Каков лучший вводный учебник по байесовской статистике?

Какой учебник по байесовской статистике является лучшим вводным?

Одна книга за ответ, пожалуйста.

В середине 2011 года Джон Крушке выпустил книгу под названием « Анализ байесовских данных: учебное пособие с использованием R и BUGS» . (Второе издание было выпущено в ноябре 2014 года: « Анализ байесовских данных», второе издание: учебное пособие для R, JAGS и Stan .) Это действительно вводное руководство . Если вы хотите перейти от частых статистических данных в байесовскую, хотя, особенно с многоуровневым моделированием, я рекомендую Gelman и Hill.

У Джона Крушке также есть веб-сайт для книги, на котором есть все примеры в книге «Ошибки» и «JAGS». Его блог о байесовской статистике также связан с книгой.

Мой фаворит - «Байесовский анализ данных» Гельмана и соавт.

Статистическое переосмысление было выпущено всего несколько недель назад, и поэтому я все еще читаю его, но я думаю, что это очень хорошее и свежее дополнение к действительно вводным книгам о Байесовской статистике. Автор использует подход, аналогичный тому, который использовал Джон Крушке в своих книгах о щенках ; очень подробный, подробные объяснения, хорошие педагогические примеры, он также использует вычислительный, а не математический подход.

Лекции на YouTube и другие материалы также доступны здесь .

Код перенесен в Python / PyMC3

Еще один голос за Гельмана и соавторов, но для меня второе место - убежденность в учении на собственном опыте - это «Байесовское вычисление с R» Джима Альберта .

Sivia and Skilling, Анализ данных: Байесовский учебник (2ed) 2006 246p 0198568320 books.goo :

Статистические лекции были источником большого недоумения и разочарования для поколений студентов. Эта книга пытается исправить ситуацию, излагая логический и унифицированный подход ко всему предмету анализа данных. Этот текст предназначен в качестве учебного пособия для старших студентов и студентов-исследователей в области науки и техники ...

Я не знаю других рекомендаций, хотя.

Для введения я бы порекомендовал вероятностное программирование и байесовские методы для хакеров Кэма Дэвидсона-Пилона, свободно доступные в Интернете.

Из его описания:

Введение в байесовские методы и вероятностное программирование с точки зрения вычислений / понимания - во-первых, математики - во-вторых.

Он очень нагляден, позволяет сразу перейти к значению и заполнить мелкие детали позже, имеет много примеров, имеет интерактивный код (в IPython Notebook).

Я полностью рекомендую занимательную полемику «Теория вероятностей: логика науки» Э. Т. Джейнса.

Это вводный текст в том смысле, что он не требует (и на самом деле предпочитает) никаких предварительных знаний в области статистики, но в конечном итоге он использует довольно сложную математику. По сравнению с большинством других предоставленных ответов, эта книга не так практична и не легко усваивается, скорее, она дает философскую основу для того, почему вы хотели бы использовать байесовские методы, и почему бы не использовать частые подходы. Это вводный в историческом и философском, но не педагогическом смысле.

Я инженер-электрик, а не статистик. Я потратил много времени, чтобы пройти через Гельмана, но я не думаю, что можно вообще относиться к Гельману как к вводному. Мой профессор байесианского гуру из Карнеги-Меллона соглашается со мной в этом. обладать минимальными знаниями в области статистики и R и ошибок (как простой способ сделать что-то с байесовской статистикой). Выполнение анализа байесовских данных: учебное пособие с R и BUGS - удивительное начало. Вы можете легко сравнить все предлагаемые книги по обложке!

Обновление спустя 5 лет: я хочу добавить, что, возможно, еще одним важным способом быстрого обучения (40 минут) является изучение документации инструмента, основанного на графическом интерфейсе Bayesian Net, такого как Netica 2 . Он начинается с основ, проводит вас через шаги по построению сети, основанной на ситуации и данных, и как задавать свои вопросы взад и вперед, чтобы «получить это!».

