本书以Stan统计软件为基础,以R代码为例,提供了一个实际的统计推断的基础。从贝叶斯统计方法的角度出发,介绍了统计反思的相关知识,以及一些常用的进行类似权衡的工具,展示了两个完整的*常用的计数变量回归,介绍了应对常见的单一模型无法很好地拟合观测数据的排序分类模型与零膨胀和零增广模型,提出了基于贝叶斯概率和*熵的广义线性分层模型以及处理空间和网络自相关的高斯过程模型。本书适合统计、数学等相关专业的高年级本科生、研究生,以及数据挖掘的从业人士阅读。
本书从贝叶斯的角度介绍了广义线性分层模型,通过贝叶斯概率和*大熵的基础逻辑解释模型,内容涵盖从基本的回归分析到多层模型。此外,作者还讨论了测量误差、缺失数据以及处理空间和网络自相关的高斯过程模型。本书以R和Stan为基础,以R代码为例,提供了一个实际的统计推断的基础。适合统计、数学等相关专业的高年级本科生、研究生,以及数据挖掘的从业人士阅读。