روش‌های رگرسیون بیزی و فراوانی‌گرایانه
Bayesian and Frequentist Regression Methods
روش‌های رگرسیون بیزی و فراوانی‌گرایانه
در 25 سال گذشته پیشرفت های زیادی در روش های بیزی و فراوانی برای تجزیه و تحلیل داده ها دیده شده است. مهم‌ترین پیشرفت برای رویکرد بیزی، برآورد انتظارات با توجه به پسین با به‌کارگیری توسعه روش‌های مونت کارلوی زنجیره مارکوف بوده است، از این رو امکان استنتاج انعطاف‌پذیر و اجرای معمول را برای طیف گسترده‌ای از مدل‌ها فراهم می‌کند. به ویژه، این توسعه منجر به استفاده گسترده تر از مدل های سلسله مراتبی برای داده های وابسته شده است.
با توجه به روش‌های فراوان‌گرا، توابع برآوردیاب به عنوان یک رویکرد واحد برای تعیین ویژگی‌های برآوردگرها پدیدار شده‌اند. معادلات برآوردیاب تعمیم یافته مثال مهمی از این روش است که امکان استنتاج برای داده های وابسته را فراهم می کند.
هدف این کتاب ارائه توصیفی مدرن از روش‌های بیزی و فراوانی تحلیل رگرسیون و نشان دادن استفاده از این روش‌ها بر روی داده‌های واقعی است. برخی از فصول این کتاب عبارتند از:
استنباط فراوانی‌گرایانه
استنباط بیزی
آزمون فرض و انتخاب متغیر
مدل‌های خطی
مدل‌های رگرسیون تعمیم یافته
مدل‌های داده‌های دودوئی یا باینری
دیدگاهتان را بنویسید