Título :	An Introduction to Bayesian Inference, Methods and Computation
Tipo de documento:	documento electrónico
Autores:	Heard, Nick, Autor
Mención de edición:	1 ed.
Editorial:	[s.l.] : Springer
Fecha de publicación:	2021
Número de páginas:	XII, 169 p. 82 ilustraciones, 70 ilustraciones en color.
ISBN/ISSN/DL:	978-3-030-82808-0
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Estadísticas  Investigación cuantitativa  Inferencia bayesiana  Estadística y Computación  Análisis de datos y Big Data
Índice Dewey:	519.542
Resumen:	Estas notas de clase proporcionan una introducción rápida y accesible a los métodos estadísticos bayesianos. El curso cubre la filosofía y los principios fundamentales de la inferencia bayesiana, incluido el razonamiento detrás de la construcción del modelo previo/de probabilidad sinónimo de los métodos bayesianos, hasta temas avanzados como los no paramétricos, los procesos gaussianos y los modelos de factores latentes. Estas técnicas de modelado avanzadas se pueden aplicar fácilmente utilizando ejemplos de código informático escritos en Python y Stan que están integrados en el texto principal. Es importante destacar que el lector aprenderá métodos para evaluar el ajuste del modelo y elegir entre enfoques de modelado rivales. .
Nota de contenido:	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.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

An Introduction to Bayesian Inference, Methods and Computation [documento electrónico] / Heard, Nick, Autor  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XII, 169 p. 82 ilustraciones, 70 ilustraciones en color.
ISBN : 978-3-030-82808-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Estadísticas  Investigación cuantitativa  Inferencia bayesiana  Estadística y Computación  Análisis de datos y Big Data
Índice Dewey:	519.542
Resumen:	Estas notas de clase proporcionan una introducción rápida y accesible a los métodos estadísticos bayesianos. El curso cubre la filosofía y los principios fundamentales de la inferencia bayesiana, incluido el razonamiento detrás de la construcción del modelo previo/de probabilidad sinónimo de los métodos bayesianos, hasta temas avanzados como los no paramétricos, los procesos gaussianos y los modelos de factores latentes. Estas técnicas de modelado avanzadas se pueden aplicar fácilmente utilizando ejemplos de código informático escritos en Python y Stan que están integrados en el texto principal. Es importante destacar que el lector aprenderá métodos para evaluar el ajuste del modelo y elegir entre enfoques de modelado rivales. .
Nota de contenido:	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.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i