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 نویسندگان: Steve Brooks, Andrew Gelman, Galin Jones, Xiao-Li Meng سری: Chapman & Hall/CRC Handbooks of Modern Statistical Methods ISBN (شابک) : 1420079417, 9781420079418 ناشر: Chapman and Hall/CRC سال نشر: 2011 تعداد صفحات: 620 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Handbook of Markov Chain Monte Carlo 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 کتاب راهنمای مارکوف زنجیره ای مونت کارلو 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.
از زمان محبوبیت آنها در دهه 1990، روشهای مونت کارلوی زنجیره مارکوف (MCMC) محاسبات آماری را متحول کردند و تأثیر عمیقی بر عملکرد آمار بیزی گذاشتند. علاوه بر این، روشهای MCMC توسعه و استفاده از مدلهای پیچیده را در مجموعهای شگفتانگیز از رشتههای متنوعی مانند علم و اقتصاد شیلات امکانپذیر کرده است. اهمیت عملی گسترده MCMC جرقه تحقیقات گسترده و عمیقی را در مورد نظریه بنیادی زنجیره مارکوف برانگیخته است.
راهنمای زنجیره مارکوف مونت کارلو فراهم می کند. مرجعی برای مخاطبان گسترده توسعه دهندگان و کاربران متدولوژی MCMC که علاقه مند به همگام شدن با نظریه ها و برنامه های کاربردی هستند. نیمه اول کتاب مبانی، روش شناسی و الگوریتم های MCMC را پوشش می دهد. نیمه دوم استفاده از MCMC را در انواع کاربردهای عملی از جمله در تحقیقات آموزشی، اخترفیزیک، تصویربرداری مغز، بوم شناسی و جامعه شناسی در نظر می گیرد.
بخش مقدماتی عمیق این کتاب به دانشجویان فارغ التحصیل و دانشمندانی که تازه وارد MCMC شدهاند اجازه میدهد تا به طور کامل با نظریهها، الگوریتمها و کاربردهای پایه آشنا شوند. این کتاب نمونههای دقیق و مطالعات موردی مشکلات علمی واقعبینانه را ارائه میکند که تنوع روشهای مورد استفاده توسط جامعه گسترده MCMC را ارائه میکند. کسانی که با روشهای MCMC آشنا هستند، این کتاب را بهعنوان تجدیدنظر مفیدی از نظریه فعلی و پیشرفتهای اخیر میدانند.
Since their popularization in the 1990s, Markov chain Monte Carlo (MCMC) methods have revolutionized statistical computing and have had an especially profound impact on the practice of Bayesian statistics. Furthermore, MCMC methods have enabled the development and use of intricate models in an astonishing array of disciplines as diverse as fisheries science and economics. The wide-ranging practical importance of MCMC has sparked an expansive and deep investigation into fundamental Markov chain theory.
The Handbook of Markov Chain Monte Carlo provides a reference for the broad audience of developers and users of MCMC methodology interested in keeping up with cutting-edge theory and applications. The first half of the book covers MCMC foundations, methodology, and algorithms. The second half considers the use of MCMC in a variety of practical applications including in educational research, astrophysics, brain imaging, ecology, and sociology.
The in-depth introductory section of the book allows graduate students and practicing scientists new to MCMC to become thoroughly acquainted with the basic theory, algorithms, and applications. The book supplies detailed examples and case studies of realistic scientific problems presenting the diversity of methods used by the wide-ranging MCMC community. Those familiar with MCMC methods will find this book a useful refresher of current theory and recent developments.