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: سازمان و پردازش داده ها ویرایش: 2 نویسندگان: Bradley P. Carlin, Thomas A. Louis, Bradley Carlin سری: ISBN (شابک) : 1584881704 ناشر: Chapman & Hall سال نشر: 2000 تعداد صفحات: 432 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Empirical Bayes Methods for 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 روشهای تجربی بیز برای تجزیه و تحلیل داده ها 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 سالهای اخیر، روشهای بیز و بیز تجربی (EB) همچنان محبوبیت و تأثیر خود را افزایش دادهاند. کارلین و لوئیس بر اساس اولین ویرایش متن محبوب خود، این روش ها را معرفی می کنند، سودمندی آنها را در تنظیمات کاربردی چالش برانگیز نشان می دهند و نشان می دهند که چگونه می توان آنها را با استفاده از روش های مدرن زنجیره مارکوف مونت کارلو (MCMC) پیاده سازی کرد. ارائه آنها برای کسانی که با روش های بیز و تجربی بیز آشنا هستند قابل دسترسی است، در حالی که پوشش عمیقی را برای پزشکان باتجربه ارائه می دهد. نسخه مقدمه ای نسبتاً ملایم و جامع برای دانشجویان و پزشکانی که قبلاً با روش های آماری متداول سنتی تر آشنا هستند ارائه می دهد. این کتاب با تمرکز بر ابزارهای عملی برای تجزیه و تحلیل دادهها، نشان میدهد که چگونه رویههای بیز و EB با ساختار مناسب معمولاً عملکرد فراوانی و بیزی خوبی، هم در تئوری و هم در عمل دارند.
In recent years, Bayes and empirical Bayes (EB) methods have continued to increase in popularity and impact. Building on the first edition of their popular text, Carlin and Louis introduce these methods, demonstrate their usefulness in challenging applied settings, and show how they can be implemented using modern Markov chain Monte Carlo (MCMC) methods. Their presentation is accessible to those new to Bayes and empirical Bayes methods, while providing in-depth coverage valuable to seasoned practitioners.With its broad appeal as a text for those in biomedical science, education, social science, agriculture, and engineering, this second edition offers a relatively gentle and comprehensive introduction for students and practitioners already familiar with more traditional frequentist statistical methods. Focusing on practical tools for data analysis, the book shows how properly structured Bayes and EB procedures typically have good frequentist and Bayesian performance, both in theory and in practice.