Bayes Rules! — 应用贝叶斯建模导论（Chapman & Hall/CRC 统计科学丛书）：https://t.co/nbA6IIvJbo

————— #数据科学家 #数据科学 #推断 #计算科学 #模拟 https://t.co/GnnSej42VV

Amazon.com: Bayes Rules!: 应用贝叶斯建模导论（Chapman & Hall/CRC 统计科学丛书）: 9781032191591: Johnson, Alicia A., Ott, Miles Q., Dogucu, Mine: Books

来源: https://www.amazon.com/dp/1032191597?psc=1&pd_rd_i=1032191597&pd_rd_w=QA9UW&content-id=amzn1.sym.f734d1a2-0bf9-4a26-ad34-2e1b969a5a75&pf_rd_p=f734d1a2-0bf9-4a26-ad34-2e1b969a5a75&pf_rd_r=GNP10ZFBBQWE4KCBKSGR&pd_rd_wg=6e9Z6&pd_rd_r=546b16f2-b8b5-4f19-983f-78e0985cbc43&s=books&sp_csd=d2lkZ2V0TmFtZT1zcF9kZXRhaWw&linkCode=sl1&tag=kirkdborne-20&linkId=2088a507f729264b6dd5da496c8231d2&language=en_US&ref_=as_li_ss_tl

《Bayes Rules!：应用贝叶斯建模导论》书评

“一本深思熟虑且充满趣味的书，是开启贝叶斯分析之旅的绝佳方式。” —— Andrew Gelman，Columbia University

“书中的案例很前沿，甚至许多频率学派的入门书籍都忽略了作者们所讨论的重要话题（比如著名的 p 值之争）。以模拟来帮助理解的设计非常出色。” —— Amy Herring，Duke University

“我由衷地相信，一代学生将会把这本书视为灵感之源，从此使用贝叶斯统计并爱上贝叶斯统计。叙事引人入胜，行文自然流畅——几乎像是在对话。简而言之，这可能是我读过的最引人入胜的统计学入门教材。它天然适合用作应用贝叶斯统计的本科入门课程教材。” —— Yue Jiang，Duke University

“这是我见过的关于如何进行（以及如何教学生进行）贝叶斯建模、并理解其底层数学与计算的最佳著作。作者通过引人入胜的真实案例研究、洞察力深刻的图表和清晰的解释，出色地培养直觉并搭建思维框架。本书的覆盖面很广——从基础构件到分层建模，但作者精心的组织使读者能够顺利地走完这段旅程。令人印象深刻的是，读完本书后，读者便能运行复杂的贝叶斯模型，并真正理解其原因、内容和方法。” —— Paul Roback，St. Olaf College

“作者以引人注目、系统整合、通俗易懂且非教条化的方式，介绍了使用贝叶斯方法进行统计建模。他们勾勒了一个有原则的方法框架，以计算实现和模型评估为核心，并将伦理考量贯穿始终。学生和教师都会发现书中的概念练习和计算练习新颖而引人入胜。” —— Nicholas Horton，Amherst College

“作为’技术性推导’的替代，Bayes Rules! 通过其 bayesrule R 包（该包本身依赖于 rstan），以直觉和模拟为核心（太棒了！）。通过示例学习（书中始终提供 R 代码），本书依次涵盖共轭先验、MCMC（Metropolis-Hasting）方法、回归模型和分层回归模型。考虑到作者设定的有限先修知识要求，这已经相当令人印象深刻了。（我尤其欣赏书中对先验-似然-后验的图示表达，特别是序贯情境下的展示。）” —— Christian Robert，University of Warwick, UK, Xi’an’s OG

“一本深思熟虑且充满趣味的书，是开启贝叶斯分析之旅的绝佳方式。” —— Andrew Gelman，Columbia University

“我喜欢这本书。它是贝叶斯建模的全面入门介绍，包含若干应用代码，帮助读者理解复杂的数学细节……我认为这是对该领域文献的有力补充。” —— Gianluca Baio，University College, London

“太棒了！非常感谢你们做了这样的工作！练习题新颖而富有创意，我会将其中一些融入我的课程中。我很欣赏面向入门级学生的定位和水平。书中的案例很前沿，甚至许多频率学派的入门书籍都忽略了作者们所讨论的重要话题（比如著名的 p 值之争）。以模拟来帮助理解的设计非常出色。” —— Amy Herring，Duke University

