مشخصات کتاب

Causation, Prediction, and Search

ویرایش: second edition 
نویسندگان: Peter Spirtes,  Clark Glymour,  Richard Scheines  
سری: Adaptive Computation and Machine Learning 
ISBN (شابک) : 0262194406, 9780262194402 
ناشر: The MIT Press 
سال نشر: 2001 
تعداد صفحات: 567 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

در صورت تبدیل فایل کتاب Causation, Prediction, and Search 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 علت ، پیش بینی و جستجو 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 علت ، پیش بینی و جستجو

چه مفروضات و روش هایی به ما امکان می دهد مشاهدات را به دانش علی تبدیل کنیم و چگونه می توان حتی از دانش علی ناقص در برنامه ریزی و پیش بینی برای تأثیرگذاری و کنترل محیط خود استفاده کرد؟ در این کتاب پیتر اسپایرتس، کلارک گلیمور و ریچارد شاینز با استفاده از فرمالیسم شبکه‌های بیز، با نتایجی که در حوزه‌های مختلف تحقیقاتی در علوم اجتماعی، رفتاری و فیزیکی به کار گرفته شده است، به این سؤالات می‌پردازند. نویسندگان نشان می‌دهند که اگرچه تجربی و طرح‌های مطالعه مشاهده‌ای ممکن است همیشه استنتاج‌های یکسانی را مجاز نکنند، آنها تابع اصول یکسانی هستند. آنها ارتباط بین ساختار علّی و استقلال احتمالی را بدیهی می‌دانند، انواع مختلفی از عدم تمایز علی را بررسی می‌کنند، نظریه دستکاری را فرموله می‌کنند، و روش‌های قابل اعتماد مجانبی را برای جستجوی کلاس‌های هم ارزی مدل‌های علّی، از جمله مدل‌های داده‌های مقوله‌ای و مدل‌های معادلات ساختاری با و بدون ایجاد می‌کنند. متغیرهای پنهان. نویسندگان نشان می‌دهند که رابطه بین علیت و احتمال نیز می‌تواند به روشن شدن موضوعات متنوعی در آمار کمک کند، مانند قدرت مقایسه‌ای آزمایش در مقابل مشاهده، پارادوکس سیمپسون، خطاها در مدل‌های رگرسیون، نمونه‌گیری گذشته‌نگر در مقابل آینده‌نگر، و انتخاب متغیر. ویرایش دوم شامل مقدمه ای جدید و بررسی گسترده ای از پیشرفت ها و کاربردهایی است که از زمان انتشار اولین نسخه در سال 1993 ظاهر شده اند.

توضیحاتی درمورد کتاب به خارجی

What assumptions and methods allow us to turn observations into causal knowledge, and how can even incomplete causal knowledge be used in planning and prediction to influence and control our environment? In this book Peter Spirtes, Clark Glymour, and Richard Scheines address these questions using the formalism of Bayes networks, with results that have been applied in diverse areas of research in the social, behavioral, and physical sciences.The authors show that although experimental and observational study designs may not always permit the same inferences, they are subject to uniform principles. They axiomatize the connection between causal structure and probabilistic independence, explore several varieties of causal indistinguishability, formulate a theory of manipulation, and develop asymptotically reliable procedures for searching over equivalence classes of causal models, including models of categorical data and structural equation models with and without latent variables.The authors show that the relationship between causality and probability can also help to clarify such diverse topics in statistics as the comparative power of experimentation versus observation, Simpson's paradox, errors in regression models, retrospective versus prospective sampling, and variable selection.The second edition contains a new introduction and an extensive survey of advances and applications that have appeared since the first edition was published in 1993.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Intelectuales(c.2)

دانلود کتاب Muslims in Interwar Europe: A Transcultural Historical Perspective

دانلود کتاب My Bipolar Backpack: To The Bottom Of Mental Illness And Back -- A Memoir

دانلود کتاب Glück hat viele Gesichter: Annäherungen an eine gekonnte Lebensführung

دانلود کتاب Introduction to Tunnel Construction (Applied Geotechnics)