圖書標籤: 貝葉斯  認知科學  行為科學  統計學  數學  心理學  rstats   

喜歡 Bayesian Statistics for the Social Sciences 的讀者還喜歡

去年齣版即刻入手，主題為貝葉斯建模方法在社會科學中的使用，編程環境為R。此書從基本概念到假設檢驗與綫性模型，再到高級的多層次和潛變量建模，最後一章還討論瞭相應的哲學與數學領域就貝葉斯方法的爭論，可謂比較全麵，書中的應用例子都是取自社會科學範疇且提供程序代碼，是認知科學中計算機建模方法的優秀參考書。要說缺點大緻是在基礎部分中的難度跳躍性有些大，導緻對貝葉斯有關知識缺乏的人無法真正用此書來入門，這應該是由於整本書頁書隻有300不到有關，由此使得必須先閱讀其它更適閤入門的貝葉斯書籍，如Bayesian Reasoning and Machine Learning一書。

去年齣版即刻入手，主題為貝葉斯建模方法在社會科學中的使用，編程環境為R。此書從基本概念到假設檢驗與綫性模型，再到高級的多層次和潛變量建模，最後一章還討論瞭相應的哲學與數學領域就貝葉斯方法的爭論，可謂比較全麵，書中的應用例子都是取自社會科學範疇且提供程序代碼，是認知科學中計算機建模方法的優秀參考書。要說缺點大緻是在基礎部分中的難度跳躍性有些大，導緻對貝葉斯有關知識缺乏的人無法真正用此書來入門，這應該是由於整本書頁書隻有300不到有關，由此使得必須先閱讀其它更適閤入門的貝葉斯書籍，如Bayesian Reasoning and Machine Learning一書。

去年齣版即刻入手，主題為貝葉斯建模方法在社會科學中的使用，編程環境為R。此書從基本概念到假設檢驗與綫性模型，再到高級的多層次和潛變量建模，最後一章還討論瞭相應的哲學與數學領域就貝葉斯方法的爭論，可謂比較全麵，書中的應用例子都是取自社會科學範疇且提供程序代碼，是認知科學中計算機建模方法的優秀參考書。要說缺點大緻是在基礎部分中的難度跳躍性有些大，導緻對貝葉斯有關知識缺乏的人無法真正用此書來入門，這應該是由於整本書頁書隻有300不到有關，由此使得必須先閱讀其它更適閤入門的貝葉斯書籍，如Bayesian Reasoning and Machine Learning一書。

去年齣版即刻入手，主題為貝葉斯建模方法在社會科學中的使用，編程環境為R。此書從基本概念到假設檢驗與綫性模型，再到高級的多層次和潛變量建模，最後一章還討論瞭相應的哲學與數學領域就貝葉斯方法的爭論，可謂比較全麵，書中的應用例子都是取自社會科學範疇且提供程序代碼，是認知科學中計算機建模方法的優秀參考書。要說缺點大緻是在基礎部分中的難度跳躍性有些大，導緻對貝葉斯有關知識缺乏的人無法真正用此書來入門，這應該是由於整本書頁書隻有300不到有關，由此使得必須先閱讀其它更適閤入門的貝葉斯書籍，如Bayesian Reasoning and Machine Learning一書。

去年齣版即刻入手，主題為貝葉斯建模方法在社會科學中的使用，編程環境為R。此書從基本概念到假設檢驗與綫性模型，再到高級的多層次和潛變量建模，最後一章還討論瞭相應的哲學與數學領域就貝葉斯方法的爭論，可謂比較全麵，書中的應用例子都是取自社會科學範疇且提供程序代碼，是認知科學中計算機建模方法的優秀參考書。要說缺點大緻是在基礎部分中的難度跳躍性有些大，導緻對貝葉斯有關知識缺乏的人無法真正用此書來入門，這應該是由於整本書頁書隻有300不到有關，由此使得必須先閱讀其它更適閤入門的貝葉斯書籍，如Bayesian Reasoning and Machine Learning一書。