以R和Stan为工具，循序渐进地教授贝叶斯数据分析的全过程，从基础回归到多层模型，实践性强。
John K. Kruschke
AI 基于《Doing Bayesian Data Analysis》公开内容模拟 John K. Kruschke 的思想回答，不代表本人立场。 重要决策请回到原书或专业意见。
选一个开始，或直接输入自己的问题
或直接问 John K. Kruschke
贝叶斯方法提供完整的参数不确定性
先验选择需结合领域知识
模型检查与比较至关重要
还没有笔记，成为第一个分享感悟的人
文明讨论。广告、人身攻击、无关内容会被隐藏。新账号评论需审核后公开。
以R和Stan为工具，循序渐进地教授贝叶斯数据分析的全过程，从基础回归到多层模型，实践性强。
以上是《Doing Bayesian Data Analysis》（John K. Kruschke著）的核心观点AI解读。点击上方「与作者对话」，可以直接向John K. Kruschke提问，深入了解这本书。