อะไรคือตำราสถิติเบย์เบื้องต้นที่ดีที่สุด?

หนังสือแบบเบื้องต้นที่ดีที่สุดสำหรับสถิติแบบเบย์คืออะไร

กรุณาหนึ่งเล่มต่อคำตอบโปรด

จอห์น Kruschke ออกหนังสือในช่วงกลาง 2011 ที่เรียกว่าการทำแบบเบย์วิเคราะห์ข้อมูล: กวดวิชากับ R และข้อบกพร่อง (ฉบับที่สองเปิดตัวในเดือนพฤศจิกายน 2014: การวิเคราะห์ข้อมูลแบบเบส์ฉบับที่สอง: การสอนด้วย R, JAGS และสแตน ) เป็นบทแนะนำเบื้องต้นอย่างแท้จริง หากคุณต้องการเดินจากสถิติบ่อยๆไปยัง Bayes โดยเฉพาะอย่างยิ่งกับการสร้างแบบจำลองหลายระดับฉันแนะนำ Gelman และ Hill

John Kruschke ยังมีเว็บไซต์สำหรับหนังสือที่มีตัวอย่างทั้งหมดในหนังสือใน BUGS และ JAGS บล็อกของเขาเกี่ยวกับสถิติแบบเบย์ยังเชื่อมโยงกับหนังสือ

สิ่งที่ฉันชอบคือ"การวิเคราะห์ข้อมูลแบบเบย์"โดย Gelman, et al.

สถิติทบทวนได้รับการปล่อยตัวออกมาเพียงไม่กี่สัปดาห์ที่ผ่านมาและด้วยเหตุนี้ฉันยังคงอ่านมัน แต่ฉันคิดว่าเป็นยังดีมากและสดไปเบื้องต้นจริงๆหนังสือเกี่ยวกับคชกรรมสถิติ ผู้เขียนใช้วิธีการที่คล้ายกันเป็นอย่างใดอย่างหนึ่งที่ใช้โดยจอห์น Kruschke ของเขาในหนังสือลูกสุนัข ; verbose มากคำอธิบายรายละเอียดตัวอย่างการสอนที่ดีเขายังใช้การคำนวณมากกว่าวิธีการทางคณิตศาสตร์

Youtube บรรยายและวัสดุอื่น ๆ นอกจากนี้ยังมีจากที่นี่

โค้ดที่ย้ายไปยัง Python / PyMC3

การลงคะแนนเสียงอีก Gelman et al, แต่ปิดที่สองสำหรับฉัน -. ความเป็นอยู่ของการเรียนรู้โดยการทำชักชวน - จิมอัลเบิร์"คชกรรมคำนวณกับ R"

Sivia and Skilling, การวิเคราะห์ข้อมูล: แบบฝึกหัดแบบเบย์ (2ed) 2006 246p 0198568320 books.goo :

การบรรยายทางสถิติเป็นแหล่งที่มาของความสับสนและความหงุดหงิดสำหรับนักเรียนหลายรุ่น หนังสือเล่มนี้พยายามที่จะแก้ไขสถานการณ์โดยการอธิบายวิธีการเชิงตรรกะและแบบครบวงจรในเรื่องทั้งหมดของการวิเคราะห์ข้อมูล ข้อความนี้จัดทำขึ้นเพื่อเป็นแนวทางการสอนสำหรับนักศึกษาระดับปริญญาตรีและนักศึกษาวิจัยทางวิทยาศาสตร์และวิศวกรรมศาสตร์ ...

