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: آمار ریاضی ویرایش: نویسندگان: Jochen Voss سری: Wiley Series in Computational Statistics ISBN (شابک) : 9781118357729 ناشر: Wiley سال نشر: 2013 تعداد صفحات: 388 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب An Introduction to Statistical Computing: A Simulation-based Approach 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 برای محاسبات آماری: یک رویکرد مبتنی بر شبیه سازی 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.
مقدمه ای جامع بر روش های مبتنی بر نمونه گیری در محاسبات آماری استفاده از رایانه در ریاضیات و آمار، طیف وسیعی از تکنیک ها را برای مطالعه مسائل غیر قابل حل باز کرده است. تکنیکهای شبیهسازی مبتنی بر نمونهبرداری اکنون ابزاری ارزشمند برای کاوش مدلهای آماری هستند. این کتاب مقدمه ای جامع برای حوزه هیجان انگیز روش های مبتنی بر نمونه گیری ارائه می دهد. مقدمه ای بر محاسبات آماری مباحث کلاسیک تولید اعداد تصادفی و روش های مونت کارلو را معرفی می کند. همچنین شامل برخی از روش های پیشرفته مانند الگوریتم مونت کارلو زنجیره مارکوف پرش برگشت پذیر و روش های مدرن مانند محاسبات تقریبی بیزی و تکنیک های مونت کارلو چند سطحی است. مقدمه ای بر محاسبات آماری: به طور کامل مباحث سنتی محاسبات آماری را پوشش می دهد. هم جنبه های عملی و هم پیشینه نظری را مورد بحث قرار می دهد. شامل فصلی در مورد مدل های زمان پیوسته است. تمام روش ها را با استفاده از مثال ها و تمرین ها نشان می دهد. پاسخ تمرینات را ارائه می دهد (با استفاده از محیط محاسبات آماری R)؛ کد منبع مربوطه به صورت آنلاین در دسترس است. شامل مقدمه ای بر برنامه نویسی در R. این کتاب عمدتاً مستقل است. تنها پیش نیاز دانش اولیه احتمال تا قانون اعداد بزرگ است. ارائه دقیق و مثالها این کتاب را برای طیف وسیعی از دانشآموزان در دسترس قرار میدهد و برای خودآموزی یا به عنوان پایه یک دوره آموزشی مناسب است.
A comprehensive introduction to sampling-based methods in statistical computing The use of computers in mathematics and statistics has opened up a wide range of techniques for studying otherwise intractable problems. Sampling-based simulation techniques are now an invaluable tool for exploring statistical models. This book gives a comprehensive introduction to the exciting area of sampling-based methods. An Introduction to Statistical Computing introduces the classical topics of random number generation and Monte Carlo methods. It also includes some advanced methods such as the reversible jump Markov chain Monte Carlo algorithm and modern methods such as approximate Bayesian computation and multilevel Monte Carlo techniques An Introduction to Statistical Computing: Fully covers the traditional topics of statistical computing. Discusses both practical aspects and the theoretical background. Includes a chapter about continuous-time models. Illustrates all methods using examples and exercises. Provides answers to the exercises (using the statistical computing environment R); the corresponding source code is available online. Includes an introduction to programming in R. This book is mostly self-contained; the only prerequisites are basic knowledge of probability up to the law of large numbers. Careful presentation and examples make this book accessible to a wide range of students and suitable for self-study or as the basis of a taught course