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
ویرایش: نویسندگان: H. T. Banks, Shuhua Hu, W. Clayton Thompson سری: Monographs and Research Notes in Mathematics ISBN (شابک) : 1482206420, 9781482206425 ناشر: Chapman and Hall/CRC سال نشر: 2014 تعداد صفحات: 403 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Modeling and Inverse Problems in the Presence of Uncertainty 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 مدل سازی و مشکلات معکوس در عدم قطعیت 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.
مدل سازی و مشکلات معکوس در حضور عدم قطعیت تحقیقات اخیر - از جمله پروژه های اساسی خود نویسندگان - را در مورد انتشار عدم قطعیت و کمی سازی جمع آوری می کند. این دو منبع عدم قطعیت را پوشش می دهد: جایی که عدم قطعیت در درجه اول به دلیل خطاهای اندازه گیری وجود دارد و جایی که عدم قطعیت به دلیل خود فرمول مدل سازی وجود دارد.
پس از بررسی مفید احتمالات و مفاهیم آماری مرتبط، این کتاب جنبههای ریاضی و آماری روششناسی مسئله معکوس، از جمله فرمولهای حداقل مربعات معمولی، وزنی، و تعمیم یافته را خلاصه میکند. سپس نظریههای مجانبی، راهاندازی و مسائل مربوط به ارزیابی صحت فرم فرضی مدلهای آماری را مورد بحث قرار میدهد.
نویسندگان در ادامه روشهایی را برای ارزیابی و مقایسه اعتبار مناسب بودن مجموعهای از مدلها برای توصیف مجموعه دادههای معین، از جمله تکنیکهای انتخاب مدل مبتنی بر آمار و مقایسه ارائه میکنند. آنها همچنین نتایج اخیر در مورد تخمین توزیعهای احتمال را هنگامی که در مدلهای پیچیده ریاضی جاسازی شدهاند و تنها دادههای انبوه (نه فردی) در دسترس هستند، بررسی میکنند. علاوه بر این، آنها به طور خلاصه در مورد طراحی بهینه آزمایش ها در پشتیبانی از مسائل معکوس برای مدل های داده شده بحث می کنند.
این کتاب با تمرکز بر عدم قطعیت در فرمولبندی مدل به پایان میرسد، و رابطه کلی معادلات دیفرانسیل رانده شده توسط نویز سفید و معادلات ناشی از نویز رنگی از نظر نتیجه آنها را پوشش میدهد. توابع چگالی احتمال همچنین به سوالات مربوط به تناسب مدلهای گسسته در برابر مدلهای پیوسته در انتقال از تعداد کم به تعداد زیاد افراد میپردازد.
با مثالهای فراوان در سراسر پرداختن به مشکلات در فیزیک، زیستشناسی، و در زمینه های دیگر، این کتاب برای ریاضیدانان کاربردی علاقه مند به مدل های قطعی و/یا تصادفی و تعاملات آنها در نظر گرفته شده است. همچنین برای دانشمندانی در زیستشناسی، پزشکی، مهندسی و فیزیک که روی مدلسازی پایه و مسائل معکوس، عدم قطعیت در مدلسازی، انتشار عدم قطعیت و مدلسازی آماری کار میکنند، مناسب است.
Modeling and Inverse Problems in the Presence of Uncertainty collects recent research—including the authors’ own substantial projects—on uncertainty propagation and quantification. It covers two sources of uncertainty: where uncertainty is present primarily due to measurement errors and where uncertainty is present due to the modeling formulation itself.
After a useful review of relevant probability and statistical concepts, the book summarizes mathematical and statistical aspects of inverse problem methodology, including ordinary, weighted, and generalized least-squares formulations. It then discusses asymptotic theories, bootstrapping, and issues related to the evaluation of correctness of assumed form of statistical models.
The authors go on to present methods for evaluating and comparing the validity of appropriateness of a collection of models for describing a given data set, including statistically based model selection and comparison techniques. They also explore recent results on the estimation of probability distributions when they are embedded in complex mathematical models and only aggregate (not individual) data are available. In addition, they briefly discuss the optimal design of experiments in support of inverse problems for given models.
The book concludes with a focus on uncertainty in model formulation itself, covering the general relationship of differential equations driven by white noise and the ones driven by colored noise in terms of their resulting probability density functions. It also deals with questions related to the appropriateness of discrete versus continuum models in transitions from small to large numbers of individuals.
With many examples throughout addressing problems in physics, biology, and other areas, this book is intended for applied mathematicians interested in deterministic and/or stochastic models and their interactions. It is also suitable for scientists in biology, medicine, engineering, and physics working on basic modeling and inverse problems, uncertainty in modeling, propagation of uncertainty, and statistical modeling.