ฉันไม่ทราบคำแนะนำอื่น ๆ

สำหรับการแนะนำผมจะแนะนำวิธีการเขียนโปรแกรม Probabilistic & Bayesian สำหรับแฮกเกอร์โดย Cam Davidson-Pilon ออนไลน์ฟรี

จากคำอธิบาย:

คำแนะนำเกี่ยวกับวิธีการแบบเบย์และการเขียนโปรแกรมน่าจะเป็นจากมุมมองการคำนวณ / ความเข้าใจครั้งแรก - คณิตศาสตร์ที่สอง

เป็นภาพที่ชัดเจนตัดค่านิยมและรายละเอียดด้านหลังเติมในภายหลังมีตัวอย่างมากมายมีรหัสแบบโต้ตอบ (ในโน๊ตบุ๊ค IPython)

ฉันแนะนำอย่างละเอียดถี่ถ้วนเกี่ยวกับ "ทฤษฎีความน่าจะเป็น: ตรรกะทางวิทยาศาสตร์" ที่ถกเถียงโดย ET Jaynes

นี่เป็นข้อความเกริ่นนำในแง่ของการไม่ต้องการ (และที่จริงแล้วต้องการ) ไม่มีความรู้เกี่ยวกับสถิติมาก่อน แต่ในที่สุดมันก็ใช้คณิตศาสตร์ที่มีความซับซ้อนพอสมควร เมื่อเปรียบเทียบกับคำตอบอื่น ๆ ที่ให้ไว้ส่วนใหญ่หนังสือเล่มนี้ไม่ได้เป็นแบบปฏิบัติจริงหรือย่อยง่าย แต่ให้ข้อเท็จจริงทางปรัชญาว่าทำไมคุณต้องการจ้างวิธีการแบบเบย์และทำไมไม่ใช้วิธีการแบบประจำ มันเป็นบทนำในประวัติศาสตร์และปรัชญา แต่ไม่ใช่วิธีการสอน

ฉันเป็นวิศวกรไฟฟ้าและไม่ใช่นักสถิติ ฉันใช้เวลามากมายในการผ่านเจลแมน แต่ฉันไม่คิดว่าใครจะอ้างถึงเจลแมนได้ว่าเป็นเกริ่นนำเลย อาจารย์ Bayesian-guru จาก Carnegie Mellon เห็นด้วยกับฉันในเรื่องนี้ การมีความรู้ขั้นต่ำเกี่ยวกับสถิติและ R และ Bugs (เป็นวิธีง่ายๆในการทำบางสิ่งกับสถิติแบบเบย์) การทำการวิเคราะห์ข้อมูลแบบเบส์: การสอนด้วย R และ BUGS เป็นการเริ่มต้นที่น่าอัศจรรย์ คุณสามารถเปรียบเทียบหนังสือที่นำเสนอทั้งหมดได้อย่างง่ายดายโดยปกหนังสือของพวกเขา!

5 ปีต่อมาอัปเดต: ฉันต้องการที่จะเพิ่มที่อาจจะเป็นหนึ่งวิธีอื่น ๆ ที่สำคัญของการเรียนรู้ในวิธีที่รวดเร็ว (40 นาที) คือการไปถึงเอกสารของเครื่องมือตามคชกรรมสุทธิ GUI เช่น Netica 2 มันเริ่มต้นด้วยพื้นฐานนำคุณผ่านขั้นตอนของการสร้างเน็ตตามสถานการณ์และข้อมูลและวิธีการเรียกใช้คำถามของคุณเองไปมาเพื่อ "รับมัน!"

การมุ่งเน้นไม่ได้เน้นไปที่สถิติแบบเบย์ดังนั้นจึงขาดวิธีการบางอย่าง แต่ทฤษฎีข้อมูลการอนุมานและการเรียนรู้ของเดวิดแมคเคย์ทำให้ฉันเข้าใจสถิติของเบย์เซียได้ดีกว่าคนอื่น ๆ ดีกว่า

หนังสือของเจลแมนนั้นยอดเยี่ยม แต่ไม่จำเป็นต้องมีการแนะนำในเบื้องต้นว่าพวกเขาคิดว่าคุณรู้สถิติบางอย่างอยู่แล้ว ดังนั้นพวกเขาจึงแนะนำวิธีการทำสถิติแบบเบย์แทนที่จะเป็นสถิติโดยทั่วไป ฉันจะยังคงยกนิ้วให้พวกเขาอย่างไรก็ตาม

