幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

統計反思(用R和Stan例解貝葉斯方法)/數據科學與工程技術叢書

  • 作者：(美)理查德·麥克爾里思|譯者:林薈
  • 出版社：機械工業
  • ISBN：9787111624912
  • 出版日期：2019/04/01
  • 裝幀：平裝
  • 頁數：404
人民幣：RMB 139 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書以Stan統計軟體為基礎，以R代碼為例，提供了一個實際的統計推斷的基礎。從貝葉斯統計方法的角度出發，介紹了統計反思的相關知識，以及一些常用的進行類似權衡的工具，展示了兩個完整的最常用的計數變數回歸，介紹了應對常見的單一模型無法很好地擬合觀測數據的排序分類模型與零膨脹和零增廣模型，提出了基於貝葉斯概率和最大熵的廣義線性分層模型以及處理空間和網路自相關的高斯過程模型。
    本書適合統計、數學等相關專業的高年級本科生、研究生，以及數據挖掘的從業人士閱讀。
作者介紹
(美)理查德·麥克爾里思|譯者:林薈
目錄
譯者序
前言
第1章  布拉格的泥人
  1.1  統計機器人
  1.2  統計反思
    1.2.1  假設檢驗不是模型
    1.2.2  測量很關鍵
    1.2.3  證偽是一種共識
  1.3  機器人工程的3種工具
    1.3.1  貝葉斯數據分析
    1.3.2  分層模型
    1.3.3  模型比較和信息法則
  1.4  總結
第2章  小世界和大世界
  2.1  路徑花園
    2.1.1  計算可能性
    2.1.2  使用先驗信息
    2.1.3  從計數到概率
  2.2  建立模型
    2.2.1  數據背景
    2.2.2  貝葉斯更新
    2.2.3  評估
  2.3  模型組成
    2.3.1  似然函數
    2.3.2  參數
    2.3.3  先驗
    2.3.4  后驗
  2.4  開始建模
    2.4.1  網格逼近
    2.4.2  二項逼近
    2.4.3  馬爾可夫鏈蒙特卡羅
  2.5  總結
  2.6  練習
第3章  模擬后驗樣本
  3.1  后驗分佈的網格逼近抽樣
  3.2  樣本總結
    3.2.1  取值區間對應的置信度
    3.2.2  某個置信度下的取值區間
    3.2.3  點估計
  3.3  抽樣預測
    3.3.1  虛擬數據
    3.3.2  模型檢查
  3.4  總結
  3.5  練習
第4章  線性模型
  4.1  為什麼人們認為正態分佈是常態
    4.1.1  相加得到正態分佈
    4.1.2  通過相乘得到正態分佈
    4.1.3  通過相乘取對數得到正態分佈
    4.1.4  使用高斯分佈

  4.2  用來描述模型的語言
  4.3  身高的高斯模型
    4.3.1  數據
    4.3.2  模型
    4.3.3  網格逼近后驗分佈
    4.3.4  從后驗分佈中抽取樣本
    4.3.5  用map擬合模型
    4.3.6  從map擬合結果中抽樣
  4.4  添加預測變數
    4.4.1  線性模型策略
    4.4.2  擬合模型
    4.4.3  解釋模型擬合結果
  4.5  多項式回歸
  4.6  總結
  4.7  練習
第5章  多元線性回歸
  5.1  虛假相關
    5.1.1  多元回歸模型的數學表達
    5.1.2  擬合模型
    5.1.3  多元后驗分佈圖
  5.2  隱藏的關係
  5.3  添加變數起反作用
    5.3.1  共線性
    5.3.2  母乳數據中的共線性
    5.3.3  后處理偏差
  5.4  分類變數
    5.4.1  二項分類
    5.4.2  多類別
    5.4.3  加入一般預測變數
    5.4.4  另一種方法：獨一無二的截距
  5.5  一般最小二乘和lm
    5.5.1  設計公式
    5.5.2  使用lm
    5.5.3  從lm公式構建map公式
  5.6  總結
  5.7  練習
第6章  過度擬合、正則化和信息法則
  6.1  參數的問題
    6.1.1  更多的參數總是提高擬合度
    6.1.2  參數太少也成問題
  6.2  信息理論和模型表現
    6.2.1  開除天氣預報員
    6.2.2  信息和不確定性
    6.2.3  從熵到準確度
    6.2.4  從散度到偏差
    6.2.5  從偏差到袋外樣本
  6.3  正則化
  6.4  信息法則
    6.4.1  DIC
    6.4.2  WAIC

