دانلود کتاب Generalized linear models – a Bayesian perspective

ترجمه فارسی توضیحات (ترجمه ماشینی)

مدل های خطی تعمیم یافته – دیدگاه بیزی

نحوه مفهوم‌سازی، اجرا و نقد مدل‌های خطی تعمیم‌یافته سنتی (GLMs) را از دیدگاه بیزی و نحوه استفاده از روش‌های محاسباتی مدرن برای خلاصه کردن استنتاج‌ها با استفاده از شبیه‌سازی، پوشش اثرات تصادفی در مدل‌های ترکیبی خطی تعمیم‌یافته (GLMM) با مثال‌های توضیح داده شده شرح می‌دهد. رویکردهای پارامتری و نیمه پارامتریک را برای GLM های بیش از حد پراکنده در نظر می گیرد، GLM های بیزی را برای داده های مرگ و میر ایالات متحده اعمال می کند، و روش هایی برای تجزیه و تحلیل داده های باینری همبسته با استفاده از متغیرهای پنهان ارائه می دهد. مدل‌سازی پاسخ آیتم را برای داده‌های طبقه‌بندی توصیف و تحلیل می‌کند و روش‌های انتخاب متغیر را با استفاده از نمونه‌گر گیبس برای مدل‌های کاکس ارائه می‌کند. دی استاد و رئیس بخش آمار دانشگاه کانکتیکات استورز است

Generalized linear models – a Bayesian perspective

Describes how to conceptualize, perform, and critique traditional generalized linear models (GLMs) from a Bayesian perspective and how to use modern computational methods to summarize inferences using simulation, covering random effects in generalized linear mixed models (GLMMs) with explained examples. Considers parametric and semiparametric approaches to overdispersed GLMs, applies Bayesian GLMs to US mortality data, and presents methods of analyzing correlated binary data using latent variables. Describes and analyzes item response modeling for categorical data, and provides variable selection methods using the Gibbs sampler for Cox models. Dey is professor and head of the department of statistics at the University of Connecticut-Storrs