کلمات کلیدی مربوط به کتاب مطالعات موردی در مدلسازی و تحلیل آماری بیزی: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی
در صورت تبدیل فایل کتاب Case Studies in Bayesian Statistical Modelling and 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 مطالعات موردی در مدلسازی و تحلیل آماری 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.
وایلی، 2012. - 598 ص. — ISBN: 1119941822, 9781119941828
این کتاب با در نظر
گرفتن مطالعات موردی واقعی برگرفته از زمینههای مختلف شامل
اکولوژی، سلامت، ژنتیک، مقدمهای بر مدلسازی و محاسبات بیزی
ارائه میکند. و امور مالی هر فصل شامل شرحی از مسئله، مدل
مربوطه، روش محاسباتی، نتایج و استنباطها و همچنین مسائلی است که
در اجرای این رویکردها ایجاد میشود.
مطالعات موردی در مدلسازی و تحلیل آماری بیزی:
نحوه انجام تجزیه و تحلیل بیزی را به شیوه ای واضح و مختصر با
استفاده از مسائل دنیای واقعی نشان می دهد.
هر فصل بر روی یک مسئله دنیای واقعی تمرکز می کند و روشی را که در
آن ممکن است مسئله تجزیه و تحلیل شود، توضیح می دهد. با استفاده
از روشهای بیزی.
رویکردهایی را که میتوان در حوزههای وسیعی از کاربرد، مانند
بهداشت، محیط زیست، ژنتیک، علم اطلاعات، پزشکی، زیستشناسی، صنعت
و سنجش از دور استفاده کرد.
مطالعات موردی در مدلسازی و
تجزیه و تحلیل آماری بیزی برای آماردانان، محققان و متخصصانی
که در مدلسازی و تحلیل آماری تخصص دارند و تا حدودی از مبانی
بیزی آگاهی دارند، هدف قرار گرفته است. آمار، اما تجربه کمی در
کاربرد آن است. دانشجویان تحصیلات تکمیلی آمار و آمار زیستی نیز
این کتاب را مفید خواهند یافت.
محتوا:
پیشگفتار
فهرست مشارکت کنندگان
مقدمه
معرفی MCMC
Priors: شرکای خاموش یا فعال استنتاج بیزی؟
تحلیل بیزی مدل رگرسیون خطی نرمال
تطبیق مدلهای مرگومیر ICU برای دادههای محلی: یک رویکرد
بیزی
یک مدل رگرسیون بیزی با انتخاب متغیر برای مطالعات ارتباطی در سطح
ژنوم
متای بیزی -تجزیه و تحلیل
مدل های اثرات مختلط بیزی
ترتیب سلسله مراتب در مدل های سلسله مراتبی: تخمین تراکم معدنی
استخوان
مدل بقای BaysianWeibull برای داده های بیان ژن
تشخیص نقطه تغییر بیزی در پایش نتایج بالینی
خطوط بیزی
نقشه برداری بیماری با استفاده از مدل های سلسله مراتبی
بیزی
رطوبت، محصولات و شوری: تجزیه و تحلیل مجموعه داده های کشاورزی سه
بعدی
رویکرد بیزی برای مدل سازی فضای حالت چند متغیره: مطالعه ای یک
مدل قیمت گذاری دارایی فاما-فرانسه با رگرسیورهای متغیر با
زمان
مدل های مخلوط بیزی: وقتی چیزی که باید بدانید چیزی است که نمی
توانید اندازه گیری کنید
مدل های کلاس نهفته در پزشکی
مدل های مارکوف پنهان برای فرآیندهای تصادفی پیچیده: مطالعه موردی
در الکتروفیزیولوژی
طبقه بندی بیزی و درختان رگرسیون
تارهای درهم: استفاده از شبکه های بیزی در مبارزه با عفونت
اجرای مطالعات یافتن دوز تطبیقی با استفاده از مونت کارلو
متوالی
استنتاج بدون احتمال برای نرخ های انتقال پاتوژن های
بیمارستانی
استنتاج بیزی متغیر برای مدل های مخلوط
مشکلاتی در طراحی الگوریتم های ترکیبی
یک بسته پایتون برای تخمین بیزی با استفاده از زنجیره مارکوف مونت
کارلو
شاخص
Wiley, 2012. — 598 p. — ISBN: 1119941822, 9781119941828
This book aims to present an
introduction to Bayesian modelling and computation, by
considering real case studies drawn from diverse fields
spanning ecology, health, genetics and finance. Each chapter
comprises a description of the problem, the corresponding
model, the computational method, results and inferences as well
as the issues that arise in the implementation of these
approaches.
Case Studies in Bayesian Statistical Modelling and
Analysis:
Illustrates how to do Bayesian analysis in a clear and concise
manner using real-world problems.
Each chapter focuses on a real-world problem and describes the
way in which the problem may be analysed using Bayesian
methods.
Features approaches that can be used in a wide area of
application, such as, health, the environment, genetics,
information science, medicine, biology, industry and remote
sensing.
Case Studies in Bayesian
Statistical Modelling and Analysis is aimed at
statisticians, researchers and practitioners who have some
expertise in statistical modelling and analysis, and some
understanding of the basics of Bayesian statistics, but little
experience in its application. Graduate students of statistics
and biostatistics will also find this book beneficial.
Contents:
Preface
List of contributors
Introduction
Introduction to MCMC
Priors: Silent or active partners of Bayesian inference?
Bayesian analysis of the normal linear regression model
Adapting ICU mortality models for local data: A Bayesian
approach
A Bayesian regression model with variable selection for
genome-wide association studies
Bayesian meta-analysis
Bayesian mixed effects models
Ordering of hierarchies in hierarchical models: Bone mineral
density estimation
BayesianWeibull survival model for gene expression data
Bayesian change point detection in monitoring clinical
outcomes
Bayesian splines
Disease mapping using Bayesian hierarchical models
Moisture, crops and salination: An analysis of a
three-dimensional agricultural data set
A Bayesian approach to multivariate state space modelling: A
study of a Fama–French asset-pricing model with time-varying
regressors
Bayesian mixture models: When the thing you need to know is the
thing you cannot measure
Latent class models in medicine
Hidden Markov models for complex stochastic processes: A case
study in electrophysiology
Bayesian classification and regression trees
Tangled webs: Using Bayesian networks in the fight against
infection
Implementing adaptive dose finding studies using sequential
Monte Carlo
Likelihood-free inference for transmission rates of nosocomial
pathogens
Variational Bayesian inference for mixture models
Issues in designing hybrid algorithms
A Python package for Bayesian estimation using Markov chain
Monte Carlo
Index