    6.4.3  用DIC和WAIC估計偏差
  6.5  使用信息法則
    6.5.1  模型比較
    6.5.2  比較WAIC值
    6.5.3  模型平均
  6.6  總結
  6.7  練習
第7章  交互效應
  7.1  創建交互效應
    7.1.1  添加虛擬變數無效
    7.1.2  加入線性交互效應是有效的
    7.1.3  交互效應可視化
    7.1.4  解釋交互效應估計
  7.2  線性交互的對稱性
    7.2.1  布里丹的交互效應
    7.2.2  國家所屬大陸的影響取決於地勢
  7.3  連續交互效應
    7.3.1  數據
    7.3.2  未中心化的模型
    7.3.3  中心化且再次擬合模型
    7.3.4  繪製預測圖
  7.4  交互效應的公式表達
  7.5  總結
  7.6  練習
第8章  馬爾可夫鏈蒙特卡羅
  8.1  英明的馬爾可夫國王和他的島嶼王國
  8.2  馬爾可夫鏈蒙特卡羅
    8.2.1  Gibbs抽樣
    8.2.2  Hamiltonian蒙特卡羅
  8.3  初識HMC：map2stan
    8.3.1  準備
    8.3.2  模型估計
    8.3.3  再次抽樣
    8.3.4  可視化
    8.3.5  使用樣本
    8.3.6  檢查馬爾可夫鏈
  8.4  調試馬爾可夫鏈
    8.4.1  需要抽取多少樣本
    8.4.2  需要多少條馬氏鏈
    8.4.3  調試出錯的馬氏鏈
    8.4.4  不可估參數
  8.5  總結
  8.6  練習
第9章  高熵和廣義線性模型
  9.1  最大熵
    9.1.1  高斯分佈
    9.1.2  二項分佈
  9.2  廣義線性模型
    9.2.1  指數家族
    9.2.2  將線性模型和分佈聯繫起來

    9.2.3  絕對和相對差別
    9.2.4  廣義線性模型和信息法則
  9.3  最大熵先驗
  9.4  總結
第10章  計數和分類
  10.1  二項回歸
    10.1.1  邏輯回歸：親社會的大猩猩
    10.1.2  累加二項：同樣的數據，用累加后的結果
    10.1.3  累加二項：研究生院錄取
    10.1.4  用glm擬合二項回歸模型
  10.2  泊松回歸
    10.2.1  例子：海洋工具複雜度
    10.2.2  MCMC島嶼
    10.2.3  例子：曝光和抵消項
  10.3  其他計數回歸
    10.3.1  多項分佈
    10.3.2  幾何分佈
    10.3.3  負二項和貝塔二項分佈
  10.4  總結
  10.5  練習
第11章  怪物和混合模型
  11.1  排序分類變數
    11.1.1  案例：道德直覺
    11.1.2  通過截距描繪有序分佈
    11.1.3  添加預測變數
  11.2  零膨脹結果變數
  11.3  過度離散結果
    11.3.1  貝塔二項模型
    11.3.2  負二項或者伽馬泊松分佈
    11.3.3  過度分散、熵和信息理論
  11.4  總結
  11.5  練習
第12章  分層模型
  12.1  案例：蝌蚪數據分層模型
  12.2  變化效應與過度擬合/擬合不足
    12.2.1  建模
    12.2.2  對參數賦值
    12.2.3  模擬存活的蝌蚪
    12.2.4  非聚合樣本估計
    12.2.5  部分聚合估計
  12.3  多重聚類
    12.3.1  針對不同黑猩猩分層
    12.3.2  兩重聚類
    12.3.3  更多的聚類
  12.4  分層模型后驗預測
    12.4.1  原類別後驗預測
    12.4.2  新類別後驗預測
    12.4.3  聚焦和分層模型
  12.5  總結
  12.6  練習

第13章  解密協方差
  13.1  變化斜率
    13.1.1  模擬數據
    13.1.2  模擬觀測
    13.1.3  變化斜率模型
  13.2  案例分析：錄取率和性別
    13.2.1  變化截距
    13.2.2  性別對應的變化效應
    13.2.3  收縮效應
    13.2.4  模型比較
    13.2.5  更多斜率
  13.3  案例分析：對黑猩猩數據擬合變化斜率模型
  13.4  連續變數和高斯過程
    13.4.1  案例：島嶼社會工具使用和空間自相關
    13.4.2  其他「距離」
  13.5  總結
  13.6  練習
第14章  缺失數據及其他
  14.1  測量誤差
    14.1.1  結果變數誤差
    14.1.2  結果變數和預測變數同時存在誤差
  14.2  缺失數據
    14.2.1  填補新皮層數據
    14.2.2  改進填補模型
    14.2.3  非隨機
  14.3  總結
  14.4  練習
第15章  占星術與統計學
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032