Umfang:
1 Online-Ressource (XII, 169 p. 82 illus., 70 illus. in color.)
ISBN:
9783030828080
Serie:
Springer eBook Collection
Inhalt:
Uncertainty and Decisions -- Prior and Likelihood Representation -- Graphical Modeling -- Parametric Models -- Computational Inference -- Bayesian Software Packages -- Model choice -- Linear Models -- Nonparametric Models -- Nonparametric Regression -- Clustering and Latent Factor Models -- Conjugate Parametric Models.
Inhalt:
These lecture notes provide a rapid, accessible introduction to Bayesian statistical methods. The course covers the fundamental philosophy and principles of Bayesian inference, including the reasoning behind the prior/likelihood model construction synonymous with Bayesian methods, through to advanced topics such as nonparametrics, Gaussian processes and latent factor models. These advanced modelling techniques can easily be applied using computer code samples written in Python and Stan which are integrated into the main text. Importantly, the reader will learn methods for assessing model fit, and to choose between rival modelling approaches. .
Weitere Ausg.:
ISBN 9783030828073
Weitere Ausg.:
ISBN 9783030828097
Weitere Ausg.:
ISBN 9783030828103
Weitere Ausg.:
Erscheint auch als Druck-Ausgabe ISBN 9783030828073
Weitere Ausg.:
Erscheint auch als Druck-Ausgabe ISBN 9783030828097
Weitere Ausg.:
Erscheint auch als Druck-Ausgabe ISBN 9783030828103
Sprache:
Englisch
DOI:
10.1007/978-3-030-82808-0
