Nous avons eu une session de lecture de Introduction à la modélisation statistique pour l'analyse des données, qui est connue sous le nom de "Midorimoto". À ce moment-là, j'ai fait une note de lecture et je la partage. Je l'ai téléchargé en tant que bloc-notes Jupyter sur GitHub. Les codes R et WinBUGS du livre sont autant que possible écrits en Python et Stan.
Créer un modèle statistique pour comprendre les données Chap1 Distribution de probabilité Chap2 et estimation la plus probable du modèle statistique Modèle linéaire généralisé Chap3 (GLM) - Régression de Poisson Chap4 GLM Model Selection-AIC and Model Prediction Test du rapport de vraisemblance Chap5 GLM et test de l'asymétrie Élargissement de la gamme d'applications de la régression Chap6 GLM-Logistic, etc. Modèle mixte linéaire généralisé Chap7 (GLMM) - Modélisation des différences individuelles Méthode de Monte Carlo en chaîne de Markov Chap8 (MCMC) et modèle statistique bayésien Modélisation Bayes du Chap9 GLM et estimation de la distribution postérieure Chap10 Hierarchical Bayes Model-GLMM Bayes Model Modèle de Bayes hiérarchique Chap11 avec structure spatiale
Nom officiel, Introduction à la modélisation statistique pour l'analyse des données. Cela s'appelle un livre vert car la couverture est verte. Un livre d'introduction à la modélisation statistique (une méthode pour créer un modèle et l'appliquer à des données d'observation pour comprendre le phénomène). Je pense qu'il est souvent introduit dans l'article du blog de TJO. Selon la préface, le lecteur est censé être "une personne qui n'a pas reçu de formation de base pour" exprimer et expliquer des modèles mathématiques avec des phénomènes "."
Je touche généralement les données, je les disperse dans Excel et je dessine une courbe approximative, mais je ne sais pas ce que je fais, alors j'ai pensé qu'il serait bon de la lire. Personnellement, j'ai ressenti une atmosphère difficile à partir de la couverture et du titre du livre, j'ai donc hésité à le lire, mais au fur et à mesure que je le lisais, comme le suggère le nom «Introduction», il a été rédigé de manière très simple à comprendre. .. Plutôt que de commencer à étudier depuis Introduction aux statistiques à l'Université de Tokyo (Akamoto), je pense qu'il peut être préférable de lire après avoir compris le flux de la modélisation statistique avec Midorimoto. Je suis.
Dans le livre, j'utilise R pour l'explication, mais il existe de nombreux codes écrits en Python sur le net, et je pense qu'il est possible de l'exécuter en Python à portée de main si vous vous référez à cela. (Merci d'avoir fait référence à de nombreux sites.) Si les exemples de données sont au format RData, il peut être nécessaire de les convertir en CSV sur R. Vous pouvez également voir le code écrit en Stan au lieu du code WinBUGS.
Cela peut devenir difficile à partir des chapitres 5 et 6, mais je pense que c'est un bon livre, alors lisez-le!
Recommended Posts