文件名称：Turing-Workshop:使用 Julia 和 Turing 的贝叶斯统计研讨会
文件大小：5.54MB
文件格式：ZIP
更新时间：2024-08-23 15:58:38
julia tutorials turing bayesian-statistics epidemiological-models
与 Julia 和 Turing 的贝叶斯统计研讨会 适合所有人的贝叶斯！ 这是一个关于如何进行贝叶斯统计的研讨会。 该研讨会主要基于上提供的教程。 如果您愿意，可以观看来自录制的研讨会的。 贝叶斯统计是一种基于贝叶斯定理的推论统计方法，其中关于统计模型中参数的可用知识根据观察数据中的信息进行更新。 背景知识表示为先验分布，并以似然函数的形式与观测数据相结合，以确定后验分布。 后验也可用于对未来事件进行预测。 贝叶斯统计与经典推理统计背道而驰，后者禁止关于参数的概率陈述，它基于从理论总体中渐近采样无限样本并找到使似然函数最大化的参数值。 最臭名昭著的是基于p值的零假设显着性检验 (NHST)。 贝叶斯统计通过允许关于参数的概率陈述来包含不确定性（和先验知识），并且参数值推断的过程是贝叶斯定理的直接结果。 $$\underbrace{P(\theta \mid y)} {\tex
【文件预览】：
Turing-Workshop-master
----index.html(18.5MB)
----stan()
--------hmm.stan(1018B)
--------hmm.R(2KB)
----images()
--------HMM.tex(957B)
--------multilevel_models.tex(5KB)
--------bayes-meme.jpg(42KB)
--------SIR.pdf(19KB)
--------HMM.png(15KB)
--------SIR.tex(692B)
--------multilevel_models.png(60KB)
--------BDA_book.jpg(102KB)
--------bayesian_workflow.tex(1KB)
--------SR_book.jpg(139KB)
--------multilevel_models.pdf(28KB)
--------ROS_book.jpg(15KB)
--------HMM.pdf(19KB)
--------Bayes_book.jpg(29KB)
--------bayesian_workflow.png(32KB)
--------bayesian_workflow.pdf(27KB)
--------SIR.png(12KB)
--------profile_pic.jpg(20KB)
----turing()
--------hmm_chain.jlso(614KB)
--------sir.jl(2KB)
--------hmm.jl(2KB)
--------sir_chain.jlso(552KB)
----Turing_Workshop.jl(61KB)
----LICENSE(20KB)
----README.md(9KB)
----data()
--------influenza_england_1978_school.csv(272B)
--------wells.csv(82KB)
----.gitignore(861B)
----CITATION.cff(525B)