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: ریاضیات محاسباتی ویرایش: نویسندگان: Clark Glymour. Gregory F. Cooper سری: ISBN (شابک) : 0262571242 ناشر: سال نشر: 1999 تعداد صفحات: 569 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Computation, Causation, and Discovery 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 محاسبات، علیت و کشف 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.
در علم، تجارت و سیاستگذاری - هر جایی که از دادهها برای پیشبینی استفاده میشود - اغلب دو نوع مشکل که به روشهای تحلیل بسیار متفاوتی نیاز دارند، به وجود میآیند. اولین مورد، مشکلات تشخیص و طبقه بندی، مربوط به یادگیری نحوه استفاده از برخی ویژگی های یک سیستم برای پیش بینی دقیق سایر ویژگی های آن سیستم است. دوم، مشکلات کشف علّی، مربوط به یادگیری چگونگی پیشبینی آن تغییرات در برخی از ویژگیهای یک سیستم است که در صورت تغییر سایر ویژگیها توسط مداخله به وجود میآید. این کتاب در مورد مشکل دوم - بسیار دشوارتر - است. مشکلات معمول کشف علی عبارتند از: تغییر در نرخ کمیسیون چگونه بر فروش کل یک شرکت تأثیر می گذارد؟ کاهش مصرف سیگار در میان افراد سیگاری مسنتر چه تأثیری بر امید به زندگی آنها خواهد داشت؟ تغییر در فرمولی که یک کالج برای اعطای بورسیه استفاده می کند چگونه بر میزان ترک تحصیل تأثیر می گذارد؟ این نوع تغییرات، مداخلاتی هستند که مستقیماً برخی از ویژگیهای سیستم را تغییر میدهند و شاید - و این سؤال اینجاست - به طور غیرمستقیم برخی دیگر را تغییر میدهند. مشارکتکنندگان درباره تحقیقات و کاربردهای اخیر با استفاده از شبکههای بیز یا نمایشهای گرافیکی هدایتشده، از جمله نمایش بازخورد یا سیستمهای \"باز گشتی\" بحث میکنند. این کتاب شامل بحث کاملی در مورد مسائل اساسی، الگوریتمها، تکنیکهای اثبات، و کاربردها در اقتصاد، فیزیک، زیستشناسی، تحقیقات آموزشی و سایر زمینهها است.
In science, business, and policymaking—anywhere data are used in prediction—two sorts of problems requiring very different methods of analysis often arise. The first, problems of recognition and classification, concerns learning how to use some features of a system to accurately predict other features of that system. The second, problems of causal discovery, concerns learning how to predict those changes to some features of a system that will result if an intervention changes other features. This book is about the second—much more difficult—type of problem. Typical problems of causal discovery are: How will a change in commission rates affect the total sales of a company? How will a reduction in cigarette smoking among older smokers affect their life expectancy? How will a change in the formula a college uses to award scholarships affect its dropout rate? These sorts of changes are interventions that directly alter some features of the system and perhaps—and this is the question—indirectly alter others. The contributors discuss recent research and applications using Bayes nets or directed graphic representations, including representations of feedback or "recursive" systems. The book contains a thorough discussion of foundational issues, algorithms, proof techniques, and applications to economics, physics, biology, educational research, and other areas.