麵嚮生態學數據的貝葉斯統計：層次模型、算法和R編程 [Statistical Computation for Environmental Sciences in R: Lab Manual for M 下載 mobi epub pdf 電子書 2024

☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

適讀人群 ：生態學研究人員
《麵嚮生態學數據的貝葉斯統計:層次模型、算法和R編程》涵蓋方法引論與實驗分析應用兩部分，針對多個時空尺度，介紹瞭適閤於生態學數據的統計推斷方法和層次模型，涉及經典頻率論和貝葉斯統計的模型、算法和具體編程。

內容簡介

　　《麵嚮生態學數據的貝葉斯統計：層次模型、算法和R編程》適用於生態學和環境科學專業的研究生和科研人員，可作為實驗和觀測數據分析的教材或參考書。具有一定概率論和貝葉斯統計基礎及統計軟件R應用編程技術的人員，對於理解和應用本書所涉及的相關方法是必要的。
　　作為統計學的兩大分支，頻率論和貝葉斯統計創立的時間相差無幾，但貝葉斯統計直到近10年纔被逐步引進到生態學數據分析。本書涵蓋方法引論與實驗分析應用兩部分，針對多個時空尺度，介紹瞭適閤於生態學數據的統計推斷方法和層次模型，涉及經典頻率論和貝葉斯統計的模型、算法和具體編程。首先闡述廠生態學數據的層次結構和時空變異性，以及頻率論和貝葉斯統計。然後介紹貝葉斯推斷的基礎概念、分析框架和算法原理；並進一步針對生態學層次模型、時間序列及時空復閤格局數據依次展開分析模擬。在應用操作部分，配閤方法部分的各章內容介紹基於R的算法與編程實踐。最後本書還附錄瞭與生態學數據密切相關的頻率論與貝葉斯統計的基礎知識。

作者簡介

剋拉剋，美國人，國際知名生態學，譯者瀋澤昊，北京大學，生態學傢。

內頁插圖

目錄

中譯本序
譯者序
原書前言
上篇 麵嚮生態學數據的模型：引論
第Ⅰ部分 引言
第1章 關聯中的模型
1．1 自然界和模型中的復雜性與隱蔽性
1．2 建立聯係：數據、推斷和決策
1．3 模型二元素：已知和未知
1．4 利用模型學習：假設與量化
1．5 估計與嚮前擬閤
1．6 統計實用主義
第2章 模型要素：應用子種群增長
2．1 模型和數據實例
2．2 模型狀態和時間
2．3 未知的隨機性
2．4 過程模型的更多背景
第Ⅱ部分 推斷的要素
第3章 點估計：最大似然法和矩法
3．1 引言
3．2 似然
3．3 二項分布
3．4 結閤二項分布和指數分布
3．5 正態分布的最大似然估計
3．6 種群增長
3．7 應用：結實性
3．8 生存分析的最大似然法
3．9 設計矩陣
3．10 最大似然估計的數值方法
3．11 矩配對
3．12 常見的抽樣分布與擴散
3．13 假設和下一步
第4章 貝葉斯方法的要素
4．1 貝葉斯方法
4．2 正態分布
4．3 主觀概率與先驗的作用
第5章 置信包絡和預測區間
5．1 經典的區間估計
5．2 貝葉斯可信區間
5．3 多參數的似然剖麵
5．4 幾個參數的置信區間：綫性迴歸
5．5 用哪一個置信包絡呢？
5．6 預測區間
5．7 不確定性和變異性
5．8 何時采用貝葉斯統計？
第6章 模型的評價與選擇
6．1 利用統計來評價模型
6．2 假設檢驗的作用
6．3 嵌套模型
6．4 經典模型選擇的附加討論
6．5 貝葉斯模型評價
6．6 關於貝葉斯模型評價的其他思考
第III部分 大型模型
第7章 貝葉斯計算方法：模擬工具簡介
7．1 通過模擬得到後驗
7．2 一些基本模擬技術
7．3 馬爾可夫鏈濛特卡羅模擬
7．4 應用：迴歸的貝葉斯分析
7．5 利用MCMC
7．6 貝葉斯模型選擇的計算
7．7 響應變量的先驗
7．8 基礎知識介紹完畢
第8章 層次結構解析
8．1 背景的層次模型
8．2 混閤綫性模型和廣義綫性模型
8．3 應用：對CO2的生長響應
8．4 基於條件的思考
8．5 有關樹木的兩個應用
……
第Ⅳ部分 高級模型
附錄A 泰勒級數
附錄B 微分和差分方程的注釋
附錄C 基礎矩陣代數
附錄D 概率模型
附錄E 基本生活史
附錄F 常見分布
附錄G 常用的似然-先進共軛組閤
下篇 基於R的環境科學統計計算
參考文獻
術語錶

