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: [3 ed.]
نویسندگان: Byron P. Roe
سری: Undergraduate Texts in Physics
ISBN (شابک) : 9783030536947
ناشر: Springer International Publishing
سال نشر: 2020
تعداد صفحات: 298
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 17 Mb
در صورت تبدیل فایل کتاب Probability and Statistics in the Physical Sciences 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 احتمال و آمار در علوم فیزیک 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 که اکنون در چاپ سوم خود قرار دارد، راهنمای عملی استفاده از احتمال و آمار در فیزیک تجربی را ارائه میدهد که هم برای دانشجویان پیشرفته و هم برای دانشجویان کارشناسی ارشد ارزشمند است. با تمرکز بر کاربردها و قضایا و تکنیک های مورد استفاده در تحقیقات تجربی، شامل مسائل کار شده با راه حل ها و همچنین تمرین های تکلیف برای کمک به درک است. این کتاب که برای خوانندگان بدون دانش قبلی از تکنیک های آماری مناسب است، به طور جامع این موضوع را مورد بحث قرار می دهد و تعدادی برنامه جالب و سرگرم کننده دارد که اغلب نادیده گرفته می شوند. این نسخه جدید با ارائه مقدمهای بر تکنیکهای شبکه عصبی که شامل یادگیری عمیق، شبکههای عصبی متخاصم، و درختهای تصمیم تقویتشده میشود، شامل فصول بهروز شده با، بهعنوان مثال، اضافات مربوط به تولید و توابع مشخصه، قضیه بیز، روش فلدمن-کازینز، ضریب لاگرانژ برای محدودیت ها، تخمین نسبت های احتمال، و مشکلات آشکار.
This book, now in its third edition, offers a practical guide to the use of probability and statistics in experimental physics that is of value for both advanced undergraduates and graduate students. Focusing on applications and theorems and techniques actually used in experimental research, it includes worked problems with solutions, as well as homework exercises to aid understanding. Suitable for readers with no prior knowledge of statistical techniques, the book comprehensively discusses the topic and features a number of interesting and amusing applications that are often neglected. Providing an introduction to neural net techniques that encompasses deep learning, adversarial neural networks, and boosted decision trees, this new edition includes updated chapters with, for example, additions relating to generating and characteristic functions, Bayes’ theorem, the Feldman-Cousins method, Lagrange multipliers for constraints, estimation of likelihood ratios, and unfolding problems.