ในฐานะที่เป็นสถิติเบื้องต้น / หนังสือเศรษฐซึ่งจะมีมุมมองที่คชกรรมผมจะแนะนำให้แกรี่ Koop ของคชกรรมเศรษฐ

" Bayesian Core: แนวทางปฏิบัติในการคำนวณสถิติ Bayesian " โดย Marin และ Robert, Springer-Verlag (2007)

"ทำไม?": ผู้เขียนอธิบายสาเหตุของการเลือกแบบเบย์และวิธีการที่ดีมาก มันเป็นหนังสือที่ใช้งานได้จริง แต่เขียนโดยนักคิดชาวเบย์ที่เก่งที่สุดคนหนึ่งที่ยังมีชีวิตอยู่ มันไม่ครบถ้วนสมบูรณ์ หนังสือเล่มอื่นมีจุดประสงค์ มันเลือกหัวข้อสองสามหัวข้อที่เกี่ยวข้องมีประโยชน์และส่องสว่างรากฐาน

เกี่ยวกับ "ตัวเลือก": หากคุณต้องการที่จะเจาะลึกเข้าไปในรากฐานแบบเบย์ซีอาน '"ตัวเลือกแบบเบย์" นั้นชัดเจนลึกซึ้งและจำเป็น

ที่ชื่นชอบของข้อความในระดับปริญญาตรีครั้งแรกของฉันสำหรับสถิติ Bayesian โดย Bolstad, รู้เบื้องต้นเกี่ยวกับคชกรรมสถิติ หากคุณกำลังมองหาบางสิ่งที่สำเร็จการศึกษาระดับนี้จะไม่ง่าย แต่สำหรับคนที่ยังใหม่กับสถิตินี้เหมาะอย่างยิ่ง

ฉันไม่รู้ว่าทำไมไม่มีใครพูดถึงหนังสือเกริ่นนำในเบย์:

มีเวอร์ชัน PDF ฟรีสำหรับหนังสือเล่มนี้ หนังสือนำเสนอเนื้อหาที่เพียงพอสำหรับผู้ที่มีประสบการณ์น้อยมากในเบย์ มันแนะนำแนวคิดของการกระจายก่อนหน้าการกระจายหลังการกระจายเบต้าเป็นต้น

ให้มันไปได้ฟรี

http://greenteapress.com/thinkbayes/

ฉันได้อ่านบางส่วนของหลักสูตรแรกในวิธีการทางสถิติแบบเบย์โดย Peter Hoff และฉันพบว่าง่ายต่อการติดตาม (ตัวอย่าง R-code มีให้ตลอดทั้งข้อความ)

ผมพบว่าการเปิดตัวที่ยอดเยี่ยมใน Gelman และฮิลล์ (2007) การวิเคราะห์ข้อมูลโดยใช้การถดถอยและหลายระดับ / โมเดลลำดับชั้น (ความคิดเห็นอื่นพูดถึงมัน แต่สมควรได้รับการ upvoted ด้วยตัวของมันเอง)

มาจากภูมิหลังที่ไม่ใช่เชิงสถิติฉันพบความรู้เบื้องต้นเกี่ยวกับสถิติ Bayesian และการประมาณค่าสำหรับนักวิทยาศาสตร์ทางสังคมค่อนข้างให้ข้อมูลและง่ายต่อการติดตาม

หากคุณกำลังมองหาข้อความประถมศึกษาคือหนึ่งที่ไม่ได้มีความจำเป็นแคลคูลัสมีดอนเบอร์รี่สถิติ: เป็นมุมมองแบบเบย์

ลองดูที่"การคชกรรม Choice" มันมีแพคเกจแบบเต็ม: มูลนิธิแอปพลิเคชันและการคำนวณ เขียนชัดเจน

