Statistica bayesiana per le scienze sociali

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Bayesian Statistics for the Social Sciences

Contenuto del libro:

La seconda edizione di questo libro pratico consente ai ricercatori di scienze sociali di applicare le più recenti metodologie bayesiane ai loro problemi di analisi dei dati. Include nuovi capitoli sull'incertezza del modello, sulla selezione bayesiana delle variabili e sulla sparsità, e sul flusso di lavoro bayesiano per la modellazione statistica. La seconda edizione spiega chiaramente la probabilità frequentista ed epistemica e le distribuzioni dei priori, e sottolinea l'uso del pacchetto software open-source RStan. Il testo copre Hamiltonian Monte Carlo, la regressione lineare bayesiana e i modelli lineari generalizzati, la valutazione e il confronto dei modelli, la modellazione multilivello, i modelli per variabili latenti continue e categoriche, i dati mancanti e altro ancora. I concetti sono illustrati in modo esauriente con esempi di lavoro tratti da banche dati su larga scala nel campo dell'istruzione e delle scienze sociali, come il Program for International Student Assessment e l'Early Childhood Longitudinal Study. Il codice RStan annotato appare nei riquadri schermati; il sito web di accompagnamento ( www.guilford.com/kaplan-materials ) fornisce set di dati e codice per gli esempi del libro.

Novità di questa edizione.

*Utilizza l'interfaccia R di Stan - più veloce e più stabile del software bayesiano precedentemente disponibile - per la maggior parte delle applicazioni discusse.

*Copertura dell'MC hamiltoniano, della regola di Cromwell, del priore di Jeffreys, del priore LKJ per le matrici di correlazione, della valutazione e del confronto dei modelli, con una critica del criterio d'informazione bayesiano, del Bayes variazionale come alternativa al campionamento Markov chain Monte Carlo (MCMC) e di altri nuovi argomenti.

*Capitoli sulla selezione bayesiana delle variabili e sulla sparsità, sull'incertezza del modello e sulla media dei modelli e sul flusso di lavoro bayesiano per la modellazione statistica.