Estadística Bayesiana: Una introducción

Opiniones de los lectores

En general, el libro está bien considerado como un recurso sólido para el aprendizaje de la estadística bayesiana, en particular para quienes tienen una sólida formación en matemáticas. Es elogiado por sus explicaciones claras, estructura sistemática y cobertura exhaustiva de los temas. Sin embargo, algunos usuarios señalan problemas con las erratas, la legibilidad en la versión Kindle y la pronunciada curva de aprendizaje para los principiantes.

⬤ Exposición completa y clara de la estadística bayesiana.
⬤ El sitio web complementario con soluciones a los ejercicios mejora el aprendizaje.
⬤ Adecuado para estudiantes serios con una sólida formación en probabilidad y cálculo.
⬤ Estructura bien organizada que desarrolla los temas sistemáticamente.

⬤ Presencia de erratas y notación que puede confundir a algunos lectores.
⬤ La versión Kindle es difícil de leer y navegar.
⬤ No es adecuado para principiantes o para aquellos que buscan una introducción rápida al tema.

(basado en 9 opiniones de lectores)

Título original:

Bayesian Statistics: An Introduction

Contenido del libro:

La Estadística Bayesiana es la escuela de pensamiento que combina las creencias previas con la probabilidad de una hipótesis para llegar a las creencias posteriores. La primera edición del libro de Peter Lee apareció en 1989, pero el tema no ha dejado de avanzar, con un énfasis cada vez mayor en las técnicas basadas en Monte Carlo.

Esta nueva cuarta edición examina técnicas recientes como los métodos variacionales, el muestreo bayesiano de importancia, el cálculo bayesiano aproximado y el Monte Carlo de Cadena de Markov de Salto Reversible (RJMCMC), proporcionando una exposición concisa de la forma en que se desarrolla el enfoque bayesiano de la estadística, así como de su contraste con el enfoque convencional. La teoría se construye paso a paso, y nociones importantes como la de suficiencia se ponen de manifiesto a partir de la discusión de las características más destacadas de ejemplos concretos.

Esta edición:

⬤ Incluye una cobertura ampliada del muestreo de Gibbs, incluyendo más ejemplos numéricos y tratamientos de OpenBUGS, R2WinBUGS y R2OpenBUGS.

⬤ Presenta nuevo material significativo sobre técnicas recientes como el muestreo bayesiano de importancia, Bayes variacional, Computación Bayesiana Aproximada (ABC) y Monte Carlo de Cadena de Markov de Salto Reversible (RJMCMC).

⬤ Proporciona amplios ejemplos a lo largo del libro para complementar la teoría presentada.

⬤ Acompañado de un sitio web de apoyo con nuevo material y soluciones.

Cada vez más estudiantes se dan cuenta de que necesitan aprender estadística bayesiana para alcanzar sus objetivos académicos y profesionales. Este libro es el más adecuado para utilizarlo como texto principal en cursos sobre estadística bayesiana para estudiantes de tercer y cuarto curso de licenciatura y posgrado.