Он сосредоточен не только на байесовской статистике, поэтому ему не хватает некоторой методологии, но теория информации, логический вывод и алгоритмы обучения Дэвида Маккея заставили меня интуитивно понять байесовскую статистику лучше, чем другие - большинство делает это довольно хорошо, но я чувствовал, что Маккей объяснил, почему лучше.

Все книги Гельмана отличные, но не обязательно вводные, поскольку они предполагают, что вы уже знаете некоторую статистику. Поэтому они представляют собой введение в байесовский способ ведения статистики, а не в статистику в целом. Тем не менее, я все равно дал бы им большие пальцы.

В качестве вводной книги по статистике / эконометрике, в которой рассматривается байесовская перспектива, я бы порекомендовал байесовскую эконометрику Гари Купа .

« Байесовское ядро: практический подход к вычислительной байесовской статистике », Марин и Роберт, Springer-Verlag (2007).

«Почему?»: Автор объясняет, почему байесовский выбор и как хорошо. Это практическая книга, но написанная одним из лучших живых байесовских мыслителей. Это не исчерпывающее. Другие книги имеют эту цель. Он поднимает несколько тем, которые актуальны, полезны и освещают основы.

О «выборе»: если вы действительно хотите вникнуть в байесовский фундамент, «Байесовский выбор» Сианя ясен, глубок, важен.

Мой любимый первый текст для байесовской статистики - Bolstad, Введение в байесовскую статистику . Если вы ищете что-то для выпускников, это будет слишком элементарно, но для тех, кто плохо знаком со статистикой, это идеально.

Я не знаю, почему никто не упомянул очень вводную книгу о байесовском:

Есть бесплатная версия PDF для книги. Книга предлагает достаточно материала для тех, кто имеет очень мало опыта в байесовском. Он вводит концепцию предварительного распределения, последующего распределения, бета-распределения и т. Д.

Попробуй, это бесплатно.

http://greenteapress.com/thinkbayes/

Я прочитал некоторые части « Первого курса по байесовским статистическим методам » Питера Хоффа, и мне было легко следовать. (Пример R-кода приведен по всему тексту)

Я нашел отличное введение в Gelman and Hill (2007) « Анализ данных с использованием регрессии и многоуровневых / иерархических моделей» . (Другие комментарии упоминают об этом, но это заслуживает того, чтобы за него проголосовали самостоятельно.)

Исходя из нестатистического фона, я нашел Введение в прикладную байесовскую статистику и оценку для социальных ученых довольно информативным и легким для понимания.

Если вы ищете элементарный текст, то есть тот, у которого нет предварительных условий для исчисления, есть статистика Дона Берри : Байесовская перспектива .

Взгляните на «Байесовский выбор» . Он имеет полный пакет: основы, приложения и вычисления. Четко написано.

По крайней мере, я взглянул на большинство из них в этом списке, и, по моему мнению, ни один из них не так хорош, как новые Байесовские идеи и анализ данных .

Редактировать: легко сразу начать делать байесовский анализ, читая эту книгу. Не только моделирование среднего из нормального распределения с известной дисперсией, но и фактический анализ данных после первой пары глав. Все примеры кода и данные находятся на сайте книги. Охватывает приличное количество теории, но основное внимание уделяется приложениям. Множество примеров по широкому спектру моделей. Хорошая глава по Байесовской непараметрии. Примеры Winbugs, R и SAS. Я предпочитаю это делать анализ байесовских данных (у меня есть оба). Большинство книг здесь (Гельман, Роберт, ...), на мой взгляд, не являются вводными, и если у вас не будет с кем поговорить, у вас, вероятно, останется больше вопросов, чем ответов. Книга Альберта не охватывает достаточно материала, чтобы чувствовать себя комфортно, анализируя данные, отличные от представленных в книге (опять же мое мнение).

Мне очень нравится Марковская цепь Монте-Карло: стохастическое моделирование для байесовского вывода от Gamerman и Lopes.

