ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب A First Course in Bayesian Statistical Methods

دانلود کتاب اولین دوره در روشهای آماری بیزی

A First Course in Bayesian Statistical Methods

مشخصات کتاب

A First Course in Bayesian Statistical Methods

ویرایش: 1st ed. 2009. 
نویسندگان:   
سری: Springer texts in statistics 
ISBN (شابک) : 9780387924076, 978038922997 
ناشر: Springer New York : Imprint: Springer 
سال نشر: 2009 
تعداد صفحات: 270 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 37,000



کلمات کلیدی مربوط به کتاب اولین دوره در روشهای آماری بیزی: توزیع (نظریه احتمال)، آمار ریاضی، علوم اجتماعی -- روش شناسی، علوم کامپیوتر، اقتصاد سنجی، نظریه احتمال و فرآیندهای تصادفی، تحقیق در عملیات، علم مدیریت، نظریه و روش های آماری، روش شناسی علوم اجتماعی، احتمال و آمار در علوم کامپیوتر



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب A First Course in Bayesian Statistical Methods به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب اولین دوره در روشهای آماری بیزی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب اولین دوره در روشهای آماری بیزی

این کتاب مقدمه ای فشرده برای نظریه و کاربرد روش های آماری بیزی ارائه می دهد. این کتاب برای خوانندگانی که آشنایی اولیه با احتمالات دارند در دسترس است، اما به خوانندگان پیشرفته‌تر اجازه می‌دهد تا به سرعت اصول زیربنای نظریه و روش‌های بیزی را درک کنند. مثال‌ها و کد رایانه‌ای به خواننده اجازه می‌دهد تا تحلیل‌های پایه بیزی را با استفاده از مدل‌های آماری استاندارد درک و پیاده‌سازی کند و مدل‌های استاندارد را به موقعیت‌های تحلیل داده‌های تخصصی گسترش دهد. کتاب با مفاهیم اساسی مانند احتمال، مبادله‌پذیری و قاعده بیز آغاز می‌شود و با موضوعات مدرنی مانند انتخاب متغیر در رگرسیون، مدل‌های اثرات مختلط خطی تعمیم‌یافته و تخمین کوپول نیمه‌پارامتری به پایان می‌رسد. مثال های متعددی از علوم اجتماعی، زیستی و فیزیکی نشان می دهد که چگونه می توان این روش ها را در عمل پیاده کرد. خلاصه های مونت کارلو از توزیع های پسین نقش مهمی در تجزیه و تحلیل داده های بیزی ایفا می کند. محیط محاسبات آماری منبع باز R عملکرد کافی را فراهم می کند تا تخمین مونت کارلو را برای تعداد زیادی از مدل های آماری بسیار آسان کند و نمونه R-code در سراسر متن ارائه شده است. بسیاری از کدهای مثال را می توان «همانطور که هست» در R اجرا کرد، و اساساً همه آن را می توان پس از دانلود مجموعه داده های مربوطه از وب سایت همراه برای این کتاب اجرا کرد. پیتر هاف دانشیار آمار و آمار زیستی در دانشگاه واشنگتن است. او انواع مختلفی از روش‌های بیزی را برای داده‌های چند متغیره توسعه داده است، از جمله تخمین کوواریانس و کوپولا، تحلیل خوشه‌ای، مدل‌سازی مخلوط و تحلیل شبکه‌های اجتماعی. او در هیئت تحریریه Annals of Applied Statistics است.  بیشتر بخوانید...


توضیحاتی درمورد کتاب به خارجی

This book provides a compact self-contained introduction to the theory and application of Bayesian statistical methods. The book is accessible to readers having a basic familiarity with probability, yet allows more advanced readers to quickly grasp the principles underlying Bayesian theory and methods. The examples and computer code allow the reader to understand and implement basic Bayesian data analyses using standard statistical models and to extend the standard models to specialized data analysis situations. The book begins with fundamental notions such as probability, exchangeability and Bayes' rule, and ends with modern topics such as variable selection in regression, generalized linear mixed effects models, and semiparametric copula estimation. Numerous examples from the social, biological and physical sciences show how to implement these methodologies in practice. Monte Carlo summaries of posterior distributions play an important role in Bayesian data analysis. The open-source R statistical computing environment provides sufficient functionality to make Monte Carlo estimation very easy for a large number of statistical models and example R-code is provided throughout the text. Much of the example code can be run ``as is'' in R, and essentially all of it can be run after downloading the relevant datasets from the companion website for this book. Peter Hoff is an Associate Professor of Statistics and Biostatistics at the University of Washington. He has developed a variety of Bayesian methods for multivariate data, including covariance and copula estimation, cluster analysis, mixture modeling and social network analysis. He is on the editorial board of the Annals of Applied Statistics.  Read more...



فهرست مطالب

Front Matter....Pages i-viii
Introduction and examples....Pages 1-12
Belief, probability and exchangeability....Pages 13-30
One-parameter models....Pages 31-52
Monte Carlo approximation....Pages 53-65
The normal model....Pages 67-87
Posterior approximation with the Gibbs sampler....Pages 89-104
The multivariate normal model....Pages 105-123
Group comparisons and hierarchical modeling....Pages 125-147
Linear regression....Pages 149-170
Nonconjugate priors and Metropolis-Hastings algorithms....Pages 171-193
Linear and generalized linear mixed effects models....Pages 195-207
Latent variable methods for ordinal data....Pages 209-223
Back Matter....Pages 225-270




نظرات کاربران