خرید و دانلود نسخه کامل کتاب Statistical Rethinking: A Bayesian Course with Examples in R and STAN by Richard Mcelreath

آنتونی رابینز میگه : من در 40 سالگی به جایی رسیدم که برای رسیدن بهش 82 سال زمان لازمه و این رو مدیون کتاب خواندن زیاد هستم.

نویسنده: ریچارد مکلره (Richard Mcelreath)

Statistical Rethinking: A Bayesian Course with Examples in R and Stan builds your knowledge of and confidence in making inferences from data. Reflecting the need for scripting in today’s model-based statistics, the book pushes you to perform step-by-step calculations that are usually automated.

This unique computational approach ensures that you understand enough of the details to make reasonable choices and interpretations in your own modeling work.

The text presents causal inference and generalized linear multilevel models from a simple Bayesian perspective that builds on information theory and maximum entropy.

The core material ranges from the basics of regression to advanced multilevel models. It also presents measurement error, missing data, and Gaussian process models for spatial and phylogenetic confounding.

The second edition emphasizes the directed acyclic graph (DAG) approach to causal inference, integrating DAGs into many examples.

The new edition also contains new material on the design of prior distributions, splines, ordered categorical predictors, social relations models, cross-validation, importance sampling, instrumental variables, and Hamiltonian Monte Carlo.

It ends with an entirely new chapter that goes beyond generalized linear modeling, showing how domain-specific scientific models can be built into statistical analyses.

توضیحات فارسی در مورد کتاب (ترجمه ماشینی)

تفکر آماری: یک دوره بایزی با مثال‌ها در R و Stan دانش شما را در مورد استنتاج از داده‌ها و اعتماد به نفس شما در این زمینه افزایش می‌دهد. با توجه به نیاز به اسکریپت‌نویسی در آمار مبتنی بر مدل امروز، این کتاب شما را به انجام محاسبات گام به گام وادار می‌کند که معمولاً خودکار می‌شوند.

این رویکرد محاسباتی منحصربه‌فرد اطمینان می‌دهد که شما جزئیات کافی را درک می‌کنید تا انتخاب‌ها و تفسیرهای معقول در کار مدل‌سازی خود داشته باشید.

متن، استنتاج علت‌ی و مدل‌های چندسطحی خطی عمومی را از منظر ساده بایزی ارائه می‌دهد که بر نظریه اطلاعات و حداکثر انتروپی استوار است.

مواد اصلی از پایه‌های رگرسیون تا مدل‌های چندسطحی پیشرفته را در بر می‌گیرد. همچنین خطاهای اندازه‌گیری، داده‌های گمشده، و مدل‌های فرایند گاوسی را برای پیچیدگی‌های فضایی و فیلوژنتیک معرفی می‌کند.

ویرایش دوم بر رویکرد گراف جهت‌دار چرخه‌ای (DAG) در استنتاج علت‌ی تأکید دارد و DAGها را در بسیاری از مثال‌ها ادغام می‌کند.

ویرایش جدید همچنین حاوی مواد جدیدی در مورد طراحی توزیع‌های اولی، اسپلاین‌ها، پیش‌بینی‌کنندگان دسته‌ای مرتب، مدل‌های روابط اجتماعی، اعتبارسنجی متقابل، نمونه‌برداری اهمیت، متغیرهای سازنده، و مونت کارلو همیلتونی است.

این کتاب با یک فصل کاملاً جدید به پایان می‌رسد که فراتر از مدل‌سازی خطی عمومی است و نشان می‌دهد چگونه مدل‌های علمی خاص حوزه می‌توانند در تحلیل‌های آماری ادغام شوند.