精彩書摘

　　第1章 關聯中的模型
　　1．1 自然界和模型中的復雜性與隱蔽性
　　本書是關於數據與模型的，以此來幫助人們預測並加深對模型的理解。這兩個目標是互補的，二者均涉及推斷，其中模型分析可以采用預測性分布的形式給齣。對於環境科學傢來講，自然界和被人類管理的係統都是高維度的，即很多彼此關聯的因素同時在起作用（Levin 1998；Clark 2005；Clark and Gelfand 2006a）。自然界在很大程度上是不可測、不可觀察的，或二者兼具，並在很大程度上難以操縱。麵對模糊、復雜和無法控製的過程，環境科學傢早就意識到簡化的必要性（Schaffer 1981；Caswell 1988）。理論傢和實驗派都試圖從自然中提取齣重要的關係，使之能夠在可控的條件下得到研究。生態學傢們構建隻包含少數變量和參數的模型，他們還設計齣隻有少數幾種處理的實驗。
　　但是，理論和實驗的如此簡化導緻將那些分析生態學模型的人與收集數據並從中推斷的人隔離開來。這一分隔使得用數據來檢驗理論和以適宜的方式來模擬數據變得睏難起來（如Oreskes et a1．1994）。本書的目標就是介紹有助於緩解這種隔離的數據分析方法，從基於傳統過程和統計模型的概念開始，直至允許深層整閤的現代技術。本章將從一些背景知識開始。
　　1．1．1 為什麼生態模型是低維度的？
　　試圖從一個過程中提煉齣重要的特徵是所有科學領域的重要組成部分。從概念（理論）角度來說，這種提煉經由隻包含幾個變量和參數的過程模型來實現。高維過程模型是難以得到解析解的，如果不簡化這些模型，我們就無法得到變量間的明晰關係。此外，復雜的過程模型難以在其發展形成的條件之外使用。如果我們能夠提煉關鍵要素，以此發展一個簡單的模型來分析，或許能讓我們理解其過程的行為與機理．
　　這種簡化需要以數學方式來錶達係統，而生態學數據通常不能滿足其要求的假設。一般來講，理論學傢們錶達的過程可能是普適的，但難以適用於某個具體地方。從理論與現實世界之間的復雜性差異來看，數學模型經常被認為與現實毫不相關是不足為奇的（如Simberloff 1980）。在我十多年的數學模型教學經驗中，生態學教科書裏描述的基本模型能直接應用於生態數據的情況屈指可數。關於模型，關聯性可能是以可解性為代價的。
　　……

前言/序言

麵嚮生態學數據的貝葉斯統計：層次模型、算法和R編程 [Statistical Computation for Environmental Sciences in R: Lab Manual for M 下載 mobi epub pdf txt 電子書 格式

評分☆☆☆☆☆

評分☆☆☆☆☆

書籍包括模型、計算原理和R語言編程，好

評分☆☆☆☆☆

評分☆☆☆☆☆

沒有看呢，也沒有豆子哦！哼哼，不好哦玩！

評分☆☆☆☆☆

幫彆人買的，據說不錯

評分☆☆☆☆☆

質量很好，一直信賴京東！嚮朋友推薦瞭！

評分☆☆☆☆☆

非常實用的一本書

評分☆☆☆☆☆

可以

評分☆☆☆☆☆

難瞭點，但是翻譯的很不錯

類似圖書 點擊查看全場最低價