Bayesian Data Analysis /
Contenido: I. Fundamentos de la inferencia bayesiana: 1. Probabilidad e inferencia; 2. Modelos de un solo parámetro; 3. Introducción a los modelos multiparamétricos; 4. Asintótica y conexiones a acercamientos no bayesianos; 5. Modelos jerárquicos: II. Fundamentos del análisis de datos bayesiano: 6....
Gorde:
| Beste egile batzuk: | |
|---|---|
| Formatua: | Liburua |
| Hizkuntza: | ingelesa |
| Argitaratua: |
Boca Ratón, EUA :
Chapman and Hall : CRC Press,
2013, c2013
|
| Edizioa: | 3a edición |
| Gaiak: | |
| Etiketak: |
Etiketarik gabe, Izan zaitez lehena erregistro honi etiketa jartzen!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000380666 | ||
| 005 | 20250521000000.0 | ||
| 009 | 20260310120614.856 | ||
| 020 | |a 978-1-4398-4095-5 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ING | ||
| 082 | |a 519. 542 |b BAY | ||
| 245 | 0 | 0 | |a Bayesian Data Analysis / |c A. Gelman... [et al.] |
| 250 | |a 3a edición | ||
| 264 | 4 | |a Boca Ratón, EUA : |b Chapman and Hall : |b CRC Press, |c 2013, c2013 | |
| 300 | |a XIV, 667 p. | ||
| 336 | |a texto |b txt |2 rdacontenido | ||
| 337 | |a sin mediación |b n |2 rdamedio | ||
| 338 | |a volumen |b nc |2 rdasoporte | ||
| 520 | |a Contenido: I. Fundamentos de la inferencia bayesiana: 1. Probabilidad e inferencia; 2. Modelos de un solo parámetro; 3. Introducción a los modelos multiparamétricos; 4. Asintótica y conexiones a acercamientos no bayesianos; 5. Modelos jerárquicos: II. Fundamentos del análisis de datos bayesiano: 6. Verificación del modelo; 7. Evaluación, comparación y expansión de modelos; 8. Modelado de la contabilidad para la recolección de datos; 9. Análisis para decidir; III. Computación avanzada: 10. Introducción a la computación bayesiana; 11. Fundamentos de la simulación de la cadena de Markov; 12. Simulación de la cadena de Markov computacionalmente eficiente; 13. Aproximaciones modales y distributivas; IV. Modelos de regresión: 14. Introducción a los modelos de regresión; 15. Modelos lineales jerárquicos; 16. Modelos lineales generalizados; 17. Modelos para la inferencia robusta; 18. Modelos para datos faltantes; V. Modelos no lineales y no paramétricos: 19. Modelos paramétricos no lineales; 20. Modelos de funciones básicas; 21. Modelos de procesos gaussianos; 22. Modelos mixtos finitos; 23. Modelos de procesos de Dirichlet. | ||
| 521 | |a 2018 BO Maestría en Ciencia de Datos | ||
| 649 | |a XX | ||
| 650 | |a Análisis de Datos - |x Tema Principal | ||
| 650 | |a Análisis Numérico | ||
| 650 | |a Análisis Estadístico | ||
| 650 | |a Modelos Matemáticos | ||
| 650 | |a Estadística Bayesiana - |x Tema Principal | ||
| 650 | |a Probabilidad | ||
| 650 | |a Matemáticas | ||
| 700 | |a Gelman, Andrew |e (autor) | ||
| 910 | |a Fondo General | ||
| 920 | |a Impresos - Libros | ||
| 930 | |a Colección General | ||
| 905 | |a 101 | ||
| 901 | |a 0500275356 |b IT1 |c ACC |i C151974 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000380666 | ||