Analisi bayesiana dei dati: Un tutorial con R, Jags e Stan

Recensioni dei lettori

Il libro è molto apprezzato in quanto introduzione accessibile e completa all'analisi bayesiana, adatta soprattutto ai lettori con poche conoscenze pregresse. È stato notato per il suo stile di scrittura chiaro, l'umorismo e gli esempi pratici di programmazione in R. Mentre l'ampio contenuto è apprezzato, alcuni lettori trovano che la lunghezza del libro sia eccessiva e che la scrittura sia a volte troppo prolissa. L'autore espone efficacemente concetti complessi con chiarezza intuitiva, anche se alcune recensioni menzionano problemi con la rilegatura del libro e difetti di formato elettronico.

Stile di scrittura chiaro e accattivante, spiegazioni intuitive, numerosi esempi relativi, forte enfasi sull'applicazione pratica, ampie risorse di programmazione R, adatto ai principianti dell'analisi bayesiana, l'umorismo aggiunge fascino, uso efficace di immagini per spiegare i concetti, materiali online di supporto.

Lunghezza e talvolta eccessivo dettaglio, può essere troppo semplicistico per i lettori con una certa preparazione statistica, sono stati segnalati problemi di qualità della rilegatura, la versione elettronica presenta problemi di visualizzazione, occasionali spiegazioni poco chiare in argomenti complessi, alcuni trovano lo stile di scrittura troppo prolisso.

(basato su 105 recensioni dei lettori)

Titolo originale:

Doing Bayesian Data Analysis: A Tutorial with R, Jags, and Stan

Contenuto del libro:

Fare l'analisi bayesiana dei dati: A Tutorial with R, JAGS, and Stan, Second Edition offre un approccio accessibile per la conduzione dell'analisi bayesiana dei dati, in quanto il materiale è spiegato chiaramente con esempi concreti. Sono incluse istruzioni passo-passo su come effettuare analisi bayesiane dei dati nei popolari e gratuiti software R e WinBugs, oltre a nuovi programmi in JAGS e Stan. I nuovi programmi sono stati progettati per essere molto più facili da usare rispetto agli script della prima edizione. In particolare, ora ci sono script compatti di alto livello che rendono facile l'esecuzione dei programmi sui propri set di dati.

Il libro è diviso in tre parti e inizia con le basi: i modelli, la probabilità, la regola di Bayes e il linguaggio di programmazione R. La trattazione passa poi ai fondamenti applicati all'inferenza di una probabilità binomiale, prima di concludere con i capitoli sul modello lineare generalizzato. La trattazione passa poi ai fondamenti applicati all'inferenza di una probabilità binomiale, prima di concludersi con i capitoli sul modello lineare generalizzato. Gli argomenti trattati comprendono la variabile metrica-predicata su uno o due gruppi; la variabile metrica-predicata con un solo predittore metrico; la variabile metrica-predicata con più predittori metrici; la variabile metrica-predicata con un solo predittore nominale; la variabile metrica-predicata con più predittori nominali. Gli esercizi presenti nel testo hanno scopi espliciti e linee guida per il loro svolgimento.

Questo libro è destinato a studenti del primo anno di laurea o a laureati di livello avanzato in statistica, analisi dei dati, psicologia, scienze cognitive, scienze sociali, scienze cliniche e scienze del consumo in ambito aziendale.