Bayesianische Modellierung und Berechnung in Python ist ein kostenloses, im Web gehostetes Lehrbuch von Osvaldo A. Martin, Ravin Kumar und Junpeng Lao, veröffentlicht bei Chapman & Hall/CRC. Es vermittelt bayesianische statistische Modellierung und Berechnung durch praxisnahe, codegetriebene Beispiele, die auf dem Ökosystem der probabilistischen Programmierung in Python aufbauen, hauptsächlich PyMC, ArviZ und Bambi.
Das Buch umfasst 11 Kapitel, die von grundlegenden Ideen – bayesianische Inferenz, explorative Analyse bayesianischer Modelle und lineare Modelle – zu spezialisierteren Techniken wie Splines, Zeitreihenanalyse, bayesianische additive Regressionsbäume, approximative bayesianische Berechnung und durchgängige Workflows der probabilistischen Programmierung übergehen.
Für wen es gedacht ist
Diese Ressource eignet sich für Praktiker, Datenwissenschaftler und Studierende, die bereits über Hintergrundwissen in Statistik und Python verfügen und einen praktischen, implementationsorientierten Einstieg in bayesianische Methoden suchen. Sie funktioniert sowohl als strukturierter Kurs zum vollständigen Durcharbeiten als auch als Nachschlagewerk für spezifische Modellierungstechniken.
Der vollständige Text ist online kostenlos unter einer Creative-Commons-Lizenz verfügbar, mit begleitendem Code, der separat veröffentlicht und für die Kompatibilität mit aktuellen Bibliotheksversionen aktuell gehalten wird.