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 Introduction to Bayesian Scientific Computing: Ten Lectures on Subjective Computing

دانلود کتاب آشنایی با محاسبات علمی بیزی: ده سخنرانی در زمینه محاسبات موضوعی

Introduction to Bayesian Scientific Computing: Ten Lectures on Subjective Computing

مشخصات کتاب

Introduction to Bayesian Scientific Computing: Ten Lectures on Subjective Computing 

دسته بندی: سازمان و پردازش داده ها
ویرایش:  
نویسندگان:   
سری: Surveys and Tutorials in the Applied Mathematical Sciences 
ISBN (شابک) : 9780387733937 
ناشر: Springer 
سال نشر: 2007 
تعداد صفحات: 215 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 54,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 14


در صورت تبدیل فایل کتاب Introduction to Bayesian Scientific Computing: Ten Lectures on Subjective Computing 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 آشنایی با محاسبات علمی بیزی: ده سخنرانی در زمینه محاسبات موضوعی 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 آشنایی با محاسبات علمی بیزی: ده سخنرانی در زمینه محاسبات موضوعی

این کتاب برای دانشجویان کارشناسی و کارشناسی ارشد در رشته های مختلف ریاضی و کاربردهای آن نوشته شده است. این برای دانش آموزانی است که مایلند با رویکرد بیزی به علوم محاسباتی آشنا شوند اما لزوماً غوطه ور شدن کامل در تجزیه و تحلیل آماری را ندارند. همچنین برای محققانی که در زمینه‌هایی که مدل‌سازی ریاضی و آماری از اهمیت محوری برخوردار است، مانند زیست‌شناسی و مهندسی کار می‌کنند.


توضیحاتی درمورد کتاب به خارجی

This book has been written for undergraduate and graduate students in various areas of mathematics and its applications. It is for students who are willing to get acquainted with Bayesian approach to computational science but not necessarily to go through the full immersion into the statistical analysis. It has also been written for researchers working in areas where mathematical and statistical modeling are of central importance, such as biology and engineering.



فهرست مطالب

Cover Page......Page 1
Title Page......Page 4
ISBN 0387733930......Page 5
Preface......Page 7
Contents (with page links)......Page 12
1 Inverse problems and subjective computing......Page 14
What do we talk about when we talk about random variables?......Page 15
Through the formal theory, lightly......Page 18
How normal is it to be normal?......Page 29
2 Basic problem of statistical inference......Page 34
On averaging......Page 35
Maximum Likelihood, as frequentists like it......Page 44
3 The praise of ignorance: randomness as lack of information......Page 52
Construction of Likelihood......Page 54
Enter, Subject: Construction of Priors......Page 61
Posterior Densities as Solutions of Statistical Inverse Problems......Page 68
What is a solution?......Page 74
Direct linear system solvers......Page 76
Iterative linear system solvers......Page 80
Ill-conditioning and errors in the data......Page 90
5 Sampling: first encounter......Page 104
Sampling from Gaussian distributions......Page 105
Random draws from non-Gaussian densities......Page 112
Rejection sampling: prelude to Metropolis-Hastings......Page 115
6 Statistically inspired preconditioners......Page 120
Priorconditioners: specially chosen preconditioners......Page 121
Sample-based preconditioners and PCA model reduction......Page 131
7 Conditional Gaussian densities and predictive envelopes......Page 140
Gaussian conditional densities......Page 141
Interpolation, splines and conditional densities......Page 147
Envelopes, white swans and dark matter......Page 157
Linear inverse problems......Page 160
Aristotelian boundary conditions......Page 164
9 Sampling: the real thing......Page 174
Metropolis--Hastings algorithm......Page 181
10 Wrapping up: hypermodels, dynamic priorconditioners and Bayesian learning......Page 196
MAP estimation or marginalization?......Page 202
Bayesian hypermodels and priorconditioners......Page 206
References......Page 210
Index (with page links)......Page 212




نظرات کاربران

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