อย่างน้อยฉันก็เหลือบมองสิ่งเหล่านี้มากที่สุดในรายการนี้และไม่มีใครดีเท่ากับความคิดแบบเบย์ใหม่และการวิเคราะห์ข้อมูลในความคิดของฉัน

แก้ไข: เป็นการง่ายที่จะเริ่มทำการวิเคราะห์แบบเบย์ทันทีในขณะที่อ่านหนังสือเล่มนี้ ไม่เพียงแค่สร้างแบบจำลองค่าเฉลี่ยจากการแจกแจงแบบปกติที่มีความแปรปรวนที่รู้จัก แต่เป็นการวิเคราะห์ข้อมูลจริงหลังจากบทแรก ๆ ตัวอย่างโค้ดและข้อมูลทั้งหมดอยู่ในเว็บไซต์ของหนังสือ ครอบคลุมทฤษฎีในปริมาณที่เหมาะสม แต่การมุ่งเน้นคือการใช้งาน ตัวอย่างมากมายในหลากหลายรุ่น บทที่ดีใน Bayesian Nonparametrics ตัวอย่าง Winbugs, R และ SAS ฉันชอบมากกว่า Doing Bayesian Data Analysis (ฉันมีทั้งคู่) หนังสือส่วนใหญ่ที่นี่ (Gelman, Robert, ... ) ไม่ได้เกริ่นนำในความคิดของฉันและถ้าคุณไม่มีใครพูดคุยกับคุณคุณอาจจะถูกทิ้งให้อยู่กับคำถามอื่น ๆ อีกแล้วตอบ หนังสือของอัลเบิร์ตไม่ครอบคลุมเนื้อหาเพียงพอที่จะรู้สึกสะดวกสบายในการวิเคราะห์ข้อมูลที่แตกต่างจากสิ่งที่นำเสนอในหนังสือ (ความเห็นของฉันอีกครั้ง)

ฉันชอบMarkov Chain Monte Carlo: Stochastic Simulation สำหรับการอนุมานแบบเบย์โดย Gamerman และ Lopes

สำหรับผู้เริ่มต้นที่สมบูรณ์ลอง William Briggs ทำผิดกฎแห่งการเฉลี่ย: ความน่าจะเป็นในชีวิตจริงและสถิติในภาษาอังกฤษแบบธรรมดา

ฉันต้องรวมMCMC ไว้ในทางปฏิบัติด้วย มันให้การแนะนำที่ยอดเยี่ยมแก่ MCMC ซึ่งอาจไม่เหมือนหนังสือทั่วไปที่กล่าวถึง แต่ยอดเยี่ยมสำหรับการได้รับข้อมูลเชิงลึกและสัญชาตญาณ ฉันจะขอแนะนำให้อ่านหลังจาก (หรือในแบบคู่ขนานกับ) คชกรรมคำนวณกับ R

หากคุณเกิดขึ้นมาจาก sciencies ทางกายภาพ (ฟิสิกส์ / ดาราศาสตร์) ฉันขอแนะนำให้คุณวิเคราะห์ Bayesian Logical Data สำหรับวิทยาศาสตร์กายภาพ: แนวทางเปรียบเทียบกับMathematica® Supportโดย Gregory (2006)

แม้ว่าส่วน "พร้อมการสนับสนุนMathematica®" ของชื่อเรื่องมีเพียงปัญหาเชิงพาณิชย์ (การใช้รหัส Mathematica นั้นแย่มาก) สิ่งที่ดีเกี่ยวกับหนังสือเล่มนี้คือการแนะนำให้รู้จักกับความน่าจะเป็นและสถิติอย่างแท้จริง มันยังมีบางบทเกี่ยวกับสถิติที่ใช้บ่อย อย่างไรก็ตามเมื่อคุณให้ช็อตไปที่หนังสือ Gelman et อัลที่คนจำนวนมากแนะนำให้คุณ เนื้อหาส่วนใหญ่ในหนังสือเกรกอรี่ถูกนำมาเบา ๆ (ถ้าไม่มันจะไม่เป็นการแนะนำ): หนังสือของเจลแมนเป็นหนังสือที่ปลุกให้ตื่นขึ้นอีกครั้งจากเกรกอรี่สำหรับฉัน

