CUATRO NOVEDADES DE MÉTODOS ESTADÍSTICOS DE CAMBRIDGE UNIVERSITY PRESS

BAYESIAN MODELS FOR ASTROPHYSICAL DATA

Using R, JAGS, Python, and Stan

Joseph M. Hilbe (Arizona State University, Tempe, AZ, USA), Rafael S. de Souza (Eötvös Loránd University, Budapest, Hungría), Emille E. O. Ishida (Université Clermont-Auvergne, Francia)

Cambridge, Reino Unido, CAMBRIDGE UNIVERSITY PRESS. ISBN: 9781107133082. 424 págs. Abril de 2017. Encuadernado

PVP EUR 78,40 (4% IVA incluido)

Esta guía proporciona el código software completo para R, JAGS, Python y Stan para descargar. Trata los modelos bayesianos innovadores que avanzan y mejoran la investigación astronómica, también demuestra y permite el uso práctico de modelos en datos astronómicos reales. El enfoque consecuente se centra en el  manejo de la modelización, análisis de datos y las interpretaciones que abordan cuestiones científicas.

 

Extracto del índice:

-Preface

1. Astrostatistics

2. Prerequisites

3. Frequentist vs Bayesian methods

4. Normal linear models

5. GLM part I – continuous and binomial models

6. GLM part II – count models

7. GLM part III – zero-inflated and hurdle models

8. Hierarchical GLMMs

9. Model selection

10. Astronomical applications

11. The future of astrostatistics

-Appendix A. Bayesian modeling using INLA

-Bibliography

-Index

 

FUNDAMENTALS OF NONPARAMETRIC BAYESIAN INFERENCE

Subhashis Ghosal (North Carolina State University, Raleigh, NC. USA), Aad van der Vaart (Universiteit Leiden, Paises Bajos)

Cambridge, Reino Unido, CAMBRIDGE UNIVERSITY PRESS. ISBN: 9780521878265. 656 págs.  Junio de 2017. Encuadernado

PVP EUR 84,95 (4% IVA incluido)

Les ofrecemos el volumen 44 de la serie CAMBRIDGE SERIES IN STATISTICAL AND PROBABILISTIC MATHEMATICS. Podemos enviarles más información sobre otros volúmenes, si así los desean.

El auge de la poderosa computación  ha hecho que los métodos bayesianos para modelos de dimensiones infinitas (bayesiana no paramétrica) un marco casi universal para la inferencia, encontrando uso práctico en numerosas áreas temáticas. Este texto se basa en los avances teóricos de los últimos veinte años para sintetizar todos los aspectos de la bayesiana no paramétrica. Cada capítulo termina con notas históricas y numerosos ejercicios. Libro de interés para estudiantes graduados e investigadores en estadística y aprendizaje automático, así como en econometría y bioestadística.

 

Extracto del índice:

-Preface

-Glossary of symbols

1. Introduction

2. Priors on function spaces

3. Priors on spaces of probability measures

4. Dirichlet processes

5. Dirichlet process mixtures

6. Consistency: general theory

7. Consistency: examples

8. Contraction rates: general theory

9. Contraction rates: examples

10. Adaptation and model selection

11. Gaussian process priors

12. Infinite-dimensional Bernstein–von Mises theorem

13. Survival analysis

14. Discrete random structures

-Appendices

-References

-Author index

-Subject index

 

INTRODUCTION TO DATA SCIENCE FOR SOCIAL AND POLICY RESEARCH

Collecting and Organizing Data with R and Python

Jose Manuel Magallanes Reyes (University of Washington y Pontificia Universidad Católica del Perú)

Cambridge, Reino Unido, CAMBRIDGE UNIVERSITY PRESS. ISBN: 9781107540255. Julio de 2017. Rústica

PVP EUR 36,80  (4% IVA incluido)

Los conjuntos de datos del mundo real son desordenados y complicados. Esta guía facultada pero accesible describe todas las herramientas necesarias para recopilar datos y prepararlos para el análisis. Ofrece instrucciones detalladas, paso a paso, que abarca la recopilación de muchos y diversos tipos de datos.  Asumiendo que no hay conocimiento previo de R y Python, el autor introduce gradualmente los conceptos de programación, utilizando conjuntos de datos reales que proporcionan al lector experiencia práctica y funcional.

 

Extracto del índice:

Part I. Get Started:

1. Introduction

2. Setting up the tools

3. Basics of R and Python

Part II. Collect and Clean:

4. Collecting data

5. Cleaning data

Part III. Format and Storage:

6. Formatting the ‘clean’ data

7. Integrating and storing

 

LONG-RANGE DEPENDENCE AND SELF-SIMILARITY

Vladas Pipiras (University of North Carolina, Chapel Hill, NC, USA), Murad S. Taqqu (Boston University, MA, USA)

Cambridge, Reino Unido, CAMBRIDGE UNIVERSITY PRESS. ISBN: 9781107039469. Abril de 2017. Encuadernado

PVP EUR 94,35  (4% IVA incluido)

Les ofrecemos el volumen 45 de la serie CAMBRIDGE SERIES IN STATISTICAL AND PROBABILISTIC MATHEMATICS. Podemos enviarles más información sobre otros volúmenes, si así los desean.

Esta guía actual y completa comienza con la cobertura rigurosa de los fundamentos, a continuación, pasa a cubrir temas centrales más especializados y actuales de la investigación presente. Texto realizado para los estudiantes de postgrado e investigadores, cada capítulo del libro se complementa con numerosos ejercicios, algunos diseñados para poner a prueba el entendimiento del lector, mientras que otros invitan al lector a considerar algunos de los problemas de investigación abierta en el campo de hoy.

 

Extracto del índice:

-List of abbreviations

-Notation

-Preface

1. A brief overview of times series and stochastic processes

2. Basics of long-range dependence and self-similarity

3. Physical models for long-range dependence and self-similarity

4. Hermite processes

5. Non-central and central limit theorems

6. Fractional calculus and integration of deterministic functions with respect to FBM

7. Stochastic integration with respect to fractional Brownian motion

8. Series representations of fractional Brownian motion

9. Multidimensional models

10. Maximum likelihood estimation methods

-Appendix A. Auxiliary notions and results

-Appendix B. Integrals with respect to random measures

-Appendix C. Basics of Malliavin calculus

-Appendix D. Other notes and topics

-Bibliography

-Index

Comments are closed.