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: 2nd ed نویسندگان: Andrew Gelman, John B. Carlin, Hal S. Stern, Donald B. Rubin سری: Texts in statistical science ISBN (شابک) : 0203620828, 9780203620823 ناشر: Chapman & Hall/CRC سال نشر: 2004 تعداد صفحات: 695 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل داده های بیزی: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی
در صورت تبدیل فایل کتاب Bayesian data 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 تجزیه و تحلیل داده های 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.
با ترکیب اطلاعات جدید و به روز، این ویرایش دوم متن پرفروش THE در تجزیه و تحلیل داده های بیزی همچنان بر تمرین بر تئوری تأکید می کند و چگونگی مفهوم سازی، اجرا و نقد تحلیل های آماری را از دیدگاه بیزی توضیح می دهد. تغییرات در نسخه جدید عبارتند از: مطالب اضافه شده در مورد نحوه اتصال روشهای بیزی به روشهای دیگر، تمرکز قویتر بر MCMC، فصل اضافهشده در موضوعات محاسباتی بیشتر، مثالهای بیشتر، و فصلهای اضافی در مورد مدلهای فعلی برای تجزیه و تحلیل دادههای بیزی مانند مدلهای معادله، تعمیمیافته مدل های ترکیبی خطی و موارد دیگر. این کتاب یک متن مقدماتی و مرجعی است برای دانشمندان فعال در طول زندگی حرفه ای خود.
Incorporating new and updated information, this second edition of THE bestselling text in Bayesian data analysis continues to emphasize practice over theory, describing how to conceptualize, perform, and critiques statistical analysis from a Bayesian perspective. Changes in the new edition include: added material on how Bayesian methods are connected to other approaches, stronger focus on MCMC, added chapter on further computation topics, more examples, and additional chapters on current models for Bayesian data analysis such as equation models, generalized linear mixed models, and more. The book is an introductory text and a reference for working scientists throughout their professional life.