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: نویسندگان: Ronald Christensen, Wesley O. Johnson, Adam J. Branscum, Timothy E. Hanson سری: Chapman & Hall/CRC Texts in Statistical Science ISBN (شابک) : 1439803544, 9781439803547 ناشر: CRC Press سال نشر: 2011 تعداد صفحات: 518 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب ایده ها و تجزیه و تحلیل داده های بیزی: مقدمه ای برای دانشمندان و آمارشناسان: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی
در صورت تبدیل فایل کتاب Bayesian Ideas and Data Analysis: An Introduction for Scientists and Statisticians 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 ایده ها و تجزیه و تحلیل داده های بیزی: مقدمه ای برای دانشمندان و آمارشناسان 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 تاکید بر استفاده از WinBUGS و R برای تجزیه و تحلیل داده های واقعی، ایده های بیزی و تجزیه و تحلیل داده ها: مقدمه ای برای دانشمندان و آماردانان ابزارهای آماری را برای پرداختن به سوالات علمی ارائه می دهد. این موضوع به مسائل اساسی در آمار، اهمیت پیشبینی دقیق و نیاز دانشمندان و آماردانان به همکاری در تجزیه و تحلیل دادهها اشاره میکند. کد WinBUGS ارائه شده بستر مناسبی را برای مدلسازی و تجزیه و تحلیل طیف وسیعی از دادهها ارائه میدهد. پنج فصل اول کتاب حاوی مطالب اصلی است که شامل ایدههای پایه بیزی، محاسبات و استنتاج، از جمله مدلسازی یک و دو داده نمونه از مدلهای نمونهگیری سنتی است. سپس متن روشهای مونت کارلو، مانند شبیهسازی مونت کارلو زنجیره مارکوف (MCMC) را پوشش میدهد. پس از بحث در مورد ساختارهای خطی در رگرسیون، رگرسیون دوجملهای، رگرسیون نرمال، تحلیل واریانس و رگرسیون پواسون را قبل از گسترش این روشها برای رسیدگی به دادههای همبسته ارائه میکند. نویسندگان همچنین تجزیه و تحلیل بقا و آزمایش تشخیصی باینری را بررسی می کنند. یک فصل تکمیلی در مورد آزمایش های تشخیصی برای نتایج مستمر در وب سایت کتاب موجود است. فصل آخر در مورد استنتاج ناپارامتری، تخمین چگالی و مدلسازی رگرسیون انعطافپذیر توابع میانگین را بررسی میکند. تجزیه و تحلیل آماری مناسب داده ها مستلزم تلاش مشترک بین دانشمندان و آماردانان است. ایدههای بیزی و تجزیه و تحلیل دادهها که نمونهای از این رویکرد است، بر ابزارها و مفاهیم لازم برای مدلسازی و تحلیل دادههای علمی تمرکز دارد. مجموعه داده ها و کدها در یک وب سایت تکمیلی ارائه شده است.
Emphasizing the use of WinBUGS and R to analyze real data, Bayesian Ideas and Data Analysis: An Introduction for Scientists and Statisticians presents statistical tools to address scientific questions. It highlights foundational issues in statistics, the importance of making accurate predictions, and the need for scientists and statisticians to collaborate in analyzing data. The WinBUGS code provided offers a convenient platform to model and analyze a wide range of data. The first five chapters of the book contain core material that spans basic Bayesian ideas, calculations, and inference, including modeling one and two sample data from traditional sampling models. The text then covers Monte Carlo methods, such as Markov chain Monte Carlo (MCMC) simulation. After discussing linear structures in regression, it presents binomial regression, normal regression, analysis of variance, and Poisson regression, before extending these methods to handle correlated data. The authors also examine survival analysis and binary diagnostic testing. A complementary chapter on diagnostic testing for continuous outcomes is available on the book’s website. The last chapter on nonparametric inference explores density estimation and flexible regression modeling of mean functions. The appropriate statistical analysis of data involves a collaborative effort between scientists and statisticians. Exemplifying this approach, Bayesian Ideas and Data Analysis focuses on the necessary tools and concepts for modeling and analyzing scientific data. Data sets and codes are provided on a supplemental website.