Bayesian Statistics (With R)의 기본 MCMC에 대한 실용적이고 이론적 인 예가있는 논문이나 서적을 찾고 있습니다. 나는 시뮬레이션에 대해 연구 한 적이 없어서 “기본”정보를 찾고 있습니다. 몇 가지 권장 사항이나 조언을 줄 수 있습니까?
답변
위의 제목 외에도 R을 구체적으로 타겟팅하는 책이 있습니다.
- R을 사용한 Jim Albert의 베이지안 계산
- arXiv에 대한 솔루션 매뉴얼이 포함 된 R의 Bayesian Essentials 서적
- 우리의 책 R 몬테 카를로 방법 소개 우리의보다 포괄적 인의 초보자 버전 몬테 카를로 통계 방법 도과가있다 arXived 솔루션 설명서를
- 리처드 McElreath의 R과 STAN의 예와 통계 다시 생각 내 블로그에 검토
답변
사람들은 종종 Kruschke의 Doing Bayesian Data Analysis 를 훌륭한 소개서로 강력히 추천 합니다.
거기에서 Gelman의 Bayesian Data Analysis를 시도해보십시오 .
그런 다음 우수한 Monte Carlo Statistical Methods로 마무리하십시오.
구체적으로 찾고있는 것에 대한 자세한 정보가 없으면 아마도 최선을 다할 것입니다.
답변
통계를 배우기 시작했을 때 베이지안 데이터 분석에 대한 Gelman의 저서가 이해하기가 매우 어렵다는 것을 알았습니다.
Peter Hoff의 저서 “Bayesian Statistical Methods의 첫 번째 코스 “로 시작하는 것이 좋습니다 .
이 책은 고급 통계 주제에 대한 포괄적 인 책은 아니지만 많은 통계 모델과 예제를 포함하며 R 코드는 텍스트 전체 또는 이 책 의 웹 사이트 에서 제공됩니다 .
답변
입문 서류 에 대해 문의 하면 다음을 확인할 수 있습니다.
Casella, G., & George, EI (1992). 깁스 샘플러 설명하기. 미국 통계 학자, 46 (3), 167-174.
Andrieu, C., de Freitas, N., Doucet, A. & Jordan, MI (2003). 머신 러닝을위한 MCMC 소개 기계 학습, 50, 5-43.
Tierney, L. (1994). 후방 분포를 탐색하기위한 Markov 체인. 통계의 연대기, 1701-1728.
Hartig, F., Calabrese, JM, Reineking, B., Wiegand, T., & Huth, A. (2011). 확률 적 시뮬레이션 모델에 대한 통계적 추론 – 이론 및 응용. 생태 편지, 14, 816-827.
답변
베이 즈 이론은 항상 나에게 의미가 있었지만 베이 즈 분석은 항상 매우 혼란 스러웠다. 8 개 학교 예에 대한이 블로그 게시물을 읽을 때 실제로 클릭하기 시작했습니다.
http://andrewgelman.com/2014/01/21/everything-need-know-bayesian-statistics-learned-eight-schools/
실제로 더 좋은 예를 들어이 예가 더 의미가 있다고 생각합니다. 8 개 학교에 설명 된 지표는 일부 “코칭”결과입니다.