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: نویسندگان: Silvia Bozza, Franco Taroni, Alex Biedermann سری: Springer Texts in Statistics ISBN (شابک) : 3031098382, 9783031098383 ناشر: Springer سال نشر: 2022 تعداد صفحات: 195 [196] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Bayes Factors for Forensic Decision Analyses with R 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 عوامل بیز برای تجزیه و تحلیل تصمیم قانونی با R 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.
عوامل بیز برای تجزیه و تحلیل تصمیم قانونی با R مقدمه ای مستقل از آمار بیزی محاسباتی با استفاده از R ارائه می دهد. این کتاب با تمرکز اصلی خود بر عوامل بیز که توسط مجموعه داده ها پشتیبانی می شود، دارای یک چشم انداز عملیاتی، ارتباط عملی، و قابلیت کاربرد - با محدود نگه داشتن توجیهات نظری و فلسفی. این یک رویکرد متعادل به سه موضوع به طور طبیعی مرتبط با یکدیگر ارائه می دهد:
در طول دهههای گذشته، روشهای احتمالی جایگاه ثابتی را به عنوان یک رویکرد مرجع برای مدیریت عدم قطعیت تقریباً در همه حوزههای علم، از جمله علم پزشکی قانونی، با بیز ایجاد کردهاند. قضیه ای که اصل منطقی اساسی را برای ارزیابی چگونگی سنجش اطلاعات جدید - شواهد علمی - ارائه می دهد. محور این رویکرد عامل بیز است که معنای شواهدی اطلاعات جدید را با ارائه معیاری از تغییر شانس به نفع یک پیشنهاد مورد علاقه، هنگام رفتن از توزیع قبلی به پسین، روشن میکند. عوامل بیز باید تفکر دانشمند را در مورد ارزش شواهد علمی هدایت کند و اساس شیوه های گزارش دهی منطقی و متعادل را تشکیل دهد، بنابراین پایه های اساسی برای تصمیم گیری منطقی در شرایط عدم قطعیت را نشان می دهد.
این این کتاب برای دانشجویان، پزشکان و آماردانان کاربردی که علاقه مند به استنتاج و تجزیه و تحلیل تصمیم در زمینه حیاتی علم پزشکی قانونی هستند، مرتبط خواهد بود. این می تواند برای حمایت از دوره های عملی در مورد آمار بیزی و تئوری تصمیم در هر دو سطح کارشناسی و کارشناسی ارشد مورد استفاده قرار گیرد، و برای دانشمندان پزشکی قانونی و متخصصان آمار بیزی برای هدایت ارزیابی های خود و استفاده از R برای اهدافشان، مورد علاقه یکسان خواهد بود. span>
این کتاب دسترسی آزاد است.
Bayes Factors for Forensic Decision Analyses with R provides a self-contained introduction to computational Bayesian statistics using R. With its primary focus on Bayes factors supported by data sets, this book features an operational perspective, practical relevance, and applicability―keeping theoretical and philosophical justifications limited. It offers a balanced approach to three naturally interrelated topics:
Over the past decades, probabilistic methods have established a firm position as a reference approach for the management of uncertainty in virtually all areas of science, including forensic science, with Bayes' theorem providing the fundamental logical tenet for assessing how new information―scientific evidence―ought to be weighed. Central to this approach is the Bayes factor, which clarifies the evidential meaning of new information, by providing a measure of the change in the odds in favor of a proposition of interest, when going from the prior to the posterior distribution. Bayes factors should guide the scientist's thinking about the value of scientific evidence and form the basis of logical and balanced reporting practices, thus representing essential foundations for rational decision making under uncertainty.
This book would be relevant to students, practitioners, and applied statisticians interested in inference and decision analyses in the critical field of forensic science. It could be used to support practical courses on Bayesian statistics and decision theory at both undergraduate and graduate levels, and will be of equal interest to forensic scientists and practitioners of Bayesian statistics for driving their evaluations and the use of R for their purposes.
This book is Open Access.