이 책은 베이즈 통계를 공부하는 데 기초가 되는 분포함수의 종류와 사후분포함수로부터 모수를 추정하기 위한 깁스 표본기법(Gibbs Sampling), 메트로폴리스 해스팅스 방법(Metropolis-Hastings Algorithm), 라플라스 근사방법(Laplace Approximation), 기대-최대화 방법(Expectation-Maximization) 등을 R 프로그램과 함께 소개하는 내용을 담고 있다. 베이즈 통계는 전산, 금융, 공학, 의료 등의 다양한 분야의 자료분석에 이용될 뿐만 아니라 최근에는 빅데이터를 활용하는 인공지능 및 기계학습 분야에서도 활발한 연구와 응용이 이루어지고 있다.
베이즈 통계의 학습에서 가장 어렵게 느껴지는 부분은 복잡한 수식으로 표현된 우도함수나 사후분포함수의 계산이며 난수를 이용한 몬테칼로 적분이 중요한 계산도구로 이용된다. R은 통계기반의 언어로서 난수를 이용하는 몬테칼로 시뮬레이션(Monte-Carlo simulation)에 탁월성을 가지면서도 누구나 무료로 사용할 수 있는 프로그램이다. 따라서, 베이즈 통계에 대한 기본 개념을 학습하는 데 R은 아주 효율적인 도구로 사용될 수 있다.
CHAPTER 1 확률변수와 분포함수
CHAPTER 2 베이즈 통계 기초
CHAPTER 3 사전분포
CHAPTER 4 사후분포의 근사
CHAPTER 5 베이지안 회귀분석
CHAPTER 6 WinBUGS
APPENDIX
