Introduction to Bayesian Data Analysis and Modeling with R

วิธีการทางสถิติแบบดั้งเดิมมักไม่เพียงพอเมื่อคุณต้องการรวมความรู้เดิมหรือปรับปรุงความเชื่อของคุณเมื่อมีข้อมูลใหม่เข้ามา การวิเคราะห์แบบเบย์นำเสนอทางเลือกที่มีประสิทธิภาพ ช่วยให้คุณประมาณผลลัพธ์เหตุการณ์ที่เป็นไปได้ด้วยความยืดหยุ่นและความแม่นยำที่มากขึ้น หลักสูตรนี้จะแนะนำคุณตั้งแต่แนวคิดพื้นฐานของความน่าจะเป็นไปจนถึงการสร้างและตีความแบบจำลองเบย์แรกของคุณใน R คุณจะเปลี่ยนจากการทำความเข้าใจคำจำกัดความทางสถิติพื้นฐานไปสู่การเขียนสคริปต์ R ที่สะอาดซึ่งคำนวณค่า prior, likelihood และ posterior ทำให้คุณมีกรอบการทำงานที่แข็งแกร่งสำหรับการตัดสินใจเกี่ยวกับข้อมูลในโลกแห่งความเป็นจริง สิ่งที่คุณจะได้เรียนรู้: - เข้าใจความแตกต่างที่สำคัญระหว่างแนวทาง frequentist และ Bayesian ในการอนุมานทางสถิติ - นำทฤษฎีบทของเบย์ไปใช้ในการคำนวณความน่าจะเป็น prior, likelihood และ posterior - เขียนสคริปต์ R เพื่อตั้งค่า รัน และวิเคราะห์แบบจำลองพารามิเตอร์เดี่ยวและ conjugate mixtures - ใช้ RStudio และเวิร์กโฟลว์ R programming สมัยใหม่เพื่อจัดการข้อมูลและจัดโครงสร้างการวิเคราะห์เชิงคำนวณ - ตีความการแจกแจง posterior เพื่อทำการคาดการณ์เชิงความน่าจะเป็นเกี่ยวกับผลลัพธ์เหตุการณ์อย่างมีข้อมูล - นำแนวทางปฏิบัติที่ดีที่สุดสำหรับการวิจัยที่สามารถทำซ้ำได้และการจัดระเบียบโค้ดสมัยใหม่ใน R ไปใช้ หลักสูตรเริ่มต้นด้วยแนวคิดพื้นฐานเกี่ยวกับความน่าจะเป็นและการแนะนำสคริปต์ R เพื่อให้แน่ใจว่าคุณคุ้นเคยกับสภาพแวดล้อมการเขียนโปรแกรม จากนั้นคุณจะก้าวหน้าผ่านแบบจำลองพารามิเตอร์เดี่ยว, conjugate mixtures และเทคนิคการประมาณค่าเชิงปฏิบัติโดยใช้คำอธิบายที่เป็นลายลักษณ์อักษรและการสาธิตโค้ดแบบทีละขั้นตอน หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้น นักวิเคราะห์ข้อมูล และนักวิจัยที่ต้องการเรียนรู้สถิติแบบเบย์ ไม่จำเป็นต้องมีประสบการณ์ R หรือคณิตศาสตร์ขั้นสูงมาก่อน เนื่องจากเราจะสร้างแนวคิดทั้งหมดตั้งแต่ต้น เริ่มต้นการเดินทางสู่การวิเคราะห์ข้อมูลแบบเบย์และปลดล็อกข้อมูลเชิงลึกที่ลึกซึ้งยิ่งขึ้นจากข้อมูลของคุณวันนี้