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: Raffaele Argiento, Federico Camerlenghi, Sally Paganin سری: Springer Proceedings in Mathematics & Statistics, 405 ISBN (شابک) : 3031164261, 9783031164262 ناشر: Springer سال نشر: 2022 تعداد صفحات: 121 [122] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
در صورت تبدیل فایل کتاب New Frontiers in Bayesian Statistics: BAYSM 2021, Online, September 1–3 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 مرزهای جدید در آمار بیزی: BAYSM 2021، آنلاین، 1 تا 3 سپتامبر 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.
این کتاب مجموعهای از مشارکتهای بررسیشده در پنجمین نشست آماردانان جوان بیزی، BaYSM 2021 را ارائه میکند که بهدلیل همهگیری کووید-19 در 1 تا 3 سپتامبر 2021 برگزار شد. فرصت ارزشمندی برای محققان اولیه شغلی، از جمله دانشجویان کارشناسی ارشد، دانشجویان دکترا، و فوق دکترا برای ارتباط با جامعه گسترده بیزی. این جلسات، موضوعات مختلف بسیاری را در آمار بیزی برجسته میکند و رویکردهای روششناختی امیدوارکنندهای را برای رسیدگی به چالشهای مهم در کاربردهای مختلف ارائه میکند. این کتاب برای مخاطبان گسترده ای از افراد علاقه مند به آمار در نظر گرفته شده است و مجموعه ای از مشارکت های محرک در جنبه های نظری، روش شناختی و محاسباتی آمار بیزی ارائه می کند.
This book presents a selection of peer-reviewed contributions to the fifth Bayesian Young Statisticians Meeting, BaYSM 2021, held virtually due to the COVID-19 pandemic on 1-3 September 2021. Despite all the challenges of an online conference, the meeting provided a valuable opportunity for early career researchers, including MSc students, PhD students, and postdocs to connect with the broader Bayesian community. The proceedings highlight many different topics in Bayesian statistics, presenting promising methodological approaches to address important challenges in a variety of applications. The book is intended for a broad audience of people interested in statistics, and provides a series of stimulating contributions on theoretical, methodological, and computational aspects of Bayesian statistics.
Organization Preface Contents About the Editors Approximate Bayesian Algorithm for Tensor Robust Principal Component Analysis 1 Introduction: Tensor Robust Principal Component Analysis and Its Extensions 2 Scheme of the Approximate Bayesian Algorithm 3 Numerical Experiments and Application 4 Conclusion References Bayesian Quantile Regression for Big Data Analysis 1 Introduction 2 Quantile Regression and Its Likelihood Function 3 NIG Prior and Posterior Distributions for Bayesian Quantile Regression 3.1 NIG Expression for Prior Distribution 3.2 NIG Expression for Posterior Distribution 4 Big Data Based Algorithms for Bayesian Quantile Regression 4.1 NIG Multiplication Operator for Posterior Distribution 4.2 Algorithms for Bayesian Quantile Regression 5 Real-Data Analysis 6 Summary and Conclusion References Towards a Bayesian Analysis of Migration Pathways Using Chain Event Graphs of Agent Based Models 1 Introduction 2 Agent Based Models of Migration 2.1 An Illustrative Example of Migrant Behaviour 3 From ABMs to CEGs 3.1 Example Continued 4 Discussion References Power-Expected-Posterior Methodology with Baseline Shrinkage Priors 1 Introduction 1.1 Shrinkage Priors 1.2 Power-Expected-Posterior Priors 2 PEP-Shrinkage Prior 2.1 Conditional PEP-Shrinkage Prior 2.2 Conditional Posterior Under the PEP-Shrinkage Prior 2.3 Marginal Likelihood Under the PEP-Shrinkage Prior 3 Simulation Study 4 Discussion References Bayesian Nonparametric Scalar-on-Image Regression via Potts-Gibbs Random Partition Models 1 Introduction 2 Model Specification 2.1 Scalar-on-Image Regression 2.2 Random Image Partition Model 2.3 Shrinkage Prior 3 Inference 4 Numerical Studies 5 Conclusion References Block Structured Graph Priors in Gaussian Graphical Models 1 Introduction 2 Block Structured Graph Priors 3 Sampling Strategy 3.1 Construction of Proposed Graph G 3.2 Construction of Proposed Precision Matrix K 4 Simulation Study 5 Discussion References A Bayesian Joint Spatio-temporal Model for Multiple Mosquito-Borne Diseases 1 Introduction 2 Spatio-temporal Modeling 3 Motivational Data 3.1 Study Area 3.2 Risk Factors 4 Results 4.1 Spatial and Temporal Effects 4.2 Relative Risk 5 Discussion and Future Work References A Bayesian Nonparametric Test for Cross-Group Differences Relative to a Control 1 Introduction 2 A BNP Model for Multivariate Comparisons 2.1 A Prior for the Hypotheses 2.2 A Prior for the Group Distributions 3 Posterior Inference 4 Monte Carlo Simulation Study 5 Discussion References Specification of the Base Measure of Nonparametric Priors via Random Means 1 Introduction 2 Dirichlet Case 3 Normalized Stable and Pitman–Yor Cases 4 Application to Mixture Models References Bayesian Nonparametric Predictive Modeling for Personalized Treatment Selection 1 Introduction 2 The Model 2.1 Priors 2.2 Similarity Function 2.3 Posterior Computation 3 Treatment Selection 4 Illustrative Example 5 Conclusion References Bayesian Growth Curve Model for Studying the Intra-abdominal Volume During Pneumoperitoneum for Laparoscopic Surgery 1 Introduction 2 Bayesian Growth Curve Model 3 Posterior Results 4 Conclusions References Author Index Author Index