ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Doing Bayesian Data Analysis

دانلود کتاب انجام تجزیه و تحلیل داده های بیزی

Doing Bayesian Data Analysis

مشخصات کتاب

Doing Bayesian Data Analysis

ویرایش: 2nd edition 
نویسندگان:   
سری:  
ISBN (شابک) : 9780124059160 
ناشر: Elsevier Science;Academic Press 
سال نشر: 2014 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 22 مگابایت

قیمت کتاب (تومان) : 28,000



کلمات کلیدی مربوط به کتاب انجام تجزیه و تحلیل داده های بیزی: ریاضیات، R (زبان برنامه کامپیوتری)، علوم، آمار -- پردازش داده ها، کتاب های الکترونیکی، آمار -- پردازش داده ها



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Doing Bayesian Data 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 انجام تجزیه و تحلیل داده های 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.


توضیحاتی در مورد کتاب انجام تجزیه و تحلیل داده های بیزی

انجام تجزیه و تحلیل داده های بیزی: آموزش با R، JAGS و Stan، ویرایش دوم یک رویکرد قابل دسترسی برای انجام تجزیه و تحلیل داده های بیزی ارائه می دهد، زیرا مطالب به وضوح با مثال های ملموس توضیح داده شده است. شامل دستورالعمل های گام به گام در مورد نحوه انجام تجزیه و تحلیل داده های بیزی در نرم افزار محبوب و رایگان R و WinBugs و همچنین برنامه های جدید در JAGS و Stan است. برنامه های جدید به گونه ای طراحی شده اند که استفاده از آنها بسیار ساده تر از اسکریپت های نسخه اول باشد. به طور خاص، در حال حاضر اسکریپت های سطح بالا فشرده ای وجود دارد که اجرای برنامه ها را در مجموعه داده های خود آسان می کند. این کتاب به سه بخش تقسیم شده است و با اصول اولیه شروع می شود: مدل ها، احتمال، قانون بیز و زبان برنامه نویسی R. سپس بحث پیش از پایان دادن به فصل‌هایی در مورد مدل خطی تعمیم‌یافته، به سمت اصول کاربردی برای استنتاج احتمال دوجمله‌ای می‌رود. موضوعات شامل متغیرهای متریک پیش بینی شده در یک یا دو گروه است. متغیر متریک پیش بینی شده با یک پیش بینی متریک. متغیر پیش‌بینی‌شده متریک با پیش‌بینی‌کننده‌های متریک متعدد؛ متغیر پیش‌بینی‌شده متریک با یک پیش‌بینی‌کننده اسمی؛ و متغیر متریک پیش بینی شده با چند پیش بینی کننده اسمی. تمرین‌های موجود در متن دارای اهداف و دستورالعمل‌های صریح برای انجام هستند. این کتاب برای دانشجویان سال اول تحصیلات تکمیلی یا دانشجویان پیشرفته در آمار، تجزیه و تحلیل داده ها، روانشناسی، علوم شناختی، علوم اجتماعی، علوم بالینی و علوم مصرف در تجارت در نظر گرفته شده است. در دسترس، از جمله اصول مفاهیم اساسی احتمال و نمونه‌گیری تصادفی مثال‌هایی با زبان برنامه‌نویسی R و نرم‌افزار JAGS پوشش جامع تمام سناریوهای پرداخته شده توسط کتاب‌های درسی غیر بایز: آزمون‌های t، تحلیل واریانس (ANOVA) و مقایسه در ANOVA، رگرسیون چندگانه و کای اسکوئر (تحلیل جدول احتمالی) پوشش برنامه ریزی آزمایشی کد برنامه نویسی کامپیوتری R و JAGS در وب سایت تمرینات دارای اهداف و دستورالعمل های صریح برای انجام هستند. R و WinBugs.


توضیحاتی درمورد کتاب به خارجی

Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition provides an accessible approach for conducting Bayesian data analysis, as material is explained clearly with concrete examples. Included are step-by-step instructions on how to carry out Bayesian data analyses in the popular and free software R and WinBugs, as well as new programs in JAGS and Stan. The new programs are designed to be much easier to use than the scripts in the first edition. In particular, there are now compact high-level scripts that make it easy to run the programs on your own data sets. The book is divided into three parts and begins with the basics: models, probability, Bayes' rule, and the R programming language. The discussion then moves to the fundamentals applied to inferring a binomial probability, before concluding with chapters on the generalized linear model. Topics include metric-predicted variable on one or two groups; metric-predicted variable with one metric predictor; metric-predicted variable with multiple metric predictors; metric-predicted variable with one nominal predictor; and metric-predicted variable with multiple nominal predictors. The exercises found in the text have explicit purposes and guidelines for accomplishment. This book is intended for first-year graduate students or advanced undergraduates in statistics, data analysis, psychology, cognitive science, social sciences, clinical sciences, and consumer sciences in business. Accessible, including the basics of essential concepts of probability and random sampling Examples with R programming language and JAGS software Comprehensive coverage of all scenarios addressed by non-Bayesian textbooks: t-tests, analysis of variance (ANOVA) and comparisons in ANOVA, multiple regression, and chi-square (contingency table analysis) Coverage of experiment planning R and JAGS computer programming code on website Exercises have explicit purposes and guidelines for accomplishment Provides step-by-step instructions on how to conduct Bayesian data analyses in the popular and free software R and WinBugs.





نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی