Bayesian Data Analysis
El texto de referencia sobre estadística bayesiana aplicada, escrito por algunos de sus principales exponentes.
ÁreaProbabilidad y Estadística
TemaEstadística Bayesiana
NivelAvanzado
Publicación1995 (3ª ED. 2013)
Autor(es): Andrew Gelman, John B. Carlin, Hal S. Stern, David B. Dunson, Aki Vehtari, Donald B. Rubin
Versión gratuita disponible¿Qué puedes lograr leyendo este libro?
- Formular y resolver modelos bayesianos complejos con distribuciones previas informativas
- Entender el razonamiento bayesiano completo, desde el modelo hasta la validación posterior
- Aplicar métodos MCMC para estimar distribuciones que no tienen solución analítica
Descripción
Escrito por algunos de los estadísticos bayesianos más influyentes de las últimas décadas, este es el texto de referencia en estadística bayesiana aplicada: cubre desde los fundamentos hasta modelos jerárquicos complejos, con un énfasis constante en la validación práctica del modelo, no solo su formulación teórica.
Para quién es ideal
- Quien ya domina estadística frecuentista y quiere profundizar en el enfoque bayesiano
- Investigadores que necesitan modelos jerárquicos o con incertidumbre compleja
- Complemento avanzado después de una introducción a estadística bayesiana
- Referencia técnica para quienes usan Stan o PyMC en profundidad
Contenido destacado
- Fundamentos de inferencia bayesiana
- Modelos de un parámetro y multiparamétricos
- Modelos jerárquicos y lineales generalizados
- Métodos de simulación (MCMC)
- Chequeo y crítica de modelos bayesianos
Ventajas y limitaciones
Ventajas
- Disponible gratis en PDF desde la página de uno de los autores
- Escrito por referentes absolutos del campo, con enfoque riguroso y aplicado a la vez
- Énfasis fuerte en validar el modelo, no solo ajustarlo
Limitaciones
- Denso y matemáticamente exigente, poco adecuado como primer libro de estadística
- Requiere familiaridad previa tanto con probabilidad como con estadística frecuentista
Libros relacionados
All of Statistics
EstadísticaUn recorrido conciso y riguroso por prácticamente toda la estadística que un científico de datos necesita.
Probabilistic Machine Learning
Machine Learning ProbabilísticoUn tratado moderno y exhaustivo que conecta el machine learning clásico con la perspectiva probabilística actual.