“我祝贺并赞扬作者们写出了一本让统计学鲜活起来的教科书。我由衷地相信，一代学生将会把这本书视为灵感之源，从此使用贝叶斯统计并爱上贝叶斯统计。叙事引人入胜，行文自然流畅——几乎像是在对话。简而言之，这可能是我读过的最引人入胜的统计学入门教材。书中篇幅短小但频繁出现的’自测小节’在低压力情境下有效地帮助巩固了学习内容，而作业题目也显然是精心设计的，融合了概念性和应用方法论的练习，有助于巩固学生的理解。我非常享受审阅这本书的过程；阅读它确实是一种愉悦，它天然适合用作应用贝叶斯统计的本科入门课程教材。” —— Yue Jiang，Duke University

“读起来非常有趣！它显然是面向本科生读者的，写作风格也适合水平不太高的本科生……书中有很多能够吸引本科生的案例。它涵盖的方法和途径相当多。对于这个层次的书来说，它的内容已经相当全面了。” —— David Hitchcock，University of South Carolina

“这是一本关于贝叶斯建模的优质教材，写作流畅，侧重回归分析和多层建模。可用于本科或硕士阶段的一学期或两学期贝叶斯统计课程。它在有趣的数据集背景下介绍方法，计算方法采用了当下流行的 MCMC Stan 软件。书中的练习题和自测题数量充足，既适合自学，也适合课堂教学。” —— Jim Albert，Bowling Green University

“我见过的贝叶斯建模书籍都存在关键性的缺陷，导致读者无法真正成为贝叶斯方法的合格实践者——案例过于简单和不切实际，软件介绍过于黑箱化，或者数学和计算细节推进得太快。这是我见过的第一本恰到好处的书——从基本构件入手，但最终能推进到真实的案例研究、培养方法背后的直觉、并对概念进行适当的脚手架式搭建。作者们的工作令人惊叹！” —— Paul Roback，St. Olaf College

“我认为作者通过案例阐述概念、帮助读者（学生）建立贝叶斯推断直觉方面做得很好。各章包含了一些问题，要求读者基于所给信息思考推断问题的可能答案。正式的贝叶斯推断紧随问题之后，并配有足够的解释，帮助读者理解什么样的思维过程可能引导出正确的贝叶斯解答方法。其目标是在教学的同时不断强化读者的直觉。许多案例与当代媒体和社会事务相关，这样的案例很有帮助。” —— Gary Rosner，Johns Hopkins University

“作者以引人注目、系统整合、通俗易懂且非教条化的方式，介绍了使用贝叶斯方法进行统计建模。他们勾勒了一个有原则的方法框架，以计算实现和模型评估为核心，并将伦理考量贯穿始终。学生和教师都会发现书中的概念练习和计算练习新颖而引人入胜。” —— Nick Horton，Amherst College

“这本书为贝叶斯推断和建模提供了非常好的入门介绍。作者通过大量不同的数据集来描述这些主题，并在每章末尾提供了不少练习题。我特别喜欢每一章的结构安排：作者提出一个问题或数据集，然后围绕所引入的数据集展开叙述，并通过贝叶斯推断和建模来解决所提出的问题。全书中也穿插了大量发人深省的问题和练习。此外，作者还讨论了统计建模和推断中的不同伦理问题……我非常喜欢阅读这本书。” —— Virgilio Gomez-Rubio，Universidad de Castilla-la Mancha

“贝叶斯统计无需多言，但真正优秀、可读性强、名副其实的贝叶斯方法入门书籍却不多见。这本书就是其中之一，总的来说，它非常出色……作为入门教材，它做得很好，对于任何对贝叶斯分析感兴趣的人来说都通俗易懂、平易近人。” —— Maia Lesosky，Liverpool School of Tropical Medicine, UK, ISCB, 2022年11月

Alicia Johnson 是明尼苏达州圣保罗市 Macalester College 的统计学副教授。她热衷于探索贝叶斯分析、计算统计以及数据在为我们这个共同世界做出贡献方面的力量，并乐于引导学生接触这些领域。

Miles Ott 是 Johnson & Johnson 旗下 Janssen 制药公司的高级数据科学家。在现任职位之前，他曾在 Carleton College、Augsburg University 和 Smith College 任教。他的研究兴趣包括生物统计学、LGBTQ+ 健康研究、社交网络数据分析以及统计学/数据科学教育。他运营个人博客 milesott.com，并在 Twitter 上分享有关统计学、园艺和他家狗狗的内容。

Mine Dogucu 是 University of California Irvine 统计学系的教学助理教授。她大部分时间都在思考教什么、怎么教以及教学中应使用什么工具。她喜欢交叉女性主义、猫和 R Ladies。她在 Twitter 上分享有关统计学和数据科学教育的内容。