دانلود کتاب Bayesian core: a practical approach to computational Bayesian statistics

ترجمه فارسی توضیحات (ترجمه ماشینی)

هسته بیزی: رویکردی عملی به آمارهای بیزی محاسباتی

این کتاب مدل‌سازی بیزی برای پزشکان و آماردانان کاربردی در نظر گرفته شده است که به دنبال ورود مستقل به آمارهای بیزی محاسباتی هستند. با تمرکز بر مدل‌های آماری استاندارد و پشتیبان‌گیری از مجموعه داده‌های واقعی مورد بحث موجود در وب‌سایت کتاب، به جای تمرکز بر توجیه‌های نظری آن، یک روش عملیاتی برای انجام استنتاج بیزی ارائه می‌کند. توجه ویژه ای به استخراج توزیع های قبلی در هر مورد می شود و راه حل های مرجع خاصی برای هر یک از مدل ها ارائه می شود. به طور مشابه، جزئیات محاسباتی برای هدایت خواننده به سمت برنامه‌نویسی مؤثر روش‌های ارائه‌شده در کتاب کار می‌شود. در حالی که برنامه‌های R در وب‌سایت کتاب ارائه می‌شوند و نکات R در بخش‌های محاسباتی کتاب ارائه می‌شوند، هسته Bayesian نیازی به دانش زبان R ندارد و می‌توان آن را با هر زبان برنامه‌نویسی دیگری خواند و استفاده کرد.

هسته Bayesian را می توان به عنوان یک کتاب درسی در هر دو سطح کارشناسی و کارشناسی ارشد مورد استفاده قرار داد، همانطور که در دوره های ارائه شده در دانشگاه پاریس دافین (فرانسه)، دانشگاه کانتربری (نیوزیلند)، و دانشگاه بریتیش کلمبیا (کانادا) مثال می زنند. این کتاب به عنوان یک کتاب درسی منحصر به فرد برای یک دوره خدماتی برای دانشمندان با هدف تجزیه و تحلیل داده ها به روش بیزی و همچنین یک دوره مقدماتی در مورد آمار بیزی عمل می کند. پیش نیاز کتاب، دانش پایه از نظریه احتمالات و آمار است. تمرین‌های روش‌شناختی و مبتنی بر داده‌ها در متن اصلی گنجانده شده است و از دانش‌آموزان انتظار می‌رود که آنها را در حین خواندن کتاب حل کنند. بدیهی است که آن تمرین ها می توانند به عنوان تکالیف عمل کنند، همانطور که در دوره های فوق انجام شد. مجموعه داده ها، کدهای R و اسلایدهای دوره همگی در وب سایت کتاب موجود هستند.

Bayesian core: a practical approach to computational Bayesian statistics

This Bayesian modeling book is intended for practitioners and applied statisticians looking for a self-contained entry to computational Bayesian statistics. Focusing on standard statistical models and backed up by discussed real datasets available from the book website, it provides an operational methodology for conducting Bayesian inference, rather than focusing on its theoretical justifications. Special attention is paid to the derivation of prior distributions in each case and specific reference solutions are given for each of the models. Similarly, computational details are worked out to lead the reader towards an effective programming of the methods given in the book. While R programs are provided on the book website and R hints are given in the computational sections of the book, The Bayesian Core requires no knowledge of the R language and it can be read and used with any other programming language.

The Bayesian Core can be used as a textbook at both undergraduate and graduate levels, as exemplified by courses given at Université Paris Dauphine (France), University of Canterbury (New Zealand), and University of British Columbia (Canada). It serves as a unique textbook for a service course for scientists aiming at analyzing data the Bayesian way as well as an introductory course on Bayesian statistics. The prerequisites for the book are a basic knowledge of probability theory and of statistics. Methodological and data-based exercises are included within the main text and students are expected to solve them as they read the book. Those exercises can obviously serve as assignments, as was done in the above courses. Datasets, R codes and course slides all are available on the book website.