مشخصات کتاب

Bayesian Statistical Modeling With Stan, R, and Python

ویرایش:  
نویسندگان: Kentaro Matsuura  
سری:  
ISBN (شابک) : 9789811947544, 9789811947551 
ناشر: Springer 
سال نشر: 2023 
تعداد صفحات: 395 
زبان: english 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 10 Mb 

در صورت تبدیل فایل کتاب Bayesian Statistical Modeling With Stan, R, and Python 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 مدلسازی آماری بیزی با Stan، R و Python 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 مدلسازی آماری بیزی با Stan، R و Python

این کتاب یک مقدمه بسیار کاربردی برای مدل‌سازی آماری بیزی با Stan ارائه می‌کند که به محبوب‌ترین زبان برنامه‌نویسی احتمالی تبدیل شده است. این کتاب به چهار بخش تقسیم شده است. بخش اول پیشینه نظری مدل‌سازی و استنتاج بیزی را بررسی می‌کند و یک گردش کار مدل‌سازی را ارائه می‌کند که مدل‌سازی را بیشتر مهندسی می‌کند تا هنر. بخش دوم استفاده از Stan، CmdStanR و CmdStanPy از همان ابتدا تا تجزیه و تحلیل رگرسیون پایه را مورد بحث قرار می دهد. سپس بخش سوم تعدادی از توزیع‌های احتمال، مدل‌های غیرخطی و مدل‌های سلسله مراتبی (چند سطحی) را معرفی می‌کند که برای تسلط بر مدل‌سازی آماری ضروری هستند. همچنین طیف گسترده‌ای از تکنیک‌های مدل‌سازی پرکاربرد، مانند سانسور، داده‌های پرت، داده‌های از دست رفته، افزایش سرعت، و محدودیت‌های پارامتر را توصیف می‌کند و چگونگی هدایت همگرایی MCMC را مورد بحث قرار می‌دهد. در نهایت، بخش چهارم به بررسی موضوعات پیشرفته برای داده های دنیای واقعی می پردازد: تجزیه و تحلیل داده های طولی، مدل های فضای حالت، تجزیه و تحلیل داده های مکانی، فرآیندهای گاوسی، بهینه سازی بیزی، کاهش ابعاد، انتخاب مدل و معیارهای اطلاعاتی، و نشان می دهد که استن می تواند هر یک از آنها را حل کند. این مشکلات در کمتر از 30 خط.

توضیحاتی درمورد کتاب به خارجی

This book provides a highly practical introduction to Bayesian statistical modeling with Stan, which has become the most popular probabilistic programming language. The book is divided into four parts. The first part reviews the theoretical background of modeling and Bayesian inference and presents a modeling workflow that makes modeling more engineering than art. The second part discusses the use of Stan, CmdStanR, and CmdStanPy from the very beginning to basic regression analyses. The third part then introduces a number of probability distributions, nonlinear models, and hierarchical (multilevel) models, which are essential to mastering statistical modeling. It also describes a wide range of frequently used modeling techniques, such as censoring, outliers, missing data, speed-up, and parameter constraints, and discusses how to lead convergence of MCMC. Lastly, the fourth part examines advanced topics for real-world dаta: longitudinal data analysis, state space models, spatial data analysis, Gaussian processes, Bayesian optimization, dimensionality reduction, model selection, and information criteria, demonstrating that Stan can solve any one of these problems in as little as 30 lines.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب El niño de Schindler

دانلود کتاب A Dictionary of Slang and Unconventional English: Colloquialisms and Catch Phrases, Fossilised Jokes and Puns, General Nicknames, Vulgarisms, and Such Americanisms As Have Been Naturalised

دانلود کتاب Grammatica per l’instrucziun dal rumantsch grischun

دانلود کتاب Applied Language Learning. 2000 Vol 11 No 2

دانلود کتاب The Official Patient's Sourcebook on Macular Holes