ฉันอ่าน:

Gelman et al (2013) การวิเคราะห์ข้อมูลแบบเบส์ CRC Press LLC วันที่ 3

Hoff, Peter D (2009) หลักสูตรแรกในวิธีการทางสถิติแบบเบย์ Springer ตำราในสถิติ

Kruschke, ทำการวิเคราะห์ข้อมูลแบบเบย์: บทช่วยสอนพร้อม R และบัก, 2011. สื่อวิชาการ / Elsevier

และฉันคิดว่าสิ่งที่ดีกว่าที่จะเริ่มต้นคือหนังสือของ Kruschke มันสมบูรณ์แบบสำหรับวิธีแรกในการคิดแบบเบย์: มีการอธิบายแนวคิดอย่างชัดเจนมีคณิตศาสตร์ไม่มากเกินไปและมีตัวอย่างที่ดีมากมาย!

Gelman และคณะ เป็นหนังสือที่ยอดเยี่ยม แต่สูงกว่าและฉันแนะนำให้อ่านหลังจากหนังสือของ Kruschke

ตรงกันข้ามฉันไม่ชอบหนังสือของฮอฟฟ์เพราะเป็นหนังสือเกริ่นนำ แต่แนวคิด (และการคิดแบบเบย์) ไม่ได้อธิบายอย่างชัดเจน ฉันขอแนะนำให้ผ่าน

ถ้าฉันต้องเลือกข้อความเดียวสำหรับผู้เริ่มต้นมันจะเป็น

              Sivia DS and Skilling J (2006) book (see below). 

จากหนังสือทั้งหมดที่ระบุไว้ด้านล่างนี้พยายามอย่างหนักที่สุดที่จะเข้าใจความคิดที่จำเป็น แต่ก็ยังต้องการความซับซ้อนทางคณิตศาสตร์จากหน้า 1

ด้านล่างเป็นรายการของการอ่านเพิ่มเติมจากหนังสือของฉันพร้อมความคิดเห็นในหนังสือแต่ละเล่ม

Bernardo, JM และ Smith, A, (2000) 4. ทฤษฎีแบบเบย์บัญชีที่เข้มงวดของวิธีการแบบเบย์พร้อมกับตัวอย่างจริงมากมาย

บิชอป, C (2006) 5 การจดจำรูปแบบและการเรียนรู้ของเครื่อง ตามชื่อเรื่องสิ่งนี้เป็นเรื่องเกี่ยวกับการเรียนรู้ของเครื่องเป็นส่วนใหญ่ แต่มันก็ให้ข้อมูลที่ชัดเจนเกี่ยวกับวิธีการแบบเบย์

แวนส์จี (1998) 6. การวิเคราะห์ข้อมูลทางสถิติ การวิเคราะห์ทางสถิติเบื้องต้นที่ไม่ใช่แบบเบย์ที่ยอดเยี่ยม

Dienes, Z (2008) 8 การทำความเข้าใจจิตวิทยาในฐานะวิทยาศาสตร์: บทนำสู่วิทยาศาสตร์และการอนุมานเชิงสถิติ จัดทำสื่อการสอนเกี่ยวกับกฎของ Bayes และการวิเคราะห์ที่ชัดเจนของความแตกต่างระหว่าง Bayesian และสถิติที่ใช้บ่อย

Gelman A, Carlin J, Stern H และ Rubin D. (2003) 14 การวิเคราะห์ข้อมูลแบบเบส์ บัญชีที่เข้มงวดและครอบคลุมเกี่ยวกับการวิเคราะห์แบบเบย์พร้อมตัวอย่างจริงมากมาย

