Estadística bayesiana para las ciencias sociales

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Bayesian Statistics for the Social Sciences

Contenido del libro:

La segunda edición de este libro práctico prepara a los investigadores en ciencias sociales para aplicar las últimas metodologías bayesianas a sus problemas de análisis de datos. Incluye nuevos capítulos sobre la incertidumbre del modelo, la selección bayesiana de variables y la dispersión, y el flujo de trabajo bayesiano para la modelización estadística. La segunda edición explica claramente la probabilidad frecuentista y epistémica y las distribuciones a priori, y hace hincapié en el uso del paquete de software de código abierto RStan. El texto cubre Hamiltonian Monte Carlo, regresión lineal bayesiana y modelos lineales generalizados, evaluación y comparación de modelos, modelado multinivel, modelos para variables latentes continuas y categóricas, datos que faltan, y mucho más. Los conceptos se ilustran con ejemplos prácticos de bases de datos educativas y de ciencias sociales a gran escala, como el Programa para la Evaluación Internacional de Alumnos y el Estudio Longitudinal de la Primera Infancia. El código RStan anotado aparece en recuadros con pantallas; el sitio web complementario ( www.guilford.com/kaplan-materials ) proporciona conjuntos de datos y código para los ejemplos del libro.

Nuevo en esta edición.

*Utiliza la interfaz de R para Stan -más rápida y estable que el software bayesiano disponible anteriormente- para la mayoría de las aplicaciones discutidas.

*Cubre el MC hamiltoniano; la regla de Cromwell; la prioridad de Jeffreys; la prioridad LKJ para matrices de correlación; la evaluación y comparación de modelos, con una crítica del criterio de información bayesiano; el Bayes variacional como alternativa al muestreo de Monte Carlo en cadena de Markov (MCMC); y otros temas nuevos.

*Capítulos sobre selección bayesiana de variables y dispersión, incertidumbre y promedio de modelos, y flujo de trabajo bayesiano para la modelización estadística.