算2590章 贝叶斯计算入门26110.1 数值积分26110.2 分布近似26210.3 直接模拟和拒绝抽样26310.4 重要性抽样26510.5 需要多少模拟图26710.6 计算环境26810.7 贝叶斯计算调试27010.8 文献注记27110.9 练习2721章 马尔可夫链模拟基本概念27511.1 Gibbs抽样27611.2 MH算法27811.3 使用Gibbs抽样和MH算法构造区块28011.4 推断和评估收敛性28111.5 随机抽样的有效次数28611.6 例子：分层正态模型28811.7 文献注记29111.8 练习2912章 高效计算的马尔可夫链模拟29312.1 高效Gibbs抽样29312.2 高效Metropolis抽样29512.3 Gibbs抽样和Metropolis抽样的扩充29712.4 哈密顿蒙特卡罗法30012.5 一个简单分层模型的哈密顿动态过程30512.6 Stan：计算开发环境30712.7 文献注记30812.8 练习3093章 众数和分布近似31113.1 后验众数的发现31113.2 用于众数特征的避免边缘先验31313.3 正态和相应的混合近似31813.4 运用EM算法寻找边缘后验众数32013.5 条件和边缘后验密度的近似32513.6 例子：分层正态模型（续）32613.7 变分推断33113.8 期望传播33813.9 其他近似34313.10 未知正态因子34513.11 文献注记34813.12 练习349第Ⅳ部分 回归模型3514章 回归模型简介35314.1 条件建模35314.2 经典回归模型中的贝叶斯分析35414.3 因果推断中的回归模型：国会选举的执政党案例35814.4 回归分析的目标36414.5 解释变量矩阵综述36514.6 多变量正则化和降维36714.7 不等方差和相关36914.8 包含数值先验信息37614.9 文献注记37814.10 练习3785章 分层线性模型38115.1 回归系数批量替换条件下的模型38215.2 例子：预测美国总统大选38315.3 用作额外数据的的正态先验分布及其解释38815.4 调整截距和调整斜率39015.5 计算方法：批量和变换39215.6 方差分析和成批系数39515.7 成批方差成分分层模型39815.8 文献注记40015.9 练习4026章 广义线性模型40516.1 标准广义线性似然函数40616.2 运用广义线性模型40716.3 逻辑斯谛回归的弱信息先验41216.4 例子：分层泊松回归在警方盘查中的应用42016.5 例子：分层逻辑斯谛回归在政治观点中的应用42216.6 响应变量为多项的多元模型42316.7 多元离散数据的对数线性模型42816.8 文献注记43116.9 练习4327章 稳健模型推断43517.1 模型的稳健性43517.2 标准概率模型的过离散形式43717.3 后验推断和计算43917.4 八所学校的稳健推断和敏感性分析44117.5 运用t分布误差的稳健回归44417.6 文献注记44517.7 练习4468章 缺失数据模型44918.1 记号44918.2 多重插补45118.3 多元正态和t分布模型中的缺失数据45418.4 例子：对一系列调查数据的多重插补45618.5 计数数据的缺失值46218.6 例子：斯洛文尼亚的一项民意调查46318.7 文献注记46618.8 练习467第Ⅴ部分 非线性和非参数模型4699章 参数非线性模型47119.1 例子：连续稀释法47119.2 例子：种群毒物代谢动力学47719.3 文献注记48519.4 练习486第20章 基函数模型48720.1 样条和基函数加权组合函数48720.2 基函数选择和系数压缩49020.3 非正态模型和多元回归曲面49420.4 文献注记49820.5 练习498第21章 高斯过程模型50121.1 高斯过程回归50121.2 例子：生日和出生日期50521.3 隐高斯过程模型51021.4 函数数据分析51221.5 密度估计和回归51321.6 文献注记51621.7 练习516第22章 有限混合模型51922.1 混合模型的设计和性质51922.2 例子：反应时间和精神分裂症52422.3 指示变量的转换和后验分布计算53322.4 混合成分变量数不定下的计算53622.5 分类和回归混合模型53922.6 文献注记54222.7 练习543第23章 Dirichlet过程模型54523.1 贝叶斯直方图54523.2 Dirichlet过程先验分布54623.3 Dirichlet过程混合分布54923.4 密度估计55723.5 分层响应56023.6 密度回归56823.7 文献注记57123.8 练习573A 标准概率分布575A.1 连续分布575A.2 离散分布583A.3 文献注记584B 极限定理的证明概述585B.1 文献注记588C R和Stan软件计算589C.1 认识R和Stan软件589C.2 在Stan软件中拟合一个分层模型589C.3 直接模拟、Gibbis和Metropolis抽样的R实现594C.4 哈密顿蒙特卡罗方法的R实现601C.5 其他注释605C.6 文献注记606参考文献607作者索引641主题索引649
作者介绍
[美]安德鲁·格尔曼(Andrew Gelman) 哥伦比亚大学应用统计中心主任，教授，获美国统计协会颁发的杰出贡献奖，文章奖。[澳]约翰B.卡林(John B.Carlin)[美]哈尔S.斯特恩(Hal S.Stern)[美]大卫B.邓森(David B.Dunson)[芬]阿基·维塔利(Aki Vehtari)[美]唐纳德B.鲁宾(Donald B.Rubin)
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价