Для начинающих, попробуйте Уильям Бриггс, нарушающий закон средних величин: реальная вероятность и статистика на простом английском

Я просто должен включить MCMC на практике . Он предоставляет отличное введение в MCMC, возможно, не такое общее, как упоминалось в других книгах, но отлично подходит для понимания и интуиции. Я рекомендовал бы читать ее после (или параллельно с) байесовским Исчислением с R .

Если вы пришли из физических наук (физика / астрономия), я бы порекомендовал вам Байесовский анализ логических данных для физических наук: сравнительный подход с поддержкой Mathematica® от Gregory (2006).

Хотя часть названия «с поддержкой Mathematica®» предназначена только для коммерческих вопросов (использование кода Mathematica очень плохое), хорошая вещь в этой книге состоит в том, что она действительно представляет собой введение в тему вероятностей и статистики. Там даже есть несколько глав о статистике частых посещений. Однако, как только вы сделаете это, перейдите к книге Гельмана и др. Я рекомендую вам множество людей. Большая часть материала в книге Григория воспринимается легкомысленно (если нет, то это не было бы введением): книга Гельмана была для меня по-настоящему пробужденной от книги Григория.

Я читаю:

Гельман и др. (2013). Байесовский анализ данных. CRC Press LLC. 3-е изд.

Хофф, Питер Д. (2009). Первый курс по байесовским статистическим методам. Тексты Springer в статистике.

Крушке, Анализ байесовских данных: учебное пособие по R и ошибкам, 2011. Academic Press / Elsevier.

и я думаю, что лучше начать с книги Крушке. Он идеально подходит для первого подхода к байесовскому мышлению: концепции объясняются очень четко, математики не так уж много, и есть много хороших примеров!

Гельман и соавт. Это отличная книга, но она более продвинутая, и я предлагаю прочитать ее после книги Крушке.

Наоборот, мне не понравилась книга Хоффа, потому что это вводная книга, но понятия (и байесовское мышление) не объясняются в ясной форме. Я предлагаю перейти.

Если бы я должен был выбрать один текст для начинающего, это было бы

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

Из всех перечисленных ниже книг он изо всех сил старается дать интуитивное понимание основных идей, но все же требует некоторой математической сложности со страницы 1.

Ниже приведен список дальнейших чтений из моей книги с комментариями к каждой публикации.

Бернардо, JM и Смит, A, (2000) 4. Байесовская теория Строгое изложение байесовских методов со множеством реальных примеров.

Епископ, C ​​(2006) 5. Распознавание образов и машинное обучение. Как следует из названия, речь идет главным образом о машинном обучении, но оно дает ясный и исчерпывающий отчет о байесовских методах.

Cowan G (1998) 6. Статистический анализ данных. Отличное небайесовское введение в статистический анализ.

Dienes, Z (2008) 8. Понимание психологии как науки: введение в научный и статистический вывод. Предоставляет учебный материал по правилу Байеса и ясный анализ различий между байесовской и частной статистикой.

Gelman A, Carlin J, Stern H и Rubin D. (2003) 14. Байесовский анализ данных. Строгий и исчерпывающий отчет о байесовском анализе со множеством реальных примеров.

Джейнс Э. и Бретторст Дж. (2003) 18. Теория вероятностей: логика науки. Современная классика байесовского анализа. Это всеобъемлющее и мудрое. Его дискурсивный стиль делает его длинным (600 страниц), но никогда не скучным, и он полон идей.

Хан, S, 2012, Введение в теорему Байеса. Онлайн-видео по математике Салмана Хана дают хорошее представление о различных темах, включая правило Байеса.

Lee PM (2004) 27. Байесовская статистика: введение. Строгий и всеобъемлющий текст с резким байесовским стилем.

MacKay DJC (2003) 28. Теория информации, логический вывод и алгоритмы обучения. Современная классика по теории информации. Очень читаемый текст, который бродит повсюду по многим темам, почти все из которых используют правило Байеса.

Мигон, HS и Gamerman, D. (1999) 30. Статистический вывод: комплексный подход. Прямое (и четко изложенное) описание вывода, в котором сравниваются байесовский и небайесовский подходы. Несмотря на то, что стиль письма довольно продвинут, он носит обучающий характер.

Пирс JR (1980) 34 2-е издание. Введение в теорию информации: символы, сигналы и шум. Пирс пишет с неформальным, обучающим стилем письма, но не выходит за рамки представления основных теорем теории информации.

Реза Ф.М. (1961) 35. Введение в теорию информации. Более всеобъемлющая и математически строгая книга, чем книга Пирса выше, и в идеале ее следует читать только после первого прочтения более неформального текста Пирса.

Сивия Д.С. и Скиллинг Дж. (2006) 38. Анализ данных: байесовский учебник. Это отличное учебное введение в байесовские методы.

Spiegelhalter, D and Rice, K (2009) 36. Байесовская статистика. Scholarpedia, 4 (8): 5230. http://www.scholarpedia.org/article/Bayesian_statistics Надежное и исчерпывающее резюме текущего состояния байесовской статистики.

И вот моя книга, опубликованная в июне 2013 года.

Правило Байеса: учебное введение к байесовскому анализу, д-р Джеймс V Стоун, ISBN 978-0956372840

Глава 1 может быть загружена с: http://jim-stone.staff.shef.ac.uk/BookBayes2012/BayesRuleBookMain.html

Описание: Обнаруженное математиком и проповедником 18-го века правило Байеса является краеугольным камнем современной теории вероятностей. В этой богато иллюстрированной книге ряд доступных примеров используется, чтобы показать, как правило Байеса на самом деле является естественным следствием здравого смысла. Правило Байеса выводится с использованием интуитивно понятных графических представлений вероятности, а байесовский анализ применяется к оценке параметров с использованием предоставленных программ MatLab. Учебный стиль письма в сочетании со всеобъемлющим глоссарием делает его идеальным учебником для начинающих, которые хотят ознакомиться с основными принципами байесовского анализа.

Не совсем Байесовская статистика как таковая, но я настоятельно рекомендую «Первый курс по машинному обучению» Роджерса и Джиролами, который, по сути, представляет собой введение в байесовские подходы к машинному обучению. Он очень хорошо структурирован и понятен и ориентирован на студентов без сильного математического образования. Это означает, что это довольно хорошее первое знакомство с байесовскими идеями. Есть также код MATLAB / OCTAVE, который является хорошей функцией.

Байесовская статистика для социальных ученых . Филлипс, Лоуренс Д. (1973), Томас Кроуэлл и Ко. Это очень ясно, очень доступно, не требует никаких статистических знаний, и, в отличие от Болстада, который я нашел сухим, имеет некоторую индивидуальность.

Эта книга предполагает, что она нацелена на начальный уровень бакалавриата

Биостатистика: байесовское введение. Джордж Дж. Вудсворт.

Опубликовано Джон Вили и сыновья

Джилл Дж. (2014). Байесовские методы: подход социальных и поведенческих наук. 3-е издание.

Написанный профессором политологии, в котором целевая аудитория - социологи. R код предоставляется.

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

Так как тип начинающего не указан в вопросе, вот мой совет для начинающих статистиков:

Эндрю Б. Лоусон и Эммануэль Лесаффр (2012): Байесовская биостатистика

Эта книга использовалась на первом курсе нашего курса по статистике, и мне было относительно легко разобраться с таким сложным предметом. Как и в большинстве книг по «биостатистике», примеры в основном представляют собой клиническую биологию, но методы не ограничиваются теми, которые полезны в клинической науке. До этого у нас было около полугода статистического образования, и, кроме теоремы Байеса, байесовская статистика еще не была введена.

Также приятно то, что все 649 слайдов сопровождающих презентаций доступны онлайн .