Sobre el Libro

Realización de análisis de datos bayesianos: un tutorial con R, JAGS y Stan (Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan) es un libro de 746 páginas escrito por John Kruschke y fue publicado por la editorial Academic Press en el año 2014 en su segunda edición.

Descripción del Libro

Realización de análisis de datos bayesianos: un tutorial con R, JAGS y Stan, la segunda edición proporciona un enfoque accesible para realizar análisis de datos bayesianos, ya que el material se explica claramente con ejemplos concretos. Se incluyen instrucciones paso a paso sobre cómo realizar análisis de datos bayesianos en el popular y gratuito software R y WinBugs, así como nuevos programas en JAGS y Stan. Los nuevos programas están diseñados para ser mucho más fáciles de usar que los scripts de la primera edición. En particular, ahora existen scripts compactos de alto nivel que facilitan la ejecución de los programas en sus propios conjuntos de datos.

El libro está dividido en tres partes y comienza con lo básico: modelos, probabilidad, regla de Bayes y el lenguaje de programación R. Luego, la discusión pasa a los fundamentos aplicados para inferir una probabilidad binomial, antes de concluir con capítulos sobre el modelo lineal generalizado. Los temas incluyen variables de predicción métrica en uno o dos grupos; variable de predicción métrica con un predictor métrico; variable de predicción métrica con múltiples predictores métricos; variable de predicción métrica con un predictor nominal; y variable de predicción métrica con múltiples predictores nominales. Los ejercicios que se encuentran en el texto tienen propósitos explícitos y pautas para su realización.

Este libro está dirigido a estudiantes graduados de primer año o estudiantes universitarios avanzados en estadística, análisis de datos, psicología, ciencias cognitivas, ciencias sociales, ciencias clínicas y ciencias del consumidor en los negocios.

• Accesible, incluidos los conceptos básicos de los conceptos esenciales de probabilidad y muestreo aleatorio.
• Ejemplos con lenguaje de programación R y software JAGS.
• Cobertura completa de todos los escenarios abordados por libros de texto no bayesianos: pruebas t, análisis de varianza (ANOVA) y comparaciones en ANOVA, regresión múltiple y chi-cuadrado (análisis de tabla de contingencia).
• Cobertura de la planificación de experimentos.
• Código de programación informática R y JAGS en el sitio web.
• Los ejercicios tienen propósitos explícitos y pautas para su realización.
• Proporciona instrucciones paso a paso sobre cómo realizar análisis de datos bayesianos en el popular software gratuito R y WinBugs.

Reseñas del Libro

"Tanto libro de texto como guía práctica, este trabajo es un relato accesible del análisis de datos bayesianos a partir de lo básico … Esta edición es verdaderamente un trabajo ampliado e incluye todos los programas nuevos en JAGS y Stan diseñados para ser más fáciles de usar que los scripts de la primera edición, incluso al ejecutar los programas en sus propios conjuntos de datos ".
-- Reseñas de MAA.

"llena un enorme vacío en lo que está disponible actualmente, y servirá para crear su propio mercado"
-- Prof. Michael Lee, U. de Cal., Irvine; pres. Sociedad de Psicología Matemática.

"tiene el potencial de cambiar la forma en que la mayoría de los científicos cognitivos y psicólogos experimentales abordan la planificación y el análisis de sus experimentos"
--Prof. Geoffrey Iverson, U. de Cal., Irvine; pasado pres. Sociedad de Psicología Matemática.

"Mejor que otros por razones de estilo … cómpralo, ¡es realmente asombroso!"
-- James L. (Jay) McClelland, Lucie Stern Prof. & Chair, Dept. of Psych., Stanford U.

"el mejor libro de texto introductorio sobre las técnicas de MCMC bayesianas"
-- J. de Psicología Matemática.

"potencial para cambiar la caja de herramientas metodológicas de una nueva generación de científicos sociales"
-- J. de Psicología Económica.

