RとStanではじめるベイズ統計モデリングによるデータ分析入門 実践Data Scienceシリーズ | 誠品線上

RとStanではじめるベイズ統計モデリングによるデータ分析入門 実践Data Scienceシリーズ

內容簡介

內容簡介 「基本をより実践的に!」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門!・チュートリアル形式だから、すぐに実践できる!・統計、確率、ベイズ推論、MCMCの基本事項から、やさしくサポート!・brmsやbayesplotなどのパッケージの使い方も、しっかり身につく!・一般化線形モデル(GLM)→一般化線形混合モデル(GLMM)→動的線形モデル(DLM)→動的一般化線形モデル(DGLM)を体系的に学べる!【本書のサポートページ】https: logics-of-blue.com r-stan-bayesian-model-intro-book-support 【実践Data Scienceシリーズ】 「基本をより実践的に!」を合言葉に、データサイエンスで用いられる各種手法の基本を、プログラミングの実装とともに解説していきます。はじめて学ぶ大学生、大学院生、ソフトウェアエンジニアに向けた注目の新シリーズです。【主な内容】1部 【理論編】ベイズ統計モデリングの基本1 はじめよう! ベイズ統計モデリング2 統計学の基本3 確率の基本4 確率分布の基本5 統計モデルの基本6 ベイズ推論の基本7 MCMCの基本2部 【基礎編】RとStanによるデータ分析1 Rの基本2 データの要約3 ggplot2によるデータの可視化4 Stanの基本5 MCMCの結果の評価6 Stanコーディングの詳細3部 【実践編】一般化線形モデル1 一般化線形モデルの基本2 単回帰モデル3 モデルを用いた予測4 デザイン行列を用いた一般化線形モデルの推定5 brmsの使い方6 ダミー変数と分散分析モデル7 正規線形モデル8 ポアソン回帰モデル9 ロジスティック回帰モデル10 交互作用4部 【応用編】一般化線形混合モデル1 階層ベイズモデルと一般化線形混合モデルの基本2 ランダム切片モデル3 ランダム係数モデル5部 【応用編】状態空間モデル1 時系列分析と状態空間モデルの基本2 ローカルレベルモデル3 状態空間モデルによる予測と補間4 時変係数モデル5 トレンドの構造6 周期性のモデル化7 自己回帰モデルとその周辺8 動的一般化線形モデル:二項分布を仮定した例9 動的一般化線形モデル:ポアソン分布を仮定した例 「基本をより実践的に!」学べる新シリーズの第一弾は、「統計モデリングの世界」へのファーストブック。基礎から学べる超入門!

作者介紹

作者介紹 馬場真哉Logics of Blue(https: logics-of-blue.com )というWebサイトの管理人著 書『平均・分散から始める一般化線形モデル入門』(プレアデス出版,2015年) 『時系列分析と状態空間モデルの基礎:RとStanで学ぶ理論と実装』(プレアデス出版,2018年) 『Pythonで学ぶあたらしい統計学の教科書』(翔泳社,2018年)

商品規格

活動

• 8/17前 全站滿$1,600折$150
• 8/17前 全站滿$2,800折$300