index.Rmd

--- 
title: "贝叶斯数据分析案例"
author: "王敏杰"
date: "`r Sys.Date()`"
documentclass: ctexbook
output:
  bookdown::gitbook:
    df_print: paged
bibliography: [bayes.bib]
biblio-style: apalike
link-citations: yes
colorlinks: yes
lot: yes
lof: yes
geometry: [a4paper, tmargin=2.5cm, bmargin=2.5cm, lmargin=2cm, rmargin=2cm]
site: bookdown::bookdown_site
description: "一个简单的中文书示例。"
github-repo: perlatex/Bayesian-Statistics-using-R-and-Stan
always_allow_html: yes
---



```{r setup, include=FALSE}
options(digits = 4, 
        dplyr.print_min = 6, 
        dplyr.print_max = 6,
        htmltools.dir.version = FALSE, 
        formatR.indent = 2, 
        width = 55
        )
knitr::opts_chunk$set(
        echo = TRUE, 
        warning = FALSE, 
        message = FALSE,
        fig.width = 6, 
        fig.height = 4,
        fig.showtext = TRUE
       )
```


# 前言 {-}

相比于传统的方法来说，Stan建模具有更好的可操作性、透明性和可解释性。因此本文档的目的是通过一些贝叶斯数据分析的案例，让大家了解[Stan](https://mc-stan.org/)的强大和价值。

>> 对R不是很喜欢，直到遇到tidyverse；对统计很抗拒，直到遇到Stan




## 关于内容 {-}

每个章节研究的内容都是彼此独立的，大家可以单独阅读每章及运行代码。

- 第 \@ref(movies) 章人们会给爱情片打高分？
- 第 \@ref(height-weight) 章身高与体重
- 第 \@ref(cancer) 章吸烟有害健康吗？
- 第 \@ref(icecream) 章冰淇淋销量
- 第 \@ref(lefthanded) 章女性左撇子比男性左撇子多？
- 第 \@ref(NASA) 章航天事业的预算有党派门户之见？
- 第 \@ref(vaccine) 章疫苗有效性的计算
- 第 \@ref(complaints) 章物业经理的困惑蟑螂投诉的案例
- 第 \@ref(golf) 章高尔夫球
- 第 \@ref(time-series) 章时间序列
- 第 \@ref(house-price) 章房屋价格
- 第 \@ref(irt) 章电影评分倾向
- 第 \@ref(worldcup) 章世界杯
- 第 \@ref(waffle) 章吃华夫饼会导致离婚？
- 第 \@ref(wait-coffe) 章咖啡等待时间
- 第 \@ref(sleepstudy) 章睡眠剥夺后的反应时间
- 第 \@ref(homicides) 章在人口普查上估计凶杀案数量 
- 第 \@ref(sir) 章流行病模型
- 第 \@ref(nonlinear) 章非线性模型
- 第 \@ref(Gaussian-processes) 章寻找系外行星
- 第 \@ref(kidiq) 章儿童智力发育
- 第 \@ref(voters-polarize) 章谋杀事件对选民的影响
- 第 \@ref(weighted) 章有权重的概率密度函数
- 第 \@ref(meta) 章元分析
- 第 \@ref(ordinary) 章有序回归模型
- 第 \@ref(anova) 章方差分析
- 第 \@ref(tokyo-olympics-100m) 章预测奥运会男子100米短跑成绩
- 第 \@ref(bayesian-in-three-panels) 章三张图讲贝叶斯分析
- 第 \@ref(beta-regression) 章讲beta回归以及零膨胀模型
- 第 \@ref(logistic-binomial) 章讲logistic binomial回归
- 第 \@ref(glmm) 章讲Logistic multilevel growth model回归



## 配置环境 {-}

- 安装 [Rtools4.0](https://cran.r-project.org/bin/windows/Rtools/) 到`C`盘
   
- 添加系统路径(电脑 - 属性 - 高级系统设置 - 环境变量 - 系统变量 - Path) 
  - `C:\rtools40`
  - `C:\rtools40\mingw64\bin`
  - `C:\rtools40\usr\bin`
  
- 配置
```{r index-3, eval=FALSE}
writeLines('PATH="${RTOOLS40_HOME}\\usr\\bin;${PATH}"', con = "~/.Renviron")
```

- 宏包
```{r index-4, eval = FALSE}
install.packages(c("StanHeaders", "rstan"), type = "source")

my_packages <- 
  c("tidyverse", "tidybayes", "bayesplot", "loo", "broom.mixed")

install.packages(my_packages, repos = "http://cran.rstudio.com", dependencies = T)
```

## RYouWithMe {-}

```{r index-6, echo = FALSE, out.width = "30%"}
knitr::include_graphics("images/QQgroup.png")
```


## 致谢 {-}

非常感谢川师研究生院的信任，有了您的支持，才会有更多的川师学子了解R的美！

```{block2 index-7, type='flushright', html.tag='p'}
王敏杰  
于 川师图书馆某角落
```