社会科学のための応用ベイズ統計・ベイズ推定法入門 Introduction to Applied Bayesian Statistics and Estimation for Social Scientists

ホーム
> 洋書
> ドイツ書
> Social Sciences, Jurisprudence & Economy
> Politics, Society, Work
> general surveys & lexicons

社会科学のための応用ベイズ統計・ベイズ推定法入門<br>Introduction to Applied Bayesian Statistics and Estimation for Social Scientists

個数：

社会科学のための応用ベイズ統計・ベイズ推定法入門
Introduction to Applied Bayesian Statistics and Estimation for Social Scientists

Lynch, S. M.

ウェブストア価格 ¥41,674（本体¥37,886）
Springer（2007/08発売）
外貨定価 US$ 199.99
ポイント 378pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 400 p.
商品コード 9780387712642

基本説明

Covers models that are most commonly used in social science research - including the linear regression model, generalized linear models, hierarchical models, and multivariate regression models - and it thoroughly develops each real-data example in painstaking detail.

Full Description

"Introduction to Applied Bayesian Statistics and Estimation for Social Scientists" covers the complete process of Bayesian statistical analysis in great detail from the development of a model through the process of making statistical inference. The key feature of this book is that it covers models that are most commonly used in social science research - including the linear regression model, generalized linear models, hierarchical models, and multivariate regression models - and it thoroughly develops each real-data example in painstaking detail.

The first part of the book provides a detailed introduction to mathematical statistics and the Bayesian approach to statistics, as well as a thorough explanation of the rationale for using simulation methods to construct summaries of posterior distributions. Markov chain Monte Carlo (MCMC) methods - including the Gibbs sampler and the Metropolis-Hastings algorithm - are then introduced as general methods for simulating samples from distributions. Extensive discussion of programming MCMC algorithms, monitoring their performance, and improving them is provided before turning to the larger examples involving real social science models and data.

Probability Theory and Classical Statistics.- Basics of Bayesian Statistics.- Modern Model Estimation Part 1: Gibbs Sampling.- Modern Model Estimation Part 2: Metroplis-Hastings Sampling.- Evaluating Markov Chain Monte Carlo Algorithms and Model Fit.- The Linear Regression Model.- Generalized Linear Models.- to Hierarchical Models.- to Multivariate Regression Models.- Conclusion.