دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Bayesian Essentials with R
دانلود کتاب ملزومات بیزی با R
مشخصات کتاب
Bayesian Essentials with R
ویرایش:
نویسندگان: Jean-Michel Marin. Christian Robert
سری:
ISBN (شابک) : 9781461486862
ناشر: Springer
سال نشر: 2013
تعداد صفحات: 305
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
قیمت کتاب (تومان) : 49,000
در صورت تبدیل فایل کتاب Bayesian Essentials 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 ملزومات بیزی 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.
توضیحاتی در مورد کتاب ملزومات بیزی با R
این کتاب مدل‌سازی بیزی ورودی مستقلی به آمارهای بیزی محاسباتی ارائه می‌کند. این کتاب با تمرکز بر استانداردترین مدل‌های آماری و پشتیبان‌گیری از مجموعه داده‌های واقعی و یک بسته R (CRAN) فراگیر به نام bayess، به جای تمرکز بر توجیه‌های نظری و فلسفی آن، یک روش عملیاتی برای انجام استنتاج بیزی ارائه می‌کند. خوانندگان این قدرت را دارند که در موقعیت‌های تحلیل داده‌های واقعی که از ابتدا در اینجا به تصویر کشیده شده‌اند، شرکت کنند. ریسک ها زیاد است و خواننده نتیجه را تعیین می کند. توجه ویژه ای به استخراج توزیع های قبلی در هر مورد می شود و راه حل های مرجع خاصی برای هر یک از مدل ها ارائه می شود. به طور مشابه، جزئیات محاسباتی برای هدایت خواننده به سمت برنامه‌نویسی مؤثر روش‌های ارائه‌شده در کتاب کار می‌شود. به طور خاص، همه کدهای R با جزئیات کافی مورد بحث قرار می گیرند تا به راحتی قابل درک و گسترش باشند. این در ارتباط با بسته bayess کار می کند.
توضیحاتی درمورد کتاب به خارجی
This Bayesian modeling book provides a self-contained entry to computational Bayesian statistics. Focusing on the most standard statistical models and backed up by real datasets and an all-inclusive R (CRAN) package called bayess, the book provides an operational methodology for conducting Bayesian inference, rather than focusing on its theoretical and philosophical justifications. Readers are empowered to participate in the real-life data analysis situations depicted here from the beginning. The stakes are high and the reader determines the outcome. Special attention is paid to the derivation of prior distributions in each case and specific reference solutions are given for each of the models. Similarly, computational details are worked out to lead the reader towards an effective programming of the methods given in the book. In particular, all R codes are discussed with enough detail to make them readily understandable and expandable. This works in conjunction with the bayess package.
