دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: احتمال ویرایش: نویسندگان: Jayanta K. Ghosh, Mohan Delampady, Tapas Samanta سری: Springer Texts in Statistics ISBN (شابک) : 9781441923035, 1441923039 ناشر: Springer New York سال نشر: 2009 تعداد صفحات: 356 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب An Introduction to Bayesian Analysis 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 مقدمه ای بر تحلیل 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.
این یک کتاب درسی در سطح فارغ التحصیل در مورد تحلیل بیزی است که نظریه، روش ها و کاربردهای مدرن بیزی را ترکیب می کند. با شروع از آمار پایه، حساب دیفرانسیل و انتگرال و جبر خطی، ایدههای تحلیل بیزی ذهنی و عینی به سطحی توسعه مییابد که دادههای واقعی را میتوان با استفاده از تکنیکهای فعلی محاسبات آماری تجزیه و تحلیل کرد. پیشرفتها در مسائل کمبعد و ابعاد بالا و همچنین موضوعات مهمی مانند روشهای بیز تجربی و سلسله مراتبی بیز و تکنیکهای زنجیره مارکوف مونت کارلو (MCMC) پوشش داده شده است. بسیاری از موضوعات در لبه برش تحقیقات آماری قرار دارند. راهحلهای مشکلات استنتاج رایج در سراسر متن همراه با بحث در مورد آنچه قبل از انتخاب وجود دارد ظاهر میشوند. بحث برانگیختن یک ماقبل ذهنی و همچنین انگیزه، کاربرد و محدودیت های پیشین های عینی وجود دارد. از طریق کاربردهای مهم، این کتاب ریزآرایهها، رگرسیون ناپارامتریک از طریق موجکها و همچنین مخلوطهای DMA از نرمالها، و تحلیل فضایی با تصاویر با استفاده از دادههای شبیهسازی شده و واقعی را ارائه میکند. موضوعات نظری در لبه برش شامل انتخاب مدل با ابعاد بالا و عوامل درونی بیز است که نویسندگان با موفقیت در نقشهبرداری زمینشناسی به کار گرفتهاند. سبک غیر رسمی اما واضح است. Asymptotics برای تکمیل شبیه سازی یا درک برخی از جنبه های خلفی استفاده می شود.
This is a graduate-level textbook on Bayesian analysis blending modern Bayesian theory, methods, and applications. Starting from basic statistics, undergraduate calculus and linear algebra, ideas of both subjective and objective Bayesian analysis are developed to a level where real-life data can be analyzed using the current techniques of statistical computing. Advances in both low-dimensional and high-dimensional problems are covered, as well as important topics such as empirical Bayes and hierarchical Bayes methods and Markov chain Monte Carlo (MCMC) techniques. Many topics are at the cutting edge of statistical research. Solutions to common inference problems appear throughout the text along with discussion of what prior to choose. There is a discussion of elicitation of a subjective prior as well as the motivation, applicability, and limitations of objective priors. By way of important applications the book presents microarrays, nonparametric regression via wavelets as well as DMA mixtures of normals, and spatial analysis with illustrations using simulated and real data. Theoretical topics at the cutting edge include high-dimensional model selection and Intrinsic Bayes Factors, which the authors have successfully applied to geological mapping. The style is informal but clear. Asymptotics is used to supplement simulation or understand some aspects of the posterior.