☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

　　《贝叶斯统计：基于R和BUGS的应用》介绍了贝叶斯统计的基础以及基于R和BUGS的应用。
　　《贝叶斯统计：基于R和BUGS的应用》共13章，内容分为三个部分：第1部分，介绍贝叶斯统计的基础，包括第1-4章；第二部分，介绍贝叶斯统计在各领域中的应用，包括第5-12章；第三部分，介绍贝叶斯计算方法及有关软件，即第13章，《贝叶斯统计：基于R和BUGS的应用》突出R和BUGS在贝叶斯统计中的应用，书中的一些例题、应用案例，采用R，WinBUGS和OpenBUGS，并给出了相应的代码。
　　《贝叶斯统计：基于R和BUGS的应用》注重可读性，力求图文并茂，有一定的实用性，并具有时代气息。
　　《贝叶斯统计：基于R和BUGS的应用》可供高等院校有关专业的高年级本科生、研究生作为教材（或参考书）使用，还可供相关专业的教师和科技人员、广大自学者参考。

内页插图

目录

前言

第1章 绪论
1．1 从一个例子来看经典统计与贝叶斯统计
1．1．1 基于R语言的一个例子
1．1．2 频率学派方法
1．1．3 贝叶斯学派方法
1．1．4 基于OpenBUGS的计算和可视化
1．2 经典统计与贝叶斯统计的比较
1．2．1 经典统计的缺陷
1．2．2 对经典学派的批评
1．2．3 对贝叶斯方法的批评
1．2．4 贝叶斯统计存在的问题
1．3 贝叶斯统计的兴起与发展
1．4 贝叶斯统计的广泛应用
1．4．1 促进了统计科学自身的发展
1．4．2 在经济、金融和保险中的应用
1．4．3 在生物、医学、生态学中的应用
1．4．4 在可靠性中的应用
1．4．5 在机器学习中的应用
1．4．6 贝叶斯定理成为Google计算的新力量
1．4．7 认知科学的贝叶斯革命
1．5 贝叶斯统计学的今天和明天
1．5．1 客观贝叶斯分析
1．5．2 主观贝叶斯分析
1．5．3 稳健贝叶斯分析
1．5．4 频率贝叶斯分析
1．5．5 拟贝叶斯分析
1．6 应用贝叶斯方法搜寻失联航班
1．7 本书的内容安排
思考与练习题1

第2章 先验分布和后验分布
2．1 统计推断的基础
2．2 贝叶斯定理
2．2．1 事件形式的贝叶斯定理
2．2．2 随机变量形式的贝叶斯定理
2．3 共轭先验分布
2．3．1 共轭先验分布的定义
2．3．2 后验分布的计算
2．3．3 常用的共轭先验分布
2．4 Beta分布、Gamma分布和Pareto分布
2．4．1 Beta分布
2．4．2 Gamma分布
2．4．3 Pareto分布
2．5 常用分布列表
思考与练习题2

第3章 贝叶斯统计推断基础
3．1 点估计
3．1．1 损失函数与风险函数
3．1．2 贝叶斯估计的定义
3．1．3 贝叶斯估计的误差
3．2 区间估计
3．2．1 可信区间的定义
3．2．2 单侧可信限
3．3 假设检验
3．3．1 贝叶斯假设检验
3．3．2 贝叶斯因子
3．3．3 多重假设检验
3．3．4 用贝叶斯因子进行模型选择
3．4 从p值到贝叶斯因子
3．4．1 经典学派假设检验的回顾
3．4．2 贝叶斯学派的假设检验
3．4．3 两个学派检验方法的关系
3．5 美国统计协会：使用p值的6条准则
3．6 多参数模型的贝叶斯推断
3．6．1 概述
3．6．2 正态分布中参数的贝叶斯推断
3．6．3 随机模拟方法
3．6．4 应用案例
……

第4章 先验分布的确定
第5章 基于OpenBUGS的模型参数估计
第6章 基于OpenBUGS的模型检验与模型选择
第7章 贝叶斯回归分析
第8章 贝叶斯统计在证券投资预测中的应用
第9章 贝叶斯统计在计量经济学和金融中的应用
第10章 贝叶斯统计在保险、精算中的应用
第11章 贝叶斯时间序列及其应用
第12章 贝叶斯可靠性统计分析
第13章 贝叶斯计算方法及有关软件

附录
参考文献

前言/序言

　　学过“概率论与数理统计”的读者都知道贝叶斯定理（或称贝叶斯公式），此定理包含在英国学者托马斯·贝叶斯（Thomas Bayes）发表的论文An Essay Towards Solving a Problem in the Doctrine of Chances《<机遇理论中一个问题的解》）中。从形式上看，它只是条件概率的一个简单推论，但它包含了归纳推理的一种思想，以后被一些学者发展为一种系统的统计推断的理论和方法，称为贝叶斯方法（Bayesian method）。采用贝叶斯方法进行统计推断所得的全部结果，构成贝叶斯统计（Bayesian statistics）的内容。MCMC（Markov Chain Monte Carlo）方法的研究和应用，为推广贝叶斯统计的应用开辟了广阔的前景，使贝叶斯统计的研究与应用得到了再度复兴。
　　在大数据时代，数据科学、数据工程、数据挖掘和机器学习等越来越受到人们的重视，数据科学家、数据工程工程师受到各行业的普遍欢迎，在这样的背景下，正在学习和将要学习“贝叶斯统计”的人越来越多。人们不再只满足于学习一些“贝叶斯统计”的基础理论，而更感兴趣的是把这些理论用于数据分析并解决实际问题。美国芝加哥大学的Zellner教授（贝叶斯学派的代表性人物）认为，贝叶斯统计是科学地从数据和经验中学习的一种方法。这一观点对我们如何看待贝叶斯统计有很大的启示，使人感到焕然一新，与信息时代、大数据时代的需求非常契合，
　　螺旋式上升的科学研究“舞台”充满戏剧性，19世纪上半叶备受争议和冷落的贝叶斯学派将在21世纪大数据时代重新登场，并且光芒四射，进入21世纪后，我们的大部分信息主要来源于网络，非常有趣的是这些网络信息搜索背后的理论计算基础就是贝叶斯定理。“18世纪的贝叶斯定理成为Google计算的新力量”。
　　本书是作者在阅读了国内外大量相关文献的基础上，并结合自己长期从事教学和科研的实际经验，介绍了贝叶斯统计的基础以及在一些领域中的应用。全书共13章，内容分为三个部分：
贝叶斯统计：基于R和BUGS的应用 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价