ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Spatial and Spatio-temporal Bayesian Models with R-INLA

دانلود کتاب مدل‌های بیزی فضایی و مکانی-زمانی با R-INLA

Spatial and Spatio-temporal Bayesian Models with R-INLA

مشخصات کتاب

Spatial and Spatio-temporal Bayesian Models with R-INLA

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1118326555, 9781118326558 
ناشر: Wiley 
سال نشر: 2015 
تعداد صفحات: 322 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 26 مگابایت

قیمت کتاب (تومان) : 46,000



کلمات کلیدی مربوط به کتاب مدل‌های بیزی فضایی و مکانی-زمانی با R-INLA: کتابخانه، ادبیات کامپیوتر، ر



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Spatial and Spatio-temporal Bayesian Models with R-INLA 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 مدل‌های بیزی فضایی و مکانی-زمانی با R-INLA 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 مدل‌های بیزی فضایی و مکانی-زمانی با R-INLA

مدل‌های بیزی فضایی و زمانی-مکانی با R-INLA ارائه خلاقانه & بسیار مورد نیاز و عملی از ترکیب روش بیزی و فضایی ارائه می‌کند. آمار. نویسندگان مقدمه‌ای بر نظریه و روش بیزی را با تمرکز بر مدل‌های مکانی و مکانی-زمانی مورد استفاده در چارچوب بیزی و مجموعه‌ای از مثال‌های عملی ترکیب می‌کنند که به خواننده اجازه می‌دهد نظریه آماری ارائه‌شده را به مشکلات داده‌های واقعی مرتبط کند. نمونه‌های متعددی از زمینه‌های اپیدمیولوژی، آمار زیستی و علوم اجتماعی همگی در بسته R-INLA کدگذاری شده‌اند، که ثابت کرده است جایگزین معتبری برای شبیه‌سازی‌های رایج مارکوف زنجیره مونت کارلو است.


توضیحاتی درمورد کتاب به خارجی

Spatial and Spatio-Temporal Bayesian Models with R-INLA provides a much needed, practically oriented & innovative presentation of the combination of Bayesian methodology and spatial statistics. The authors combine an introduction to Bayesian theory and methodology with a focus on the spatial and spatio­-temporal models used within the Bayesian framework and a series of practical examples which allow the reader to link the statistical theory presented to real data problems. The numerous examples from the fields of epidemiology, biostatistics and social science all are coded in the R package R-INLA, which has proven to be a valid alternative to the commonly used Markov Chain Monte Carlo simulations



فهرست مطالب

Dedication iii
Preface ix

1 Introduction 1
1.1 Why spatial and spatio-temporal statistics? 1
1.2 Why do we use Bayesian methods for modelling spatial and spatio-temporal structures? 2
1.3 Why INLA? 3
1.4 Datasets 3

2 Introduction to 21
2.1 The language 21
2.2 objects 22
2.3 Data and session management 34
2.4 Packages 35
2.5 Programming in 36
2.6 Basic statistical analysis with 39

3 Introduction to Bayesian Methods 53
3.1 Bayesian Philosophy 53
3.2 Basic Probability Elements 57
3.3 Bayes Theorem 62
3.4 Prior and Posterior Distributions 64
3.5 Working with the Posterior Distribution 66
3.6 Choosing the Prior Distribution 68

4 Bayesian computing 83
4.1 Monte Carlo integration 83
4.2 Monte Carlo method for Bayesian inference 85
4.3 Probability distributions and random number generation in 86
4.4 Examples of Monte Carlo simulation 89
4.5 Markov chain Monte Carlo methods 97
4.6 The Integrated Nested Laplace Approximations algorithm 113
4.7 Laplace approximation 113
4.8 The package 123
4.9 How INLA works: step by step example 127

5 Bayesian regression and hierarchical models 139
5.1 Linear Regression 139
5.2 Nonlinear regression: random walk 145
5.3 Generalized Linear Models 150
5.4 Hