Tutorial statistik Bayesian

Saya mencoba meningkatkan kecepatan di Bayesian Statistics. Saya memiliki sedikit latar belakang statistik (STAT 101) tetapi tidak terlalu banyak - saya pikir saya bisa mengerti sebelumnya, posterior, dan kemungkinan: D.

Saya tidak ingin membaca buku teks Bayesian dulu. Saya lebih suka membaca dari sumber (situs web pilihan) yang akan meningkatkan saya dengan cepat. Sesuatu seperti ini , tetapi itu memiliki lebih banyak detail.

Ada saran?

Inilah tempat untuk memulai:

ftp://selab.janelia.org/pub/publications/Eddy-ATG3/Eddy-ATG3-reprint.pdf

http://blog.oscarbonilla.com/2009/05/visualizing-bayes-theorem/

http://yudkowsky.net/rational/bayes

http://www.math.umass.edu/~lavine/whatisbayes.pdf

http://en.wikipedia.org/wiki/Bayesian_inference

http://en.wikipedia.org/wiki/Bayesian_probability

Tutorial_on_Bayesian_Statistics_and_Clinical_Trials

Jika Anda ingin mencoba beberapa pembelajaran dengan contoh, Anda mungkin tertarik pada " Bayesian Computation in R " oleh Jim Albert.

Paket R terkait disebut LearnBayes.

Beberapa kedalaman:

• http://math.tut.fi/~piche/bayes/notes01.pdf mencakup teorema Bayes

• https://ccrma.stanford.edu/~jos/bayes/bayes.pdf dan

• http://www-personal.une.edu.au/~jvanderw/Introduction_to_Bayesian_Statistics1.pdf lebih lanjut tentang aplikasi statistik

Ini bukan tutorial lengkap tentang statistik Bayesian, melainkan penjelasan terisolasi dari konsep individu yang saya sukai. Hanya berpikir saya akan menambahkan kalau-kalau itu membantu.

• http://lesswrong.com/lw/2b0/bayes_theorem_illustrated_my_way - Penjelasan grafis teorema Bayes.
• Apa perbedaan antara interval kepercayaan dan interval yang kredibel? - Contoh hebat perbedaan antara interval kepercayaan dan interval kredibel Bayesian (dan perbedaan antara statistik frequentist dan statistik Bayesian secara umum).
• http://behind-the-enemy-lines.blogspot.com/2008/01/are-you-bayesian-or-frequentist-or.html - Sebuah contoh sederhana tentang bagaimana frequentist dan Bayesians mendekati masalah secara berbeda, dan bagaimana hal itu mengarah ke jawaban yang berbeda.

Saya menulis posting tentang memulai dengan JAGS untuk pemodelan Bayesian . Jika Anda ingin memulai dengan cepat maka bermain-main dengan beberapa varian BUGS, seperti JAGS, adalah cara praktis untuk memulai.

Mengutip abstrak postingan

Posting ini menyediakan tautan ke berbagai sumber daya untuk memulai dengan pemodelan Bayesian menggunakan JAGS dan R. Ini membahas: (1) apa itu JAGS; (2) mengapa Anda mungkin ingin melakukan pemodelan Bayesian menggunakan JAGS; (3) cara menginstal JAGS; (4) di mana menemukan informasi lebih lanjut tentang JAGS; (5) di mana menemukan contoh skrip JAGS dalam tindakan; (6) di mana harus bertanya; dan (7) beberapa aplikasi psikologis yang menarik dari pemodelan Bayesian.

Secara khusus, Anda mungkin perlu mempelajari beberapa contoh skrip yang disebutkan dalam posting.

Anda bisa mencoba ' Mengajar Bayesian Reasoning Dalam Kurang dari Dua Jam '.