Statistica bayesiana: Un'introduzione

Recensioni dei lettori

Il libro è generalmente considerato una solida risorsa per l'apprendimento della statistica bayesiana, in particolare per coloro che hanno una solida preparazione matematica. È apprezzato per le spiegazioni chiare, la struttura sistematica e la copertura completa degli argomenti. Tuttavia, alcuni utenti segnalano problemi con i refusi, la leggibilità nella versione Kindle e la curva di apprendimento ripida per i principianti.

⬤ Esposizione completa e chiara della statistica bayesiana.
⬤ Il sito web allegato con le soluzioni agli esercizi migliora l'apprendimento.
⬤ Adatto a studenti seri con un solido background in probabilità e calcolo.
⬤ Struttura ben organizzata che sviluppa gli argomenti in modo sistematico.

⬤ Presenza di refusi e notazioni che possono confondere alcuni lettori.
⬤ La versione Kindle risulta difficile da leggere e da navigare.
⬤ Non è adatta ai principianti o a chi cerca una rapida introduzione alla materia.

(basato su 9 recensioni dei lettori)

Titolo originale:

Bayesian Statistics: An Introduction

Contenuto del libro:

La statistica bayesiana è la scuola di pensiero che combina le credenze preliminari con la probabilità di un'ipotesi per arrivare alle credenze posteriori. La prima edizione del libro di Peter Lee risale al 1989, ma l'argomento è andato sempre più avanti, con una crescente enfasi sulle tecniche basate su Monte Carlo.

Questa nuova quarta edizione prende in esame tecniche recenti come i metodi variazionali, il campionamento d'importanza bayesiano, il calcolo bayesiano approssimato e il Reversible Jump Markov Chain Monte Carlo (RJMCMC), fornendo un resoconto conciso del modo in cui si sviluppa l'approccio bayesiano alla statistica e del modo in cui contrasta con l'approccio convenzionale. La teoria viene costruita passo dopo passo, e nozioni importanti come la sufficienza sono messe in evidenza da una discussione delle caratteristiche salienti di esempi specifici.

Questa edizione:

⬤ Comprende una copertura più ampia del campionamento di Gibbs, con più esempi numerici e trattamenti di OpenBUGS, R2WinBUGS e R2OpenBUGS.

⬤ Presenta nuovo materiale significativo su tecniche recenti come il campionamento d'importanza bayesiano, il Bayes variazionale, il calcolo bayesiano approssimato (ABC) e il Reversible Jump Markov Chain Monte Carlo (RJMCMC).

⬤ Fornisce ampi esempi in tutto il libro per completare la teoria presentata.

⬤ Accompagnato da un sito web di supporto con nuovo materiale e soluzioni.

Sempre più studenti si rendono conto di dover imparare la statistica bayesiana per raggiungere i loro obiettivi accademici e professionali. Questo libro è il più adatto per essere utilizzato come testo principale nei corsi di statistica bayesiana per studenti del terzo e quarto anno di laurea e post-laurea.