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: [1 ed.] نویسندگان: Kai Wang Ng, Guo-Liang Tian, Man-Lai Tang سری: ISBN (شابک) : 047068819X, 9780470688199 ناشر: Wiley سال نشر: 2011 تعداد صفحات: 337 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب Dirichlet and Related Distributions: Theory, Methods and Applications (Wiley Series in Probability and Statistics) 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 دیریکله و توزیعهای مرتبط: نظریه، روشها و کاربردها (سری ویلی در احتمال و آمار) 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.
توزیع دیریکله در بسیاری از زمینههای کاربردی ظاهر میشود، که شامل مدلسازی دادههای ترکیبی، تحلیل بیزی، ژنتیک آماری و استنتاج ناپارامتریک است. این کتاب یک بررسی جامع از توزیع دیریکله و دو نسخه توسعهیافته، توزیع دیریکله گروهی (GDD) و توزیع دیریکله تودرتو (NDD) ارائه میکند، که از تحلیل احتمالی و بیزی دادههای طبقهبندی ناقص و دادههای نظرسنجی با عدم پاسخ ناشی میشود. خواص و کاربردهای نظری نیز به تفصیل برای سایر توزیعهای مرتبط، مانند توزیع دیریکله معکوس، توزیع دیریکله-چند جملهای، توزیع دیریکله کوتاه، توزیع دیریکله تعمیمیافته، توزیع Hyper-Dirichlet، توزیع دیریکله مقیاسشده، توزیع دیریکله مخلوط، توزیع لیوویل و توزیع لیوویل تعمیم یافته. ویژگی های کلیدی: بسیاری از نتایج و برنامه های کاربردی را که در سراسر ادبیات پراکنده شده اند در یک جلد ارائه می دهد. به نتایج اخیر مانند تابع بقا و تابع مشخصه برای توزیع های یکنواخت روی هایپر صفحه و سیمپلکس نگاه می کند. توزیع برای تابع خطی اجزای دیریکله. تخمین از طریق الگوریتم گرادیان انتظار-بیشینه سازی و کاربرد. و غیره. تحلیلهای احتمال و بیزی دادههای طبقهبندی ناقص با استفاده از GDD، NDD، و توزیع دیریکله تعمیمیافته با جزئیات از طریق الگوریتم EM و ساختار تقویت داده نشان داده شدهاند. یک نمایش سیستماتیک از توزیع چندجمله ای دیریکله برای داده های چند جمله ای با تغییرات اضافی ارائه می دهد که توسط توزیع چند جمله ای قابل کنترل نیست. کدهای S-plus/R همراه با مثالهای عملی روشها را نشان میدهند. پزشکان و محققانی که در زمینه هایی مانند علوم پزشکی، علوم زیستی و علوم اجتماعی فعالیت می کنند از این کتاب بهره مند خواهند شد.
The Dirichlet distribution appears in many areas of application, which include modelling of compositional data, Bayesian analysis, statistical genetics, and nonparametric inference. This book provides a comprehensive review of the Dirichlet distribution and two extended versions, the Grouped Dirichlet Distribution (GDD) and the Nested Dirichlet Distribution (NDD), arising from likelihood and Bayesian analysis of incomplete categorical data and survey data with non-response. The theoretical properties and applications are also reviewed in detail for other related distributions, such as the inverted Dirichlet distribution, Dirichlet-multinomial distribution, the truncated Dirichlet distribution, the generalized Dirichlet distribution, Hyper-Dirichlet distribution, scaled Dirichlet distribution, mixed Dirichlet distribution, Liouville distribution, and the generalized Liouville distribution. Key Features: Presents many of the results and applications that are scattered throughout the literature in one single volume. Looks at the most recent results such as survival function and characteristic function for the uniform distributions over the hyper-plane and simplex; distribution for linear function of Dirichlet components; estimation via the expectation-maximization gradient algorithm and application; etc. Likelihood and Bayesian analyses of incomplete categorical data by using GDD, NDD, and the generalized Dirichlet distribution are illustrated in detail through the EM algorithm and data augmentation structure. Presents a systematic exposition of the Dirichlet-multinomial distribution for multinomial data with extra variation which cannot be handled by the multinomial distribution. S-plus/R codes are featured along with practical examples illustrating the methods. Practitioners and researchers working in areas such as medical science, biological science and social science will benefit from this book.