貝葉斯方法

內(nèi)容概要

貝葉斯“后驗分布”或“預(yù)測分布”是對有關(guān)未知參或未來觀測所需了解的每項事物的概括。本書以一種強(qiáng)有力和貼切的方式說明了如何運(yùn)用貝葉斯統(tǒng)計技術(shù)，引導(dǎo)讀者從具體數(shù)據(jù)中推測有關(guān)科學(xué)、醫(yī)療與社會問題的結(jié)論。本書解釋了貝葉斯方法論所需的一些細(xì)微假設(shè)，并展示了如何運(yùn)用這些假設(shè)去獲取準(zhǔn)確結(jié)論。本書所介紹的各種方法對計算機(jī)模擬的頻度特性方面也非常適用。     本書生動地概述了有關(guān)費希爾方法(頻度方法)，同時全面強(qiáng)調(diào)了似然性，適合作為主流統(tǒng)計學(xué)的教程。本書講述了效用理論的進(jìn)展以及時間序列和預(yù)測，從而也適合計量經(jīng)濟(jì)學(xué)的學(xué)生閱讀。另外，本書還包括線性模型、范疇數(shù)據(jù)分析、生存競爭分析、隨機(jī)效應(yīng)模型和非線性平滑等內(nèi)容。     本書提供了許多運(yùn)行實例、自學(xué)練習(xí)和實際應(yīng)用，可作為高年級本科生和研究生的教材，同時也可供其他交叉學(xué)科的研究人員閱讀。

作者簡介

Thomas Leonard  于1973年在倫敦大學(xué)獲得統(tǒng)計學(xué)博士學(xué)位。他曾在沃里克大學(xué)工作過，于1995年擔(dān)任愛丁堡大學(xué)統(tǒng)計學(xué)系主席，還曾做過威斯康星-麥迪遜大學(xué)統(tǒng)計學(xué)教授。20世紀(jì)80年代，他最早將拉普斯算子引入到貝葉斯方法中。他發(fā)表了多篇有關(guān)統(tǒng)計學(xué)應(yīng)用方面的論文，并作為統(tǒng)

書籍目錄

Preface1 Introductory Statistical Concepts  1.0 Preliminaries and Overview  1.1 Sampling Models and Likelihoods  1.2 Practical Examples  1.3 Large Sample Properties of Likelihood Procedures  1.4 Practical Examples  1.5 Some Further Properties of Likelihood  1.6 Practical Examples  1.7 The Midcontinental Rift  1.8 A Model for Genetic Traits in Dairy Science  1.9 Least Squares Regression with Serially Correlated Errors  1.10 Annual World Crude Oil Production(1880-0972)2 The Discrete Version of Bayes' Theorem  2.0 Preliminaries and Overview  2.1 Bayes' Theorem  2.2 Estimating a Discrete-Valued Parameter  2.3 Applications to Model Selection  2.4 Practical Examples  2.5 Logistic Discrimination and the Construction of Neural Nets  2.6 Anderson's Prediction of Psychotic Patients  2.7 The Ontario fetal Metabolic Acidosis Study  2.8 Practical Guidelines3 Models with a Single Unknown Parameter  3.0 Preliminaries and Overview  3.1 The Bayesian Paradigm  3.2 Posterior and Predictive Inferences  3.3 Practical Examples  3.4 Inferences for a Normal Mean with Known Variance  3.5 Practical Examples  3.6 Vague Prior Information  3.7 Practical Examples  3.8 Bayes Estimators and Decision Rules and Their Frequency Properties  3.9 Practical Examples  3.10 Symmetric Loss Functions  3.11 Practical Example:Mixtures of Normal Distributions4 The Expected Utility Hypothesis……5 Models with Several Unknown Parameters6 Prior Structures,Posterior Smoothing,and Bayes-Stein EstimationReferencesAuthor IndexSubject Index

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    貝葉斯方法 PDF格式下載

---