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
ویرایش: 1
نویسندگان: Leonhard Held. Daniel Sabanés Bové (auth.)
سری:
ISBN (شابک) : 9783642378867, 9783642378874
ناشر: Springer-Verlag Berlin Heidelberg
سال نشر: 2014
تعداد صفحات: 381
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
کلمات کلیدی مربوط به کتاب استنباط آماری کاربردی: احتمال و بیز: نظریه و روش های آماری، آمار برای علوم زیستی، پزشکی، علوم بهداشتی، آمار و محاسبات / برنامه های آمار
در صورت تبدیل فایل کتاب Applied Statistical Inference: Likelihood and Bayes 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 استنباط آماری کاربردی: احتمال و بیز 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 کتاب استنتاج آماری مدرن بر اساس احتمال با کاربردهای پزشکی، اپیدمیولوژی و زیست شناسی را پوشش می دهد. دو فصل مقدماتی اهمیت مدل های آماری در تحقیقات کمی کاربردی و نقش مرکزی تابع درستنمایی را مورد بحث قرار می دهد. بقیه کتاب به سه بخش تقسیم شده است. اولی استنتاج مبتنی بر احتمال را از دیدگاه مکررگرا توصیف می کند. خواص تخمین حداکثر درستنمایی، تابع امتیاز، نسبت درستنمایی و آمار والد به تفصیل مورد بحث قرار گرفته است. در بخش دوم، احتمال با اطلاعات قبلی برای انجام استنتاج بیزی ترکیب می شود. موضوعات شامل به روز رسانی بیزی، پیشین های مزدوج و مرجع، تخمین نقطه و فاصله بیزی، مجانبی بیزی و روش های بیز تجربی است. تکنیک های عددی مدرن برای استنتاج بیزی در فصلی جداگانه توضیح داده شده است. در نهایت دو موضوع پیشرفته دیگر، انتخاب مدل و پیشبینی، هم از منظر مکرر و هم از دیدگاه بیزی مورد بحث قرار میگیرند.
یک پیوست جامع، پیشنیازهای لازم در نظریه احتمال، جبر ماتریس، را پوشش میدهد. حساب ریاضی و تحلیل عددی.
This book covers modern statistical inference based on likelihood with applications in medicine, epidemiology and biology. Two introductory chapters discuss the importance of statistical models in applied quantitative research and the central role of the likelihood function. The rest of the book is divided into three parts. The first describes likelihood-based inference from a frequentist viewpoint. Properties of the maximum likelihood estimate, the score function, the likelihood ratio and the Wald statistic are discussed in detail. In the second part, likelihood is combined with prior information to perform Bayesian inference. Topics include Bayesian updating, conjugate and reference priors, Bayesian point and interval estimates, Bayesian asymptotics and empirical Bayes methods. Modern numerical techniques for Bayesian inference are described in a separate chapter. Finally two more advanced topics, model choice and prediction, are discussed both from a frequentist and a Bayesian perspective.
A comprehensive appendix covers the necessary prerequisites in probability theory, matrix algebra, mathematical calculus, and numerical analysis.
Front Matter....Pages I-XIII
Introduction....Pages 1-12
Likelihood....Pages 13-50
Elements of Frequentist Inference....Pages 51-78
Frequentist Properties of the Likelihood....Pages 79-122
Likelihood Inference in Multiparameter Models....Pages 123-165
Bayesian Inference....Pages 167-219
Model Selection....Pages 221-245
Numerical Methods for Bayesian Inference....Pages 247-289
Prediction....Pages 291-316
Back Matter....Pages 317-376