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: ستاره شناسی ویرایش: نویسندگان: Joseph M. Hilbe, Rafael S. de Souza, Emille E. O. Ishida سری: ISBN (شابک) : 1107133084 ناشر: Cambridge University Press سال نشر: 2017 تعداد صفحات: 384 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Bayesian Models for Astrophysical Data: Using R, JAGS, Python, and Stan 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 مدل های بیزی برای داده های آستروفیزیکی: با استفاده از R، JAGS، Python و Stan 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 راهنمای جامع روشهای بیزی در نجوم، کار عملی را با ارائه کدهای کامل R، JAGS، Python و Stan، برای استفاده مستقیم یا سازگاری، امکانپذیر میسازد. این با بررسی مدل عادی از هر دو دیدگاه فراوان گرا و بیزی آغاز می شود و سپس به طیف کاملی از مدل های خطی و ترکیبی یا سلسله مراتبی تعمیم یافته بیزی و همچنین انواع مدل های اضافی مانند ABC و INLA پیش می رود. این کتاب کدی را ارائه میکند که تا حد زیادی در جاهای دیگر در دسترس نیست و شامل جزئیاتی در مورد تفسیر و ارزیابی مدلهای بیزی است. بحث های اولیه مدل هایی را به شکل مصنوعی ارائه می دهند تا خوانندگان بتوانند به راحتی آنها را با داده های خود تطبیق دهند. بعداً این مدلها برای دادههای نجومی واقعی اعمال میشوند. تمرکز ثابت بر روی مدلسازی عملی، تجزیه و تحلیل دادهها و تفسیرهایی است که به سؤالات علمی میپردازند. رویکرد ملموس آن برای اخترشناسان الزامی است و برای محققان علوم به طور کلی تر نیز جذاب خواهد بود.
This comprehensive guide to Bayesian methods in astronomy enables hands-on work by supplying complete R, JAGS, Python, and Stan code, to use directly or to adapt. It begins by examining the normal model from both frequentist and Bayesian perspectives and then progresses to a full range of Bayesian generalized linear and mixed or hierarchical models, as well as additional types of models such as ABC and INLA. The book provides code that is largely unavailable elsewhere and includes details on interpreting and evaluating Bayesian models. Initial discussions offer models in synthetic form so that readers can easily adapt them to their own data; later the models are applied to real astronomical data. The consistent focus is on hands-on modeling, analysis of data, and interpretations that address scientific questions. A must-have for astronomers, its concrete approach will also be attractive to researchers in the sciences more generally.