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: آمار ریاضی ویرایش: نویسندگان: W.R. Gilks, S. Richardson, David Spiegelhalter سری: Chapman & Hall/CRC Interdisciplinary Statistics ISBN (شابک) : 0412055511, 9780412055515 ناشر: Chapman and Hall/CRC سال نشر: 1995 تعداد صفحات: 488 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب زنجیر مارکوف مونت کارلو در تمرین: احتمالات و آمار، کاربردی، ریاضیات، علوم و ریاضیات، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی
در صورت تبدیل فایل کتاب Markov Chain Monte Carlo in Practice 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 زنجیر مارکوف مونت کارلو در تمرین 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 یک مطالعه خانوادگی در مورد سرطان سینه، اپیدمیولوژیست ها در
جنوب کالیفرنیا قدرت تشخیص تعامل ژن-محیط را افزایش دادند. در
گامبیا، یک مطالعه به یک برنامه واکسیناسیون کمک می کند تا بروز
هپاتیت B را کاهش دهد. باستان شناسان در اتریش یک محوطه عصر برنز
را در مکان زمانی واقعی خود در مقیاس تقویم قرار می دهند. و در
فرانسه، محققان یک بیماری نادر با تغییرات نسبتاً کمی را ترسیم
میکنند.
هر یک از این مطالعات از روشهای مونت کارلو زنجیره مارکوف برای
تولید نتایج دقیقتر و جامعتر استفاده کردند. نظریه زنجیره ای
مارکوف در فضای عمومی حالت-فضای پیشرفت های متعددی را به خود دیده
است که آن را برای آماردان عمومی قابل دسترس تر و قدرتمندتر کرده
است. زنجیره مارکوف مونت کارلو در عمل، روشهای MCMC و کاربردهای
آنها را معرفی میکند و پیشزمینههای نظری را نیز ارائه میدهد.
نویسندگان پژوهشگرانی هستند که سهم کلیدی در توسعه اخیر روش MCMC
و کاربرد آن داشته اند.
با توجه به مخاطبان گسترده، ویراستاران به جای تئوری، روی عمل
تأکید میکنند و محتوای فنی را به حداقل میرسانند. نمونه ها از
ساده ترین کاربرد، نمونه برداری گیبس، تا کاربردهای پیچیده تر را
شامل می شود. فصل اول حاوی اطلاعات کافی است که به خواننده اجازه
می دهد تا شروع به استفاده از MCMC به روشی اساسی کند. فصلهای
زیر موضوعات اصلی، مفاهیم و نتایج مهم، تکنیکهای پیادهسازی
MCMC، بهبود عملکرد آن، ارزیابی کفایت مدل، انتخاب بین مدلها و
برنامهها و حوزههای آنها را پوشش میدهد.
زنجیره مارکوف مونت کارلو در عمل یک مجموعه کامل است. ، مقدمه ای
روشن بر روش شناسی و کاربردهای این ایده ساده با پتانسیل بسیار
زیاد. این نشان می دهد که اهمیت MCMC در کاربردهای واقعی، مانند
باستان شناسی، نجوم، آمار زیستی، ژنتیک، اپیدمیولوژی، و تجزیه و
تحلیل تصویر، و پایه ای عالی برای MCMC برای کاربرد در زمینه های
دیگر نیز فراهم می کند.
In a family study of breast cancer, epidemiologists in Southern
California increase the power for detecting a gene-environment
interaction. In Gambia, a study helps a vaccination program
reduce the incidence of Hepatitis B carriage. Archaeologists in
Austria place a Bronze Age site in its true temporal location
on the calendar scale. And in France, researchers map a rare
disease with relatively little variation.
Each of these studies applied Markov chain Monte Carlo methods
to produce more accurate and inclusive results. General
state-space Markov chain theory has seen several developments
that have made it both more accessible and more powerful to the
general statistician. Markov Chain Monte Carlo in Practice
introduces MCMC methods and their applications, providing some
theoretical background as well. The authors are researchers who
have made key contributions in the recent development of MCMC
methodology and its application.
Considering the broad audience, the editors emphasize practice
rather than theory, keeping the technical content to a minimum.
The examples range from the simplest application, Gibbs
sampling, to more complex applications. The first chapter
contains enough information to allow the reader to start
applying MCMC in a basic way. The following chapters cover main
issues, important concepts and results, techniques for
implementing MCMC, improving its performance, assessing model
adequacy, choosing between models, and applications and their
domains.
Markov Chain Monte Carlo in Practice is a thorough, clear
introduction to the methodology and applications of this simple
idea with enormous potential. It shows the importance of MCMC
in real applications, such as archaeology, astronomy,
biostatistics, genetics, epidemiology, and image analysis, and
provides an excellent base for MCMC to be applied to other
fields as well.
Content:
Front Matter....Pages i-xvii
Introducing Markov chain Monte Carlo....Pages 1-19
Hepatitis B: a case study in MCMC methods....Pages 21-43
Markov chain concepts related to sampling algorithms....Pages 45-57
Introduction to general state-space Markov chain theory....Pages 59-74
Full conditional distributions....Pages 75-88
Strategies for improving MCMC....Pages 89-114
Implementing MCMC....Pages 115-130
Inference and monitoring convergence....Pages 131-143
Model determination using sampling-based methods....Pages 145-161
Hypothesis testing and model selection....Pages 163-187
Model checking and model improvement....Pages 189-201
Stochastic search variable selection....Pages 203-214
Bayesian model comparison via jump diffusions....Pages 215-239
Estimation and optimization of functions....Pages 241-258
Stochastic EM: method and application....Pages 259-273
Generalized linear mixed models....Pages 275-301
Hierarchical longitudinal modelling....Pages 303-319
Medical monitoring....Pages 321-337
MCMC for nonlinear hierarchical models....Pages 339-357
Bayesian mapping of disease....Pages 359-379
MCMC in image analysis....Pages 381-399
Measurement error....Pages 401-417
Gibbs sampling methods in genetics....Pages 419-440
Mixtures of distributions: inference and estimation....Pages 441-464
An archaeological example: radiocarbon dating....Pages 465-480
Back Matter....Pages 481-486