O conceito de probabilidade da estatística tradicionalmente ministrada em cursos de graduação nem sempre se aplica a cenários confrontados por pesquisadores das áreas de biologia, ecologia, engenharias ambiental e de pesca, oceanografia, entre outras. Neste livro é apresentada a estatística sob o prisma bayesiano. Na estatística bayesiana o conceito de probabilidade é próximo do entendimento intuitivo que a maioria dos leigos tem sobre o tema. Com isso a compreensão de procedimentos estatísticos é facilitada reduzindo a necessidade de memorizar equações e soluções algébricas. Muitas soluções da estatística convencional surgem como casos particulares da abordagem bayesiana que, por ser mais genérica, é também aplicável a cenários para os quais a estatística convencional se mostra inadequada. Não é, portanto, nenhuma surpresa, que a estatística bayesiana está despertando interesse crescente, particularmente nas ciências ambientais e da saúde.
Além do cuidado com o desenvolvimento teórico dos temas, o livro, repleto de exemplos e exercícios, também dá atenção ao desenvolvimento prático, com material suficiente para habilitar os leitores a reproduzirem todas as análises efetuadas no decorrer dos capítulos. Os códigos computacionais de cálculo são disponibilizados diretamente no texto e em uma página da internet que também contém um gabarito com o desenvolvimento completo das soluções de todos os exercícios.
O programa computacional utilizado é o R que vem sendo adotado mundialmente por muitos profissionais em análise estatística. O R é um programa de livre distribuição e possui muitas funções que facilitam consideravelmente a execução dos cálculos e a apresentação gráfica dos dados. Portanto, não é necessário dispor de quaisquer programas computacionais comerciais para acompanhar o desenvolvimento dos conteúdos. A proposta do livro é dar auto-suficiência aos leitores que, ao final do estudo diligente do texto, terão em mãos, sem qualquer custo adicional, a bagagem teórica e a habilidade prática necessários para desenvolverem com autonomia as suas análises estatísticas.
O gabarito com todas as soluções está no arquivo "gabarito_completo.pdf".
A SEGUNDA EDIÇÃO (REVISADA E ATUALIZADA) JÁ ESTÁ DISPONÍVEL !!!
Para comprar acesse:
Livraria Consultor Editorial
https://www.editoraconsultoreditorial.com/introducao-a-analise-bayesiana-2-edicao
**********************************************************************************************************************
Consultor Editorial
paulotedesco@consultoreditorial.com.br
***********************************************************************************************************************
ERRATA (Primeiira Edição)
Seguem algumas correções para erros de impressão:
a) pg 44 - Segunda linha do exercício 2.9. "... capturadas na natureza ..."
b) pg 47 - O código logo abaixo da letra c do exercício 2.16 deve ser:
> p <- seq(0.01,.99,by=0.01)
> S.medio <- 100*((1-p)^2)*(1/4)+100*(p^2)*(3/4)
> S.min <- min(S.medio)
> p.min <- p[S.medio==S.min]
> plot(p,S.medio, type="l")
> points(p.min,S.min, pch=19)
> segments(p.min,0,p.min,S.min )
c) pg 60 - Na quinta linha de baixo para coma leia-se "... com parâmetros a = alpha e teta = beta/(beta + t)."
d) pg 131 - No passo dois do procedimento de MCMC leia-se:
Calcular Y' = p(x|teta')p(teta').
e) pg 134 - O nome do modelo no código que envolve a função bugs() para o MCMC deve ser
fit <- bugs(... model.file="ru486_mcmc.txt" ...)
f) pg 135 - A biblioteca runjags deve ser carregada antes do uso da função dump.format(). Assim, o comando
library(runjags) deve preceder o
inicial <- dump.format(list(teta=.5))