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
ویرایش: 1ed.
نویسندگان: Pearl. Judea
سری:
ISBN (شابک) : 0521773628, 052189560X
ناشر: Cambridge University Press
سال نشر: 2000
تعداد صفحات: 394
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 مگابایت
در صورت تبدیل فایل کتاب Causality : models, reasoning, and inference 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 علیت: مدل ها ، استدلال و استنباط 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 کتاب که توسط یکی از محققان برجسته در این زمینه نوشته شده است، توضیحی جامع از تحلیل مدرن علیت ارائه می دهد. این نشان میدهد که چگونه علیت از یک مفهوم مبهم به یک نظریه ریاضی با کاربردهای قابل توجه در زمینههای آمار، هوش مصنوعی، فلسفه، علوم شناختی و علوم بهداشتی و اجتماعی تبدیل شده است. پرل یک گزارش واحد از رویکردهای احتمالی، دستکاری، خلاف واقع و ساختاری به علیت ارائه می دهد و ابزارهای ریاضی ساده ای را برای تجزیه و تحلیل روابط بین ارتباطات علّی، انجمن های آماری، اعمال و مشاهدات ابداع می کند. این کتاب راه را برای گنجاندن تحلیل علی در برنامه درسی استاندارد آمار، هوش مصنوعی، تجارت، اپیدمیولوژی، علوم اجتماعی و اقتصاد باز خواهد کرد. دانشآموزان در این حوزهها مدلهای طبیعی، روشهای شناسایی ساده، و تعاریف دقیق ریاضی از مفاهیم علّی را خواهند یافت که متون سنتی تمایل به اجتناب از آنها یا پیچیده ساختن آنها را دارند. این کتاب مورد توجه متخصصان و دانشجویان در زمینه های مختلف خواهد بود. هرکسی که بخواهد روابط معنیدار را از دادهها روشن کند، اثرات اقدامات و سیاستها را پیشبینی کند، توضیحات رویدادهای گزارششده را ارزیابی کند، یا نظریههایی درباره درک علی و گفتار علّی شکل دهد، این کتاب را محرک و ارزشمند خواهد یافت. جودیا پرل، استاد علوم کامپیوتر در دانشگاه UCLA، برنده جایزه بنجامین فرانکلین در سال 2008 در رشته کامپیوتر و علوم شناختی است.
Written by one of the pre-eminent researchers in the field, this book provides a comprehensive exposition of modern analysis of causation. It shows how causality has grown from a nebulous concept into a mathematical theory with significant applications in the fields of statistics, artificial intelligence, philosophy, cognitive science, and the health and social sciences. Pearl presents a unified account of the probabilistic, manipulative, counterfactual and structural approaches to causation, and devises simple mathematical tools for analyzing the relationships between causal connections, statistical associations, actions and observations. The book will open the way for including causal analysis in the standard curriculum of statistics, artifical intelligence, business, epidemiology, social science and economics. Students in these areas will find natural models, simple identification procedures, and precise mathematical definitions of causal concepts that traditional texts have tended to evade or make unduly complicated. This book will be of interest to professionals and students in a wide variety of fields. Anyone who wishes to elucidate meaningful relationships from data, predict effects of actions and policies, assess explanations of reported events, or form theories of causal understanding and causal speech will find this book stimulating and invaluable. Professor of Computer Science at the UCLA, Judea Pearl is the winner of the 2008 Benjamin Franklin Award in Computers and Cognitive Science
Content: Introduction to probabilities, graphs, and causal models --
Theory of inferred causation --
Causal diagrams and the identification of causal effects --
Actions, plans, and direct effects --
Causality and structural models in social science and economics --
Simpson's paradox, confounding, and collapsibility --
Logic of structure-based counterfactuals --
Imperfect experiments: bounding effects and counterfactuals --
Probability of causation: interpretation and identification --
Actual cause.