Mixtures: Estimation and Applications

ویرایش:  
 
سری: Wiley Series in Probability and Statistics 
ISBN (شابک) : 9781119993896, 9781119995678 
ناشر:  
سال نشر: 2011 
تعداد صفحات: 321 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 18 مگابایت 

قیمت کتاب (تومان) : 75,000

این کتاب از الگوریتم EM (بیشینه‌سازی انتظارات) برای تخمین همزمان داده‌های گمشده و پارامتر(های) ناشناخته مرتبط با مجموعه داده استفاده می‌کند. پارامترها توزیع اجزای مخلوط را توصیف می کنند. توزیع ها ممکن است پیوسته یا گسسته باشند.

ویراستاران گزارش کاملی از کاربردها، ساختار ریاضی و تجزیه و تحلیل آماری توزیع‌های مخلوط محدود همراه با روش‌های محاسباتی MCMC، همراه با طیف وسیعی از بحث‌های مفصلی را ارائه می‌دهند که کاربردهای روش‌ها و فصل‌هایی از ویژگی‌های متخصصان برجسته را در بر می‌گیرد. موضوع. برنامه های کاربردی از رشته های علمی، از جمله آمار زیستی، علوم کامپیوتر، بوم شناسی و امور مالی گرفته شده است. این حوزه از آمار برای طیف وسیعی از رشته‌ها مهم است و روش‌شناسی آن توجه محققان را در زمینه‌هایی که می‌تواند در آن‌ها اعمال شود، جلب می‌کند.

محتوا:
فصل 1 الگوریتم EM، تقریب های متغیر و انتشار انتظارات برای مخلوط ها (صفحه های 1-29): D. Michael Titterington
فصل 2 به حداکثر رساندن انتظارات آنلاین (صفحات 31-53): Olivier Cappe< br>فصل 3 توزیع محدود آزمون EM از ترتیب یک مخلوط محدود (صفحات 55-75): Jiahua Chen و Pengfei Li
فصل 4 مقایسه مناطق Wald و احتمال اعمال شده در مدل‌های مخلوط قابل شناسایی محلی (صفحه‌های 77– 100): Daeyoung Kim و Bruce G. Lindsay
فصل 5 ترکیبی از متخصصان مدل سازی با کاربردهای علوم اجتماعی (صفحه های 101-121): ایزوبل کلر گورملی و توماس برندان مورفی
فصل 6 مدل سازی چگالی های شرطی با استفاده از مخلوط محدود (مخلوط صاف) صفحات 123-144): فنگ لی، ماتیاس ویلانی و رابرت کوهن
فصل 7 مدل سازی ناپارامتریک عضویت مختلط با استفاده از فرآیند دیریکله مرکب IBP (صفحات 145-160): سیناد ویلیامسون، چونگ وانگ، کاترین ا. هلر و دیوید ام. Blei
فصل 8 کشف ساختارهای سلسله مراتبی غیردودویی با درختان رز بیزی (صفحات 161-187): چارلز بلاندل، یی وای ته و کاترین ا. هلر
فصل 9 ترکیبی از تحلیلگرهای عاملی برای تجزیه و تحلیل داده های High?Dimen صفحات 189-212): جفری جی. مک لاکلان، جانگسون باک و سورن آی. راتنایکه
فصل 10 پرداختن به تغییر برچسب تحت عدم قطعیت مدل (صفحات 213-239): سیلویا فروهورث؟ اشناتر
فصل 11 باینز آنالیز مخلوط ها (صفحات 241–254): کریستین پی رابرت و کری ال. منگرسن
فصل 12 منیفولد MCMC برای مخلوط ها (صفحات 255–276): واسیلیوس استاتوپولوس و مارک گیرولامی
فصل 13 چند جزء در یک مخلوط محدود ? (صفحات 277-292): موری آیتکین
فصل 14 مدل های مخلوط بیزی: یک خون؟ تشریح رایگان یک گوسفند (صفحات 293-308): کلر ال. آلستون، کری ال. منگرسن و گراهام ای. گاردنر

This book uses the EM (expectation maximization) algorithm to simultaneously estimate the missing data and unknown parameter(s) associated with a data set. The parameters describe the component distributions of the mixture; the distributions may be continuous or discrete.

The editors provide a complete account of the applications, mathematical structure and statistical analysis of finite mixture distributions along with MCMC computational methods, together with a range of detailed discussions covering the applications of the methods and features chapters from the leading experts on the subject. The applications are drawn from scientific discipline, including biostatistics, computer science, ecology and finance. This area of statistics is important to a range of disciplines, and its methodology attracts interest from researchers in the fields in which it can be applied.

Content:
Chapter 1 The EM Algorithm, Variational Approximations and Expectation Propagation for Mixtures (pages 1–29): D. Michael Titterington
Chapter 2 Online Expectation Maximisation (pages 31–53): Olivier Cappe
Chapter 3 The Limiting Distribution of the EM Test of the Order of a Finite Mixture (pages 55–75): Jiahua Chen and Pengfei Li
Chapter 4 Comparing Wald and Likelihood Regions Applied to Locally Identifiable Mixture Models (pages 77–100): Daeyoung Kim and Bruce G. Lindsay
Chapter 5 Mixture of Experts Modelling with Social Science Applications (pages 101–121): Isobel Claire Gormley and Thomas Brendan Murphy
Chapter 6 Modelling Conditional Densities Using Finite Smooth Mixtures (pages 123–144): Feng Li, Mattias Villani and Robert Kohn
Chapter 7 Nonparametric Mixed Membership Modelling Using the IBP Compound Dirichlet Process (pages 145–160): Sinead Williamson, Chong Wang, Katherine A. Heller and David M. Blei
Chapter 8 Discovering Nonbinary Hierarchical Structures with Bayesian Rose Trees (pages 161–187): Charles Blundell, Yee Whye Teh and Katherine A. Heller
Chapter 9 Mixtures of Factor Analysers for the Analysis of High?Dimensional Data (pages 189–212): Geoffrey J. McLachlan, Jangsun Baek and Suren I. Rathnayake
Chapter 10 Dealing with Label Switching under Model Uncertainty (pages 213–239): Sylvia Fruhwirth?Schnatter
Chapter 11 Exact Bayesian Analysis of Mixtures (pages 241–254): Christian P. Robert and Kerrie L. Mengersen
Chapter 12 Manifold MCMC for Mixtures (pages 255–276): Vassilios Stathopoulos and Mark Girolami
Chapter 13 How many Components in a Finite Mixture? (pages 277–292): Murray Aitkin
Chapter 14 Bayesian Mixture Models: A Blood?Free Dissection of a Sheep (pages 293–308): Clair L. Alston, Kerrie L. Mengersen and Graham E. Gardner