دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Applied Bayesian Hierarchical Methods
دانلود کتاب روش های سلسله مراتبی بیزی کاربردی
مشخصات کتاب
Applied Bayesian Hierarchical Methods
ویرایش:
نویسندگان: Peter D. Congdon
سری:
ISBN (شابک) : 1584887206, 9781584887201
ناشر: Chapman & Hall / CRC Press
سال نشر: 2010
تعداد صفحات: 573
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
قیمت کتاب (تومان) : 32,000
در صورت تبدیل فایل کتاب Applied Bayesian Hierarchical 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 روش های سلسله مراتبی بیزی کاربردی 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 روش های سلسله مراتبی بیزی کاربردی
استفاده از روش‌های زنجیره مارکوف مونت کارلو (MCMC) برای تخمین مدل‌های سلسله مراتبی شامل ساختارهای داده پیچیده است و اغلب به عنوان یک توسعه انقلابی توصیف می‌شود. روش‌های سلسله مراتبی بیزی کاربردی، یک درمان سطح متوسط از مدل‌های سلسله مراتبی بیزی و کاربردهای آن، مزایای یک رویکرد بیزی را برای مجموعه‌های داده شامل استنتاج برای مجموعه‌های واحدها یا متغیرهای مرتبط و در روش‌هایی که پارامترها را می‌توان به عنوان مجموعه‌های تصادفی در نظر گرفت، نشان می‌دهد. این کتاب با تأکید بر مسائل محاسباتی، نمونه‌هایی از تنظیمات کاربردی زیر را ارائه می‌کند: متاآنالیز، داده‌های ساختار یافته در مکان یا زمان، داده‌های چندسطحی و طولی، داده‌های چند متغیره، رگرسیون غیرخطی، و داده‌های زمان بقا. برای مثال‌های کار شده، متن عمدتاً از بسته WinBUGS استفاده می‌کند، که به خوانندگان اجازه می‌دهد مفروضات احتمال جایگزین، ساختارهای رگرسیون و مفروضات مربوط به تراکم‌های قبلی را بررسی کنند. همچنین کد BayesX را در خود جای داده است که به ویژه در رگرسیون غیرخطی مفید است. برای نشان دادن نمونه‌گیری MCMC از اصول اولیه، نویسنده نمونه‌های کار شده با استفاده از بسته R را شامل می‌شود. این کتاب از طریق تجزیه و تحلیل داده های گویا و توجه به محاسبات آماری، بر اجرای عملی روش های سلسله مراتبی بیزی تمرکز دارد. همچنین چندین موضوع را که هنگام استفاده از تکنیک های بیزی در مدل های اثرات سلسله مراتبی و تصادفی به وجود می آیند، مورد بحث قرار می دهد.
توضیحاتی درمورد کتاب به خارجی
The use of Markov chain Monte Carlo (MCMC) methods for estimating hierarchical models involves complex data structures and is often described as a revolutionary development. An intermediate-level treatment of Bayesian hierarchical models and their applications, Applied Bayesian Hierarchical Methods demonstrates the advantages of a Bayesian approach to data sets involving inferences for collections of related units or variables and in methods where parameters can be treated as random collections. Emphasizing computational issues, the book provides examples of the following application settings: meta-analysis, data structured in space or time, multilevel and longitudinal data, multivariate data, nonlinear regression, and survival time data. For the worked examples, the text mainly employs the WinBUGS package, allowing readers to explore alternative likelihood assumptions, regression structures, and assumptions on prior densities. It also incorporates BayesX code, which is particularly useful in nonlinear regression. To demonstrate MCMC sampling from first principles, the author includes worked examples using the R package. Through illustrative data analysis and attention to statistical computing, this book focuses on the practical implementation of Bayesian hierarchical methods. It also discusses several issues that arise when applying Bayesian techniques in hierarchical and random effects models.
