数据分析的贝叶斯方法提供了一种使用概率论处理所有观测、模型参数和模型结构中的不确定性的强大方法。概率编程语言使指定和拟合贝叶斯模型变得更容易,但这仍然给我们留下了许多关于构建、评估和使用这些模型的选择,以及计算中的许多剩余挑战。使用贝叶斯推理解决现实世界的问题不仅需要统计技能、主题知识和编程,还需要了解在数据分析过程中所做的决策。所有这些方面都可以理解为应用贝叶斯统计的复杂工作流程的一部分。除了推理,该工作流程还包括迭代模型构建、模型检查、计算问题的验证和故障排除、模型理解和模型比较。我们在几个例子的背景下回顾了工作流的所有这些方面,记住在实践中,我们将为任何给定的问题拟合许多模型,即使只有其中的一个子集最终与我们的结论相关。
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“BW75” 就可以获取《什么是贝叶斯workflow?牛津大学最新《贝叶斯工作流》教程及论文,附75页Slides与视频》专知下载链接