دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Introduction to Bayesian Estimation and Copula Models of Dependence
دانلود کتاب مقدمه ای بر تخمین بیزی و مدل های وابستگی کوپولا
مشخصات کتاب
Introduction to Bayesian Estimation and Copula Models of Dependence
ویرایش:
نویسندگان: Arkady Shemyakin. Alexander Kniazev
سری:
ISBN (شابک) : 9781118959015
ناشر: Wiley
سال نشر: 2017
تعداد صفحات: 331
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 52,000
در صورت تبدیل فایل کتاب Introduction to Bayesian Estimation and Copula Models of Dependence 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 مقدمه ای بر تخمین بیزی و مدل های وابستگی کوپولا 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 مقدمه ای بر تخمین بیزی و مدل های وابستگی کوپولا
مقدمه‌ای بر آمار بیزی ارائه می‌کند، تاکیدی بر روش‌های بیزی (قبلی و پسین)، تخمین بیزی، پیش‌بینی، MCMC، رگرسیون بیزی، و تحلیل بیزی مدل‌های آماری وابستگی ارائه می‌کند و تمرکز بر کوپول‌ها برای مدیریت ریسک مقدمه‌ای بر تخمین بیزی ارائه می‌کند. و Copula Models of Dependence بر کاربردهای تحلیل بیزی برای مدل‌سازی کوپولا تأکید می‌کند و خوانندگان را با ابزارهای مورد نیاز برای پیاده‌سازی رویه‌های تخمین بیزی در مدل‌های کوپولای وابستگی مجهز می‌کند. این کتاب در دو بخش ساختار یافته است: چهار فصل اول به عنوان یک مقدمه کلی بر آمار بیزی با تاکید واضح بر تخمین پارامتریک و چهار فصل بعدی بر مدل‌های آماری وابستگی با تمرکز کوپولا تأکید دارند. مروری بر مفاهیم اصلی همراه با مبانی آمار بیزی شامل اطلاعات قبلی و داده های تجربی، توزیع های قبلی و پسین، با تاکید بر تخمین پارامتری بیزی مورد بحث قرار می گیرد. پیشینه ریاضی پایه هر دو زنجیره مارکوف و ادغام و شبیه سازی مونت کارلو نیز ارائه شده است. نویسندگان مدل‌های آماری وابستگی را با تمرکز بر کوپولا مورد بحث قرار می‌دهند و بررسی مختصری از مدل‌های وابستگی پیش از جفت ارائه می‌کنند. تعاریف و نمادهای اصلی مدل‌های کوپولا خلاصه می‌شوند و پس از آن بحث‌هایی در مورد موارد دنیای واقعی که به مشکلات مدیریت ریسک خاص می‌پردازند، ارائه می‌شوند. علاوه بر این، این کتاب شامل موارد زیر است: • نمونه های عملی از کوپولاهای در حال استفاده از جمله در اسناد بازل Accord II که سیستم بانکداری جهانی را تنظیم می کند و همچنین نمونه هایی از روش های بیزی در توصیه های فعلی FDA • روش های گام به گام تجزیه و تحلیل داده های چند متغیره و مدل سازی copula، به خوانندگان این امکان را می دهد که برای تحقیقات و مطالعات کاربردی خود بینش کسب کنند. ® Office Excel®، کد پایه در R، و راه حل های تمرینی منتخب مقدمه ای بر تخمین بیزی و مدل های وابستگی کوپلا مرجع و منبعی برای آماردانانی است که نیاز به یادگیری تجزیه و تحلیل رسمی بیزی دارند و همچنین متخصصان در بخش های تحلیلی و مدیریت ریسک بانک ها و شرکت های بیمه که درگیر تحلیل و پیش بینی کمی هستند. این کتاب همچنین می تواند به عنوان یک کتاب درسی برای دوره های فوق لیسانس و کارشناسی ارشد در آمار و تحلیل بیزی استفاده شود. ARKADY SHEMYAKIN، دکترا، استاد گروه ریاضیات و مدیر برنامه آمار در دانشگاه سنت توماس است. یکی از اعضای انجمن آماری آمریکا و انجمن بین‌المللی تحلیل بیزی، علایق تحقیقاتی دکتر شمیاکین شامل نظریه اطلاعات، روش‌های بیزی تخمین پارامتری، و مدل‌های کوپولا در ریاضیات آماری، مالی و مهندسی است. الکساندر کنیازف، دکترا، دانشیار و رئیس گروه ریاضیات دانشگاه دولتی آستاراخان روسیه است. علایق تحقیقاتی دکتر کنیازف شامل نظریه بازنمایی جبرهای دروغ و گروه های محدود، آمار ریاضی، اقتصاد سنجی و ریاضیات مالی است.
توضیحاتی درمورد کتاب به خارجی
Presents an introduction to Bayesian statistics, presents an emphasis on Bayesian methods (prior and posterior), Bayes estimation, prediction, MCMC,Bayesian regression, and Bayesian analysis of statistical modelsof dependence, and features a focus on copulas for risk management Introduction to Bayesian Estimation and Copula Models of Dependence emphasizes the applications of Bayesian analysis to copula modeling and equips readers with the tools needed to implement the procedures of Bayesian estimation in copula models of dependence. This book is structured in two parts: the first four chapters serve as a general introduction to Bayesian statistics with a clear emphasis on parametric estimation and the following four chapters stress statistical models of dependence with a focus of copulas. A review of the main concepts is discussed along with the basics of Bayesian statistics including prior information and experimental data, prior and posterior distributions, with an emphasis on Bayesian parametric estimation. The basic mathematical background of both Markov chains and Monte Carlo integration and simulation is also provided. The authors discuss statistical models of dependence with a focus on copulas and present a brief survey of pre-copula dependence models. The main definitions and notations of copula models are summarized followed by discussions of real-world cases that address particular risk management problems. In addition, this book includes: • Practical examples of copulas in use including within the Basel Accord II documents that regulate the world banking system as well as examples of Bayesian methods within current FDA recommendations • Step-by-step procedures of multivariate data analysis and copula modeling, allowing readers to gain insight for their own applied research and studies • Separate reference lists within each chapter and end-of-the-chapter exercises within Chapters 2 through 8 • A companion website containing appendices: data files and demo files in Microsoft® Office Excel®, basic code in R, and selected exercise solutions Introduction to Bayesian Estimation and Copula Models of Dependence is a reference and resource for statisticians who need to learn formal Bayesian analysis as well as professionals within analytical and risk management departments of banks and insurance companies who are involved in quantitative analysis and forecasting. This book can also be used as a textbook for upper-undergraduate and graduate-level courses in Bayesian statistics and analysis. ARKADY SHEMYAKIN, PhD, is Professor in the Department of Mathematics and Director of the Statistics Program at the University of St. Thomas. A member of the American Statistical Association and the International Society for Bayesian Analysis, Dr. Shemyakin's research interests include informationtheory, Bayesian methods of parametric estimation, and copula models in actuarial mathematics, finance, and engineering. ALEXANDER KNIAZEV, PhD, is Associate Professor and Head of the Department of Mathematics at Astrakhan State University in Russia. Dr. Kniazev's research interests include representation theory of Lie algebras and finite groups, mathematical statistics, econometrics, and financial mathematics.
