| TÃtulo : |
Bayesian Data Analysis for Animal Scientists : The Basics |
| Tipo de documento: |
documento electrónico |
| Autores: |
Blasco, AgustiÌn., |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2017 |
| Número de páginas: |
XVIII, 275 p. 160 ilustraciones, 151 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-319-54274-4 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Idioma : |
Inglés (eng) |
| Palabras clave: |
Agricultura Medicina Veterinaria Biomatemáticas Genética BiometrÃa Ciencia veterinaria BiologÃa Matemática y Computacional Genética y Genómica BioestadÃstica |
| Clasificación: |
630 Agricultura tecnologías relacionadas |
| Resumen: |
En este libro, proporcionamos una introducción sencilla a la inferencia bayesiana utilizando técnicas MCMC, haciendo que la mayorÃa de los temas sean intuitivamente razonables y derivando a los apéndices los asuntos más complicados. El biólogo o el investigador agrÃcola normalmente no tiene experiencia en estadÃstica bayesiana y tiene dificultades para seguir los libros técnicos que introducen las técnicas bayesianas. Las dificultades surgen de la forma de hacer inferencias, que es completamente diferente en la escuela bayesiana, y de las dificultades para comprender cuestiones complicadas como los métodos numéricos MCMC. Comparamos ambas escuelas, la clásica y la bayesiana, subrayando las ventajas de las soluciones bayesianas y proponiendo inferencias basadas en diferencias relevantes, valores garantizados, probabilidades de similitud o el uso de ratios. También ofrecemos una gama de problemas complejos que pueden resolverse utilizando estadÃstica bayesiana y finalizamos el libro explicando las dificultades asociadas a la elección de modelos y el uso de muestras pequeñas. El libro tiene una orientación práctica y utiliza modelos simples para introducir al lector en esta escuela de inferencia cada vez más popular. |
| Nota de contenido: |
Foreword -- Notation -- 1. Do we understand classical statistics? -- 2. The Bayesian choice -- 3. Posterior distributions -- 4. MCMC -- 5. The "baby" model -- 6. The linear model. I. The "fixed" effects model -- 7. The linear model. II. The "mixed" model -- 8. A scope of the possibilities of Bayesian inference + MCMC -- 9. Prior information -- 10. Model choice -- Appendix -- References. |
| Tipo de medio : |
Computadora |
| Summary : |
In this book, we provide an easy introduction to Bayesian inference using MCMC techniques, making most topics intuitively reasonable and deriving to appendixes the more complicated matters. The biologist or the agricultural researcher does not normally have a background in Bayesian statistics, having difficulties in following the technical books introducing Bayesian techniques. The difficulties arise from the way of making inferences, which is completely different in the Bayesian school, and from the difficulties in understanding complicated matters such as the MCMC numerical methods. We compare both schools, classic and Bayesian, underlying the advantages of Bayesian solutions, and proposing inferences based in relevant differences, guaranteed values, probabilities of similitude or the use of ratios. We also give a scope of complex problems that can be solved using Bayesian statistics, and we end the book explaining the difficulties associated to model choice and the use of small samples. The book has a practical orientation and uses simple models to introduce the reader in this increasingly popular school of inference. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
Bayesian Data Analysis for Animal Scientists : The Basics [documento electrónico] / Blasco, AgustiÌn., . - 1 ed. . - [s.l.] : Springer, 2017 . - XVIII, 275 p. 160 ilustraciones, 151 ilustraciones en color. ISBN : 978-3-319-54274-4 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés ( eng)
| Palabras clave: |
Agricultura Medicina Veterinaria Biomatemáticas Genética BiometrÃa Ciencia veterinaria BiologÃa Matemática y Computacional Genética y Genómica BioestadÃstica |
| Clasificación: |
630 Agricultura tecnologías relacionadas |
| Resumen: |
En este libro, proporcionamos una introducción sencilla a la inferencia bayesiana utilizando técnicas MCMC, haciendo que la mayorÃa de los temas sean intuitivamente razonables y derivando a los apéndices los asuntos más complicados. El biólogo o el investigador agrÃcola normalmente no tiene experiencia en estadÃstica bayesiana y tiene dificultades para seguir los libros técnicos que introducen las técnicas bayesianas. Las dificultades surgen de la forma de hacer inferencias, que es completamente diferente en la escuela bayesiana, y de las dificultades para comprender cuestiones complicadas como los métodos numéricos MCMC. Comparamos ambas escuelas, la clásica y la bayesiana, subrayando las ventajas de las soluciones bayesianas y proponiendo inferencias basadas en diferencias relevantes, valores garantizados, probabilidades de similitud o el uso de ratios. También ofrecemos una gama de problemas complejos que pueden resolverse utilizando estadÃstica bayesiana y finalizamos el libro explicando las dificultades asociadas a la elección de modelos y el uso de muestras pequeñas. El libro tiene una orientación práctica y utiliza modelos simples para introducir al lector en esta escuela de inferencia cada vez más popular. |
| Nota de contenido: |
Foreword -- Notation -- 1. Do we understand classical statistics? -- 2. The Bayesian choice -- 3. Posterior distributions -- 4. MCMC -- 5. The "baby" model -- 6. The linear model. I. The "fixed" effects model -- 7. The linear model. II. The "mixed" model -- 8. A scope of the possibilities of Bayesian inference + MCMC -- 9. Prior information -- 10. Model choice -- Appendix -- References. |
| Tipo de medio : |
Computadora |
| Summary : |
In this book, we provide an easy introduction to Bayesian inference using MCMC techniques, making most topics intuitively reasonable and deriving to appendixes the more complicated matters. The biologist or the agricultural researcher does not normally have a background in Bayesian statistics, having difficulties in following the technical books introducing Bayesian techniques. The difficulties arise from the way of making inferences, which is completely different in the Bayesian school, and from the difficulties in understanding complicated matters such as the MCMC numerical methods. We compare both schools, classic and Bayesian, underlying the advantages of Bayesian solutions, and proposing inferences based in relevant differences, guaranteed values, probabilities of similitude or the use of ratios. We also give a scope of complex problems that can be solved using Bayesian statistics, and we end the book explaining the difficulties associated to model choice and the use of small samples. The book has a practical orientation and uses simple models to introduce the reader in this increasingly popular school of inference. |
| Enlace de acceso : |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
|  |
Crear una solicitud de compra Refinar búsqueda