"revolucionario"
-- Británico J. de Psicología matemática y estadística.

"escribir para personas reales con datos reales. Desde el primer capítulo, el estilo de escritura atractivo entusiasmará a los lectores con este tema"
-- PsycCritiques

De la contraportada

Existe una explosión de interés en las estadísticas bayesianas, principalmente porque los métodos computacionales recientemente creados finalmente han hecho que el análisis bayesiano sea accesible a una amplia audiencia. Hacer análisis de datos bayesianos, una introducción al tutorial con R y BUGS, proporciona un enfoque accesible para el análisis de datos bayesianos, ya que el material se explica claramente con ejemplos concretos. El libro comienza con los conceptos básicos, incluidos los conceptos esenciales de probabilidad y muestreo aleatorio, y progresa gradualmente hacia métodos avanzados de modelado jerárquico para obtener datos realistas. El texto ofrece una cobertura completa de todos los escenarios abordados por libros de texto no bayesianos: pruebas t, análisis de varianza (ANOVA) y comparaciones en ANOVA, correlación, regresión múltiple y chi-cuadrado (análisis de tabla de contingencia). Este libro está dirigido a estudiantes graduados de primer año o estudiantes universitarios avanzados. Proporciona un puente entre la formación de pregrado y los métodos bayesianos modernos para el análisis de datos, que se está convirtiendo en el estándar de investigación aceptado. El requisito previo es el conocimiento de álgebra y cálculo básico.

Sobre el autor

John K. Kruschke es profesor de psicología y ciencias del cerebro y profesor adjunto de estadística en la Universidad de Indiana en Bloomington, Indiana, EE. UU. Es ocho veces ganador de los Premios de Reconocimiento a la Excelencia en la Enseñanza de la Universidad de Indiana. Ganó el Premio de Investigación Troland de la Academia Nacional de Ciencias (EE. UU.) Y el Premio Académico Distinguido Remak de la Universidad de Indiana. Ha formado parte de los consejos editoriales de varias revistas científicas, entre ellas Psychological Review, Journal of Experimental Psychology: General y Journal of Mathematical Psychology, entre otras.

Después de asistir al Programa de Ciencias de Verano como estudiante de secundaria y considerar una carrera en astronomía, Kruschke obtuvo una licenciatura en matemáticas (con alta distinción en beca general) de la Universidad de California en Berkeley. Como estudiante universitario, Kruschke impartió sesiones de tutoría de diseño propio para muchos cursos de matemáticas en el Centro de aprendizaje para estudiantes. Durante la escuela de posgrado asistió a la escuela de verano de modelos conexionistas de 1988 y obtuvo un doctorado en psicología también de la U.C. Berkeley. Se incorporó a la facultad de la Universidad de Indiana en 1989. Las publicaciones del profesor Kruschke se pueden encontrar en su página de Google Scholar. Sus intereses de investigación actuales se centran en la psicología moral.

El profesor Kruschke enseñó métodos estadísticos tradicionales durante muchos años hasta llegar a un punto, alrededor de 2003, en el que ya no podía enseñar correcciones para comparaciones múltiples con la conciencia tranquila. Los peligros de los valores p lo llevaron a encontrar una mejor manera, y después de solo varios miles de horas de incansable esfuerzo, surgieron la primera y segunda ediciones de Doing Bayesian Data Analysis.

Cursos recomendados

Andrés González

Fundamentos de Confiabilidad

Presencial15 de junio

Edgar Fuenmayor

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

En línea en vivo4 de julio

Jose Contreras Marquez

Costos y Presupuestos de Mantenimiento

En línea en vivo1 de agosto

Jose Contreras Marquez

Sistemas de indicadores (KPI) para evaluar la gestión del mantenimiento

En línea en vivo3 de octubre

Fundamentos de Confiabilidad

15 de junio

Análisis de Confiabilidad, Disponibilidad y Mantenibilidad (RAM)

4 de julio

Costos y Presupuestos de Mantenimiento

1 de agosto

Tabla de Contenido

• Parte I: Los modelos básicos, probabilidad, regla de Bayes y R.
• Parte II: Todos los fundamentos aplicados para inferir una probabilidad binomial.
• Parte III: El modelo lineal generalizado.

A continuación se muestra un extracto del libro:

Capítulo 1: Contenido de este libro (¡Lea esto primero!)

1.1 Personas reales pueden leer este libro

Este libro explica cómo realizar análisis de datos bayesianos, por personas reales (como usted), para obtener datos realistas (como los suyos). El libro comienza en lo básico, con nociones elementales de probabilidad y programación. No es necesario que ya conozca las estadísticas y la programación. El libro avanza hacia modelos jerárquicos avanzados que se utilizan en análisis de datos realistas. Este libro se dirige a una persona como un estudiante graduado de primer año o un licenciado avanzado en ciencias sociales o biológicas: alguien que creció en el lago Wobegon, pero que no es el ser mítico que tiene la formación previa de un físico nuclear y luego decidió aprender acerca de las estadísticas bayesianas. (¡Después de la publicación de la primera edición, uno de esos seres míticos me contactó sobre el libro! Entonces, incluso si tienes la formación previa de un físico nuclear, espero que el libro también te hable).

Los detalles de los requisitos previos y el contenido del libro se presentan a continuación. Pero lo primero es lo primero: como habrás notado desde el principio de este capítulo, los capítulos comienzan con una estrofa de versos elegantes y perspicaces compuestos por un poeta famoso. Las cuartetas están formadas por un tetrámetro dactílico o, coloquialmente hablando, un metro de "vals campestre". Los poemas tratan temas conceptuales del capítulo a través de alusión a motivos humanos inmortales en el ritmo del vals.

Si no los encuentra tan graciosos,
Si te dejan queriendo recuperar todo tu dinero,
Bueno, cariño, un poco de vals es un pequeño precio a pagar, por
Todo el buen aprendizaje que obtendrás si te quedas.

1.2 ¿Qué hay en este libro?

Este libro tiene tres partes principales. La primera parte cubre los fundamentos: las ideas básicas del razonamiento bayesiano, modelos, probabilidades y programación en R.

La segunda parte cubre todas las ideas cruciales del análisis de datos bayesiano moderno utilizando el tipo de datos más simple posible, es decir, datos dicotómicos como estar de acuerdo / en desacuerdo, recordar / olvidar, hombre / mujer, etc. puede estar en técnicas bayesianas. En particular, las técnicas modernas de “Markov chain Monte Carlo” (MCMC) se explican de forma exhaustiva e intuitiva. Debido a que los datos se mantienen simples en esta parte del libro, las intuiciones sobre el significado de los modelos jerárquicos se pueden desarrollar con glorioso detalle gráfico. Esta segunda parte del libro también explora métodos para planificar la cantidad de datos que se necesitarán para lograr el grado deseado de precisión en las conclusiones, ampliamente conocido como "análisis de poder".

La tercera parte del libro aplica los métodos bayesianos a datos realistas. Las aplicaciones están organizadas en torno al tipo de datos que se analizan y el tipo de medidas que se utilizan para explicar o predecir los datos. Los diferentes tipos de escalas de medición requieren diferentes tipos de modelos matemáticos, pero por lo demás, los conceptos subyacentes son siempre los mismos. A continuación se proporcionan más detalles de la cobertura.

Los capítulos del libro están diseñados para leerse en orden, para un "gran recorrido" del análisis bayesiano básico aplicado. Especialmente en las partes uno y dos, los capítulos probablemente tengan más sentido si se leen en orden. Pero son posibles rutas más cortas, como se describe a continuación.

Fin del extracto.

Referencias

• Sitio Web del libro en Amazon

Comprar en Amazon

Más Libros en Predictiva21