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: احتمال ویرایش: نویسندگان: James V. Stone سری: ISBN (شابک) : 0956372848, 9780956372840 ناشر: Sebtel Press سال نشر: 2013 تعداد صفحات: 175 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Bayes’ Rule: A Tutorial Introduction to Bayesian 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 قانون بیز: مقدمه ای آموزشی بر تحلیل 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.
قانون بیز که توسط یک ریاضیدان و واعظ قرن هجدهم کشف شد، سنگ بنای نظریه احتمالات مدرن است. در این کتاب پر مصور، طیفی از مثالهای قابل دسترس برای نشان دادن اینکه چگونه حکومت بیز در واقع نتیجه طبیعی استدلال عقل سلیم است، استفاده شده است. سپس قانون بیز با استفاده از نمایشهای گرافیکی بصری احتمال استخراج میشود و تحلیل بیزی برای تخمین پارامتر اعمال میشود. به عنوان کمکی برای درک، کد رایانه آنلاین (در MatLab، Python و R) نتایج و نمودارهای عددی کلیدی را بازتولید می کند. سبک نوشتن آموزش، همراه با یک واژه نامه جامع، این را به یک آغازگر ایده آل برای تازه کارانی تبدیل می کند که می خواهند با اصول اولیه تحلیل بیزی آشنا شوند.
Discovered by an 18th century mathematician and preacher, Bayes' rule is a cornerstone of modern probability theory. In this richly illustrated book, a range of accessible examples is used to show how Bayes' rule is actually a natural consequence of common sense reasoning. Bayes' rule is then derived using intuitive graphical representations of probability, and Bayesian analysis is applied to parameter estimation. As an aid to understanding, online computer code (in MatLab, Python and R) reproduces key numerical results and diagrams. The tutorial style of writing, combined with a comprehensive glossary, makes this an ideal primer for novices who wish to become familiar with the basic principles of Bayesian analysis.