Wir hatten eine Lesung von Einführung in die statistische Modellierung für die Datenanalyse, die als "Midorimoto" bekannt ist. Zu dieser Zeit machte ich ein Lesememo und teilte es. Ich habe es als Jupyter Notebook auf GitHub hochgeladen. Die R- und WinBUGS-Codes im Buch sind so weit wie möglich in Python und Stan geschrieben.
Erstellen Sie ein statistisches Modell, um die Chap1-Daten zu verstehen Kapitel 2 Wahrscheinlichkeitsverteilung und wahrscheinlichste Schätzung des statistischen Modells Chap3 Generalized Linear Model (GLM) -Poisson-Regression Chap4 GLM Model Selection-AIC und Modellvorhersage Chap5 GLM Likelihood Ratio Test und Testasymmetrie Erweiterung des Anwendungsbereichs der Chap6 GLM-Logistic Regression usw. Chap7 Generalized Linear Mixed Model (GLMM) - Modellierung individueller Unterschiede Chap8 Markov Chain Monte Carlo (MCMC) -Methode und Bayesian Statistical Model Bayes-Modellierung von Chap9 GLM und Schätzung der posterioren Verteilung Kapitel 10 Hierarchisches Bayes-Modell - GLMM Bayes-Modell Chap11 Hierarchical Bayes-Modell mit räumlicher Struktur
Offizieller Name Einführung in die statistische Modellierung für die Datenanalyse. Es heißt grünes Buch, weil das Cover grün ist. Ein Einführungsbuch zur statistischen Modellierung (eine Methode zur Erstellung eines Modells und zur Anwendung auf Beobachtungsdaten, um das Phänomen zu verstehen). Ich denke, dass es oft in TJOs Blog-Artikel vorgestellt wird. Nach dem Vorwort soll der Leser "eine Person sein, die keine Grundausbildung erhalten hat, um" mathematische Modelle mit Phänomenen auszudrücken und zu erklären ".
Normalerweise berühre ich die Daten, streue sie in Excel und zeichne eine ungefähre Kurve, aber ich weiß nicht, was ich tue, deshalb dachte ich, es wäre gut, sie zu lesen. Persönlich fühlte ich eine schwierige Atmosphäre auf dem Cover und dem Titel des Buches, also zögerte ich, es zu lesen, aber als ich es las, wurde es, wie der Name "Einführung" andeutet, auf eine sehr leicht verständliche Weise geschrieben. .. Anstatt mit dem Studium an der Einführung in die Statistik an der Universität Tokio (Akamoto) zu beginnen, halte ich es für besser, nach dem Verständnis des Flusses der statistischen Modellierung im Grünbuch zu lesen. Ich bin.
In dem Buch wird die Erklärung mit R erweitert, aber es gibt viele Codes, die in Python im Netz geschrieben sind, und ich denke, dass es möglich ist, sie in Python auszuführen, indem man sich darauf bezieht. (Vielen Dank, dass Sie sich auf viele Websites bezogen haben.) Wenn die Beispieldaten im RData-Format vorliegen, muss sie möglicherweise in R in CSV konvertiert werden. Sie können auch in Stan geschriebenen Code anstelle von WinBUGS-Code sehen.
Ab den Kapiteln 5 und 6 kann es schwierig werden, aber ich denke, es ist ein gutes Buch, also lesen Sie es bitte!
Recommended Posts