Jaynes E และ Bretthorst G (2003) 18 ทฤษฎีความน่าจะเป็น: ตรรกะของวิทยาศาสตร์ คลาสสิกที่ทันสมัยของการวิเคราะห์แบบเบย์ มันครอบคลุมและฉลาด รูปแบบที่หลากหลายทำให้มีความยาว (600 หน้า) แต่ไม่น่าเบื่อและเต็มไปด้วยข้อมูลเชิงลึก

Khan, S, 2012, ทฤษฎีบทเบย์สเบื้องต้น วิดีโอคณิตศาสตร์ออนไลน์ของ Salman Khan เป็นการแนะนำที่ดีเกี่ยวกับหัวข้อต่าง ๆ รวมถึงกฎของ Bayes

ลี PM (2004) 27. สถิติแบบเบย์: บทนำ ข้อความที่เข้มงวดและครอบคลุมด้วยสไตล์เบส์แบบเบียน

MacKay DJC (2003) 28 ทฤษฎีสารสนเทศการอนุมานและอัลกอริทึมการเรียนรู้ คลาสสิกที่ทันสมัยเกี่ยวกับทฤษฎีข้อมูล ข้อความที่อ่านง่ายมากที่ท่องไปทั่วและไกลในหลาย ๆ หัวข้อซึ่งเกือบทั้งหมดใช้ประโยชน์จากกฎของเบย์

Migon, HS และ Gamerman, D (1999) 30. การอนุมานทางสถิติ: วิธีการแบบบูรณาการ บัญชีตรงไปตรงมา (และวางไว้อย่างชัดเจน) ของการอนุมานซึ่งเปรียบเทียบวิธีการแบบเบย์และไม่ใช่แบบเบย์ แม้จะมีความก้าวหน้าค่อนข้างสไตล์การเขียนคือการสอนในลักษณะ

Pierce JR (1980) 34 2nd Edition ทฤษฎีข้อมูลเบื้องต้น: สัญลักษณ์สัญญาณและเสียง เพียร์ซเขียนด้วยสไตล์การเขียนที่ไม่เป็นทางการกวดวิชา แต่ไม่ถึง fl นิ้วจากการนำเสนอทฤษฎีบทพื้นฐานของทฤษฎีสารสนเทศ

Reza, FM (1961) 35 ทฤษฎีข้อมูลเบื้องต้น หนังสือที่มีเนื้อหาครอบคลุมและแม่นยำกว่าเล่ม Pierce ด้านบนและควรอ่านหลังจากอ่านข้อความที่ไม่เป็นทางการมากกว่าของ Pierce ก่อน

Sivia DS และ Skilling J (2006) 38 การวิเคราะห์ข้อมูล: การสอนแบบเบย์ นี่คือการแนะนำรูปแบบการสอนที่ยอดเยี่ยมเกี่ยวกับวิธีการแบบเบย์

Spiegelhalter, D and Rice, K (2009) 36 สถิติแบบเบย์ Scholarpedia, 4 (8): 5230 http://www.scholarpedia.org/article/Bayesian_statistics สรุปที่น่าเชื่อถือและครอบคลุมเกี่ยวกับสถานะปัจจุบันของสถิติแบบเบย์

และนี่คือหนังสือของฉันที่ตีพิมพ์มิถุนายน 2013

กฎของ Bayes: บทแนะนำการสอนการวิเคราะห์แบบเบส์, Dr James V Stone, ISBN 978-0956372840

สามารถดาวน์โหลดบทที่ 1 ได้จาก: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html

คำอธิบาย: ค้นพบโดยนักคณิตศาสตร์และนักเทศน์ในศตวรรษที่ 18 กฎของเบย์เป็นรากฐานที่สำคัญของทฤษฎีความน่าจะเป็นสมัยใหม่ ในหนังสือเล่มนี้แสดงให้เห็นตัวอย่างที่หลากหลายที่สามารถเข้าถึงได้ถูกนำมาใช้เพื่อแสดงให้เห็นว่าการปกครองของเบย์นั้นจริง ๆ แล้วเป็นผลมาจากการใช้เหตุผลทั่วไป กฎของเบย์นั้นได้มาจากการใช้ความน่าจะเป็นแบบกราฟิกที่เป็นตัวแทนและการวิเคราะห์แบบเบย์จะใช้กับการประมาณค่าพารามิเตอร์โดยใช้โปรแกรม MatLab รูปแบบการสอนการเขียนรวมกับอภิธานศัพท์ที่ครอบคลุมทำให้นี่เป็นไพรเมอร์ที่เหมาะสำหรับมือใหม่ที่ต้องการทำความคุ้นเคยกับหลักการพื้นฐานของการวิเคราะห์แบบเบย์

ไม่ได้เป็นสถิติแบบเบย์อย่างเคร่งครัด แต่ฉันขอแนะนำ"หลักสูตรแรกในการเรียนรู้ของเครื่อง"โดย Rogers และ Girolami ซึ่งเป็นการแนะนำวิธีการแบบเบส์ในการเรียนรู้ของเครื่อง มันมีโครงสร้างที่ดีและชัดเจนและมุ่งเป้าไปที่นักเรียนที่ไม่มีพื้นฐานทางคณิตศาสตร์ที่แข็งแกร่ง นี่หมายถึงเป็นการแนะนำครั้งแรกให้กับแนวคิดของ Bayesian นอกจากนี้ยังมีรหัส MATLAB / OCTAVE ซึ่งเป็นคุณสมบัติที่ดี

สถิติแบบเบย์สำหรับนักวิทยาศาสตร์สังคม . Phillips, Lawrence D. (1973), Thomas Crowell & Co มันชัดเจนมากเข้าถึงได้ง่ายมากไม่มีความรู้ด้านสถิติและต่างจาก Bolstad ที่ฉันพบว่าแห้งมีบุคลิกบางอย่าง

หนังสือเล่มนี้ชี้ให้เห็นว่ามันมีจุดมุ่งหมายในระดับรายการระดับปริญญาตรี

ชีวสถิติ: บทนำแบบเบย์ โดย George G Woodsworth

เผยแพร่โดย John Wiley & Sons

Gill, J. (2014) วิธีเบย์: วิธีการทางสังคมและพฤติกรรมศาสตร์ ฉบับที่ 3

เขียนโดยศาสตราจารย์รัฐศาสตร์พร้อมกับนักวิทยาศาสตร์สังคมในฐานะผู้ชมเป้าหมายในใจ ระบุรหัส R

http://www.amazon.com/Bayesian-Methods-Behavioral-Sciences-Statistics/dp/1439862486/

เนื่องจากประเภทของผู้เริ่มต้นไม่ได้ระบุไว้ในคำถามนี่คือคำแนะนำของฉันสำหรับนักสถิติเริ่มต้น:

Andrew B. Lawson และ Emmanuel Lesaffre (2012): ชีวสถิติแบบเบย์

หนังสือเล่มนี้ถูกใช้ในปีแรกของอาจารย์วิทยาศาสตร์ทางสถิติของเราและฉันพบว่ามันค่อนข้างง่ายที่จะเข้าใจสำหรับวิชาที่ยากเช่นนี้ เช่นเดียวกับหนังสือ 'ชีวสถิติส่วนใหญ่' ตัวอย่างส่วนใหญ่เป็นชีววิทยาคลินิก แต่วิธีการเหล่านี้ไม่ได้ จำกัด เฉพาะสิ่งที่มีประโยชน์ในวิทยาศาสตร์การแพทย์ เรามีสถิติการศึกษาประมาณครึ่งปีก่อนหน้านี้และนอกเหนือจากทฤษฎีบทของเบย์แล้วยังไม่มีการนำเสนอสถิติแบบเบย์

อะไรยังดีก็คือว่าทั้ง 649 สไลด์ประกอบการนำเสนอมีความพร้อมใช้งานออนไลน์