مشخصات کتاب

Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference

ویرایش: 2 
نویسندگان: Dani Gamerman. Hedibert Freitas Lopes  
سری: Texts in Statistical Science 
ISBN (شابک) : 1584885874, 9781584885870 
ناشر: Chapman and Hall/CRC 
سال نشر: 2006 
تعداد صفحات: 343 
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 Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference 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: شبیه سازی تصادفی برای استنتاج بیزی 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 زنجیر مارکوف مونت کارلو: شبیه سازی تصادفی برای استنتاج بیزی

در حالی که در دهه گذشته مشارکت های نظری کمی در مورد روش های زنجیره مارکوف مونت کارلو (MCMC) وجود داشته است، درک فعلی و کاربرد MCMC برای حل مسائل استنتاج با جهش و مرز افزایش یافته است. با ترکیب تغییرات در تئوری و برجسته کردن کاربردهای جدید، زنجیره مارکوف مونت کارلو: شبیه‌سازی تصادفی برای استنتاج بیزی، ویرایش دوم، مقدمه‌ای مختصر، در دسترس و جامع بر روش‌های این تکنیک شبیه‌سازی ارزشمند ارائه می‌کند. ویرایش دوم شامل دسترسی به یک سایت اینترنتی است که کد نوشته شده با R و WinBUGS را ارائه می دهد که در بسیاری از مثال ها و تمرین های قبلی و جدید استفاده شده است. مهمتر از آن، ماهیت خود توضیحی کدها امکان اصلاح ورودی‌های کدها را فراهم می‌کند و تغییرات در بسیاری از جهت‌ها برای کاوش بیشتر در دسترس خواهد بود. تغییرات عمده نسبت به نسخه قبلی: - مثال‌های بیشتر با بحث در مورد جزئیات محاسباتی در فصل‌های مربوط به نمونه‌برداری گیبس و الگوریتم‌های متروپلیس-هیستینگ - پیشرفت‌های اخیر در MCMC، از جمله پرش برگشت‌پذیر، نمونه‌برداری برش، نمونه‌برداری از پل، نمونه‌برداری مسیر، تلاش چندگانه و رد تاخیری - بحث در مورد محاسبات با استفاده از R و WinBUGS – تمرین‌های اضافی و راه‌حل‌های انتخاب‌شده در متن، با مجموعه داده‌ها و نرم‌افزارهای موجود برای دانلود از وب - بخش هایی در مورد مدل های فضایی و کفایت مدل واحدهای متنی مستقل، MCMC را برای دانشمندان سایر رشته‌ها و همچنین آماردانان قابل دسترسی می‌سازد. این کتاب برای همه افرادی که با تکنیک های MCMC کار می کنند، به ویژه آماردانان پژوهشی و فارغ التحصیل و آمار زیستی، و دانشمندانی که داده ها را مدیریت می کنند و مدل ها را فرموله می کنند، جذاب خواهد بود. این کتاب به طور قابل توجهی به عنوان اولین مطالعه مطالب در مورد MCMC و در نتیجه، به عنوان یک کتاب درسی برای محاسبات بیزی مدرن و دوره های استنتاج بیزی تقویت شده است.

توضیحاتی درمورد کتاب به خارجی

While there have been few theoretical contributions on the Markov Chain Monte Carlo (MCMC) methods in the past decade, current understanding and application of MCMC to the solution of inference problems has increased by leaps and bounds. Incorporating changes in theory and highlighting new applications, Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference, Second Edition presents a concise, accessible, and comprehensive introduction to the methods of this valuable simulation technique. The second edition includes access to an internet site that provides the code, written in R and WinBUGS, used in many of the previously existing and new examples and exercises. More importantly, the self-explanatory nature of the codes will enable modification of the inputs to the codes and variation on many directions will be available for further exploration. Major changes from the previous edition: – More examples with discussion of computational details in chapters on Gibbs sampling and Metropolis-Hastings algorithms – Recent developments in MCMC, including reversible jump, slice sampling, bridge sampling, path sampling, multiple-try, and delayed rejection – Discussion of computation using both R and WinBUGS – Additional exercises and selected solutions within the text, with all data sets and software available for download from the Web – Sections on spatial models and model adequacy The self-contained text units make MCMC accessible to scientists in other disciplines as well as statisticians. The book will appeal to everyone working with MCMC techniques, especially research and graduate statisticians and biostatisticians, and scientists handling data and formulating models. The book has been substantially reinforced as a first reading of material on MCMC and, consequently, as a textbook for modern Bayesian computation and Bayesian inference courses.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The Medicinal Benefits of An Ancient Healing Tea

دانلود کتاب Personality, Character, and Intelligence: Part Three from What the Dog Saw

دانلود کتاب The Creed of Tawhid for the Youth

دانلود کتاب Turbulent mirror: an illustrated guide to chaos theory and the science of wholeness /

دانلود کتاب Kriza evropskih nauka i transcedentalna fenomenologija