ThereisanexplosionofinterestinBayesianstatistics,primarilybecauserecentlycreatedcomputationalmethodshavefinallymadeBayesiananalysistractableandaccessibletoawideaudience.DoingBayesianDataAnalysis,ATutorialIntroductionwithRandBUGS,isforfirstyeargraduatestudentsoradvancedundergraduatesandprovidesanaccessibleapproach,asallmathematicsisexplainedintuitivelyandwithconcreteexamples.Itassumesonlyalgebraand‘rusty’calculus.Unlikeothertextbooks,thisbookbeginswiththebasics,includingessentialconceptsofprobabilityandrandomsampling.Thebookgraduallyclimbsallthewaytoadvancedhierarchicalmodelingmethodsforrealisticdata.ThetextprovidescompleteexampleswiththeRprogramminglanguageandBUGSsoftware(bothfreeware),andbeginswithbasicprogrammingexamples,workingupgraduallytocompleteprogramsforcomplexanalysesandpresentationgraphics.Thesetemplatescanbeeasilyadaptedforalargevarietyofstudentsandtheirownresearchneeds.ThetextbookbridgesthestudentsfromtheirundergraduatetrainingintomodernBayesianmethods.Accessible,includingthebasicsofessentialconceptsofprobabilityandrandomsamplingExampleswithRprogramminglanguageandBUGSsoftwareComprehensivecoverageofallscenariosaddressedbynon-bayesiantextbooks-t-tests,analysisofvariance(ANOVA)andcomparisonsinANOVA,multipleregression,andchi-square(contingencytableanalysis).CoverageofexperimentplanningRandBUGScomputerprogrammingcodeonwebsiteExerciseshaveexplicitpurposesandguidelinesforaccomplishment作者从概率统计和编程两方面入手,由浅入深地指点读者如何对实际数据进行贝叶斯分析。
全书分成三部分,第一部分为基础篇:关于参数、概率、贝叶斯法则及R软件,第二部分为二元比例推断的基本理论,第三部分为广义线性模型。
内容包括贝叶斯统计的基本理论、实验设计的有关知识、以层次模型和MCMC为代表的复杂方法等。
同时覆盖所有需要用到非贝叶斯方法的情况,其中包括:t检验,方差分析(ANOVA)和ANOVA中的多重比较法,多元线性回归,Logistic回归,序列回归和卡方(列联表)分析。
针对不同的学习目标(如R、BUGS等)列出了相应的重点章节;
整理出贝叶斯统计中某些与传统统计学可作类比的内容,方便读者快速学习。
本中提出的方法都是可操作的,并且所有涉及数学理论的地方都已经用实际例子非常直观地进行了解释。
由于并不对读者的统计或
1