مدلسازی آماری بیزی با استن، آر و پایتون

این کتاب مقدمه‌ای بسیار کاربردی بر مدل‌سازی آماری بیزی با زبان استن ارائه می‌دهد که به محبوب‌ترین زبان برنامه‌نویسی احتمالاتی تبدیل شده است.

این کتاب به چهار بخش تقسیم شده است. بخش اول، پیشینه نظری مدل‌سازی و استنتاج بیزی را بررسی می‌کند و یک گردش کار مدل‌سازی ارائه می‌دهد که مدل‌سازی را بیشتر مهندسی می‌کند تا هنر. بخش دوم، استفاده از استن، CmdStanR و CmdStanPy را از همان ابتدا تا تحلیل‌های رگرسیون پایه مورد بحث قرار می‌دهد. بخش سوم سپس تعدادی از توزیع‌های احتمال، مدل‌های غیرخطی و مدل‌های سلسله مراتبی (چندسطحی) را معرفی می‌کند که برای تسلط بر مدل‌سازی آماری ضروری هستند. همچنین طیف گسترده‌ای از تکنیک‌های مدل‌سازی پرکاربرد، مانند سانسور، داده‌های پرت، داده‌های از دست رفته، افزایش سرعت و محدودیت‌های پارامتر را شرح می‌دهد و نحوه هدایت همگرایی MCMC را مورد بحث قرار می‌دهد. در نهایت، بخش چهارم مباحث پیشرفته برای داده‌های دنیای واقعی را بررسی می‌کند: تحلیل داده‌های طولی، مدل‌های فضای حالت، تحلیل داده‌های مکانی، فرآیندهای گاوسی، بهینه‌سازی بیزی، کاهش ابعاد، انتخاب مدل و معیارهای اطلاعات، و نشان می‌دهد که استن می‌تواند هر یک از این مسائل را در کمتر از 30 خط حل کند.

این کتاب با استفاده از مثال‌های متعدد و آسان برای فهم، مفاهیم کلیدی را توضیح می‌دهد که همچنان هنگام استفاده از نسخه‌های آینده استن و هنگام استفاده از سایر ابزارهای مدل‌سازی آماری مفید خواهند بود. مثال‌ها نیازی به دانش دامنه ندارند و می‌توانند به بسیاری از زمینه‌ها تعمیم داده شوند. این کتاب توضیحات کاملی از کد و فرمول‌های ریاضی ارائه می‌دهد و خوانندگان را قادر می‌سازد تا مدل‌ها را برای مسائل خود گسترش دهند. تمام کدها و داده‌ها در GitHub قرار دارند.