Statistica bayesiana: tecniche e modelli

Descrizione

Questo è il secondo di una sequenza di due corsi che introduce i fondamenti della statistica bayesiana. Si basa sul corso Bayesian Statistics: From Concept to Data Analysis, che introduce i metodi bayesiani attraverso l'uso di semplici modelli coniugati. I dati del mondo reale spesso richiedono modelli più sofisticati per giungere a conclusioni realistiche. Questo corso mira ad espandere la nostra "cassetta degli attrezzi bayesiana" con modelli più generali e tecniche computazionali per adattarli. In particolare, introdurremo i metodi Monte Carlo (MCMC) della catena Markov, che consentono il campionamento da distribuzioni posteriori che non hanno soluzione analitica. Utilizzeremo il software open source R liberamente disponibile (si presume una certa esperienza, ad esempio, il completamento del corso precedente in R) e JAGS (nessuna esperienza richiesta). Impareremo come costruire, adattare, valutare e confrontare modelli statistici bayesiani per rispondere a domande scientifiche che coinvolgono dati continui, binari e di conteggio. Questo corso combina video di lezioni, dimostrazioni al computer, letture, esercizi e forum di discussione per creare un'esperienza di apprendimento attiva. Le lezioni frontali forniscono alcuni degli sviluppi matematici di base, spiegazioni sul processo di modellizzazione statistica e alcune tecniche di modellizzazione di base comunemente utilizzate dagli statistici. Le dimostrazioni al computer forniscono procedure concrete e pratiche. Il completamento di questo corso ti darà accesso a una vasta gamma di strumenti analitici bayesiani, personalizzabili per i tuoi dati.

Prezzo: Iscriviti gratuitamente!

Lingua: Inglese

Sottotitoli: Inglese

Statistica bayesiana: tecniche e modelli - Università della California, Santa Cruz