面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì)

內(nèi)容概要

《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì):層次模型、算法和R編程》內(nèi)容簡(jiǎn)介：作為統(tǒng)計(jì)學(xué)的兩大分支，頻率論和貝葉斯統(tǒng)計(jì)創(chuàng)立的時(shí)間相差無(wú)幾，但貝葉斯統(tǒng)計(jì)直到近10年才被逐步引進(jìn)到生態(tài)學(xué)數(shù)據(jù)分析?！睹嫦蛏鷳B(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì)：層次模型、算法和R編程》涵蓋方法引論與實(shí)驗(yàn)分析應(yīng)用兩部分，針對(duì)多個(gè)時(shí)空尺度，介紹了適合于生態(tài)學(xué)數(shù)據(jù)的統(tǒng)計(jì)推斷方法和層次模型，涉及經(jīng)典頻率論和貝葉斯統(tǒng)計(jì)的模型、算法和具體編程。首先闡述了生態(tài)學(xué)數(shù)據(jù)的層次結(jié)構(gòu)和時(shí)空變異性，以及頻率論和貝葉斯統(tǒng)計(jì)。然后介紹貝葉斯推斷的基礎(chǔ)概念、分析框架和算法原理；并進(jìn)一步針對(duì)生態(tài)學(xué)層次模型、時(shí)間序列及時(shí)空復(fù)合格局?jǐn)?shù)據(jù)依次展開(kāi)分析模擬。在應(yīng)用操作部分，配合方法部分的各章內(nèi)容介紹基于R的算法與編程實(shí)踐。最后《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì)：層次模型、算法和R編程》還附錄了與生態(tài)學(xué)數(shù)據(jù)密切相關(guān)的頻率論與貝葉斯統(tǒng)計(jì)的基礎(chǔ)知識(shí)。 
《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì)：層次模型、算法和R編程》適用于生態(tài)學(xué)和環(huán)境科學(xué)專業(yè)的研究生和科研人員，可作為實(shí)驗(yàn)和觀測(cè)數(shù)據(jù)分析的教材或參考書(shū)。具有一定概率論和貝葉斯統(tǒng)計(jì)基礎(chǔ)及統(tǒng)計(jì)軟件R應(yīng)用編程技術(shù)的人員，對(duì)于理解和應(yīng)用《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì)：層次模型、算法和R編程》所涉及的相關(guān)方法是必要的。

作者簡(jiǎn)介

作者：（美國(guó)）克拉克 譯者：沈澤昊 儲(chǔ)誠(chéng)進(jìn) 朱鍇

書(shū)籍目錄

中譯本序 譯者序 原書(shū)前言 上篇面向生態(tài)學(xué)數(shù)據(jù)的模型：引論 第Ⅰ部分引 言 第1章關(guān)聯(lián)中的模型 1.1自然界和模型中的復(fù)雜性與隱蔽性 1.2建立聯(lián)系：數(shù)據(jù)、推斷和決策 1.3模型二元素：已知和未知 1.4利用模型學(xué)習(xí)：假設(shè)與量化 1.5估計(jì)與向前擬合 1.6統(tǒng)計(jì)實(shí)用主義 第2章模型要素：應(yīng)用于種群增長(zhǎng) 2.1模型和數(shù)據(jù)實(shí)例 2.2模型狀態(tài)和時(shí)間 2.3未知的隨機(jī)性 2.4過(guò)程模型的更多背景 第Ⅱ部分推斷的要素 第3章點(diǎn)估計(jì)：最大似然法和矩法 3.1引言 3.2似然 3.3二項(xiàng)分布 3.4結(jié)合二項(xiàng)分布和指數(shù)分布 3.5正態(tài)分布的最大似然估計(jì) 3.6種群增長(zhǎng) 3.7應(yīng)用：結(jié)實(shí)性 3.8生存分析的最大似然法 3.9設(shè)計(jì)矩陣 3.10最大似然估計(jì)的數(shù)值方法 3.11矩配對(duì) 3.12常見(jiàn)的抽樣分布與擴(kuò)散 3.13假設(shè)和下一步 第4章貝葉斯方法的要素 4.1貝葉斯方法 4.2正態(tài)分布 4.3主觀概率與先驗(yàn)的作用 第5章置信包絡(luò)和預(yù)測(cè)區(qū)間 5.1經(jīng)典的區(qū)間估計(jì) 5.2貝葉斯可信區(qū)間 5.3多參數(shù)的似然剖面 5.4幾個(gè)參數(shù)的置信區(qū)間：線性回歸 5.5用哪一個(gè)置信包絡(luò)呢？ 5.6預(yù)測(cè)區(qū)間 5.7不確定性和變異性 5.8何時(shí)采用貝葉斯統(tǒng)計(jì)？ 第6章模型的評(píng)價(jià)與選擇 6.1利用統(tǒng)計(jì)來(lái)評(píng)價(jià)模型 6.2假設(shè)檢驗(yàn)的作用 6.3嵌套模型 6.4經(jīng)典模型選擇的附加討論 6.5貝葉斯模型評(píng)價(jià) 6.6關(guān)于貝葉斯模型評(píng)價(jià)的其他思考 第Ⅲ部分大型模型 第7章貝葉斯計(jì)算方法：模擬工具簡(jiǎn)介 7.1通過(guò)模擬得到后驗(yàn) 7.2一些基本模擬技術(shù) 7.3馬爾可夫鏈蒙特卡羅模擬 7.4應(yīng)用：回歸的貝葉斯分析 7.5利用MCMC 7.6貝葉斯模型選擇的計(jì)算 7.7響應(yīng)變量的先驗(yàn) 7.8基礎(chǔ)知識(shí)介紹完畢 第8章層次結(jié)構(gòu)解析 8.1背景的層次模型 8.2混合線性模型和廣義線性模型 8.3應(yīng)用：對(duì)CO2的生長(zhǎng)響應(yīng) 8.4基于條件的思考 8.5有關(guān)樹(shù)木的兩個(gè)應(yīng)用 8.6層次模型中的無(wú)信息先驗(yàn) 8.7從簡(jiǎn)單模型到圖形模型 第Ⅳ部分高級(jí)模型 第9章時(shí)間 9.1時(shí)間的重要性 9.2時(shí)間序列術(shù)語(yǔ) 9.3時(shí)間序列模型的描述性要素 9.4頻率域 9.5應(yīng)用：探求種群時(shí)間序列中的密度相關(guān) 9.6貝葉斯?fàn)顟B(tài)空間模型 9.7應(yīng)用：海倫島上的黑燕鷗 9.8非線性狀態(tài)空間模型 9.9時(shí)滯 9.10序列變化 9.11對(duì)時(shí)間序列數(shù)據(jù)的限制 9.12變異性的其他來(lái)源 9.13吉布斯采樣器的替代方法 9.14關(guān)于縱向數(shù)據(jù)結(jié)構(gòu)的更多討論 9.15干預(yù)與處理效應(yīng) 9.16捕獲—重捕獲研究 9.17矩陣結(jié)構(gòu)模型 9.18差分方程組結(jié)構(gòu) 9.19時(shí)間序列、種群調(diào)節(jié)和隨機(jī)性 第10章空間—時(shí)間 10.1一個(gè)隨機(jī)空間過(guò)程的確定性模型 10.2種群移動(dòng)的經(jīng)典推斷 10.3島嶼生物地理學(xué)和集合種群 10.4被動(dòng)擴(kuò)散的估計(jì) 10.5貝葉斯框架 10.6顯式空間的模型 10.7點(diǎn)基準(zhǔn)數(shù)據(jù) 10.8區(qū)塊基準(zhǔn)數(shù)據(jù)和誤匹配 10.9空間的等級(jí)性處理 10.10應(yīng)用：一個(gè)種群擴(kuò)散的時(shí)空模型 10.11如何處理空間 第11章 結(jié)論性展望 11.1模型、數(shù)據(jù)和決策 11.2圖模型、改進(jìn)算法和更快計(jì)算的承諾 11.3預(yù)測(cè)及其用途 11.4關(guān)于軟件的幾點(diǎn)說(shuō)明 附錄A泰勒級(jí)數(shù) 附錄B微分和差分方程的注釋 B.1推導(dǎo)微分方程的解 B.2求解線性微分方程 B.3非線性微分方程的常數(shù)解 B.4圖解差分方程 B.5平衡態(tài)和穩(wěn)定性 附錄C基礎(chǔ)矩陣代數(shù) C.1符號(hào) C.2矩陣加法 C.3乘法 C.4矩陣的轉(zhuǎn)置 C.5單位矩陣 C.6Hadamard乘積 C.7矩陣的行列式 C.8矩陣求逆 C.9正定矩陣 C.10特征分析 附錄D概率模型 D.1條件概率和貝葉斯定律 D.2概率密度和分布函數(shù) D.3期望和矩 D.4聯(lián)合分布的隨機(jī)變量 D.5變量的函數(shù)和變化的變量 附錄E基本生活史計(jì)算 E.1年齡結(jié)構(gòu)和種群生長(zhǎng) E.2應(yīng)用：Lotka方程和NSO的生命史計(jì)算 E.3階段結(jié)構(gòu)的生活史計(jì)算 E.4更復(fù)雜的階段結(jié)構(gòu) E.5應(yīng)用：用階段結(jié)構(gòu)來(lái)分析年齡 E.6持續(xù)時(shí)間 E.7連續(xù)模型中的種群增長(zhǎng)生活史 E.8離散時(shí)間和連續(xù)狀態(tài) 附錄F常見(jiàn)分布 F.1離散單變量分布 F.2離散多變量分布 F.3連續(xù)單變量分布 F.4連續(xù)多變量分布 附錄G常用的似然—先驗(yàn)共軛組合 …… 下篇基于R的環(huán)境科學(xué)統(tǒng)計(jì)計(jì)算 參考文獻(xiàn) 術(shù)語(yǔ)表

章節(jié)摘錄

版權(quán)頁(yè)：   插圖：   11.2.2 什么時(shí)候用哪個(gè)框架？ 這個(gè)介紹集中于推斷的常見(jiàn)架構(gòu)——頻率論的和貝葉斯的，并有限度地觸及一些相關(guān)主題。由于貝葉斯非常靈活，現(xiàn)已說(shuō)明，臨時(shí)的途徑可能變得不再像過(guò)去那樣重要。為了保證主題集中和普遍性，我們沒(méi)有嘗試總結(jié)文獻(xiàn)中已出現(xiàn)的很多折中方法。這并不是說(shuō)臨時(shí)方法永遠(yuǎn)無(wú)法保證有效性，只要是從一個(gè)相容的和理解充分的架構(gòu)出發(fā)就行。 介紹了經(jīng)典的和貝葉斯的框架之后，現(xiàn)加上幾點(diǎn)實(shí)用主義的建議，結(jié)合一定程度的個(gè)人哲學(xué)觀。模擬和計(jì)算方法的新工具提供了不僅靈活性，也包括災(zāi)難性錯(cuò)誤的機(jī)會(huì)。并非每個(gè)分析都需要奇特的統(tǒng)計(jì)。如果是為手頭的一個(gè)數(shù)據(jù)準(zhǔn)備的分析，仔細(xì)檢查散點(diǎn)圖就可以避免不必要的痛苦。只需顯示數(shù)據(jù)對(duì)眼前的問(wèn)題能提供有限的認(rèn)識(shí)，通常就能夠勸阻學(xué)生去做無(wú)意義的模擬練習(xí)。視覺(jué)檢查就足夠了。 任何分析都有必要是貝葉斯的么？對(duì)于簡(jiǎn)單的問(wèn)題，經(jīng)典統(tǒng)計(jì)和貝葉斯途徑的結(jié)果會(huì)產(chǎn)生幾乎一致的置信區(qū)間。一個(gè)簡(jiǎn)單的問(wèn)題是，似然函數(shù)是低維的（可能少數(shù)幾個(gè)參數(shù)），并且沒(méi)有更多的信息以先驗(yàn)或額外的數(shù)據(jù)模型的形式加入。從沒(méi)有在現(xiàn)代模型技術(shù)上下功夫的生態(tài)學(xué)文獻(xiàn)中很難看到近來(lái)貝葉斯應(yīng)用顯示的優(yōu)勢(shì)。利用非標(biāo)準(zhǔn)化硬件（offche—shelf hardware）的經(jīng)典框架可能是最有效的（clark 2005）。經(jīng)典的置信區(qū)間是沒(méi)有爭(zhēng)議的（5.2節(jié)）。當(dāng)然，P值不能被解釋成出錯(cuò)概率（6.4節(jié)），但它仍可被看做事情進(jìn)展?fàn)顟B(tài)的一個(gè)粗略指標(biāo)。

編輯推薦

《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì):層次模型、算法和R編程》由克拉克（Clark，J.S.）著，《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì):層次模型、算法和R編程》適用于生態(tài)學(xué)和環(huán)境科學(xué)專業(yè)的研究生和科研人員，可作為實(shí)驗(yàn)和觀測(cè)數(shù)據(jù)分析的教材或參考書(shū)。具有一定概率論和貝葉斯統(tǒng)計(jì)基礎(chǔ)及統(tǒng)計(jì)軟件R應(yīng)用編程技術(shù)的人員，對(duì)于理解和應(yīng)用《面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì):層次模型、算法和R編程》所涉及的相關(guān)方法是必要的。

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    面向生態(tài)學(xué)數(shù)據(jù)的貝葉斯統(tǒng)計(jì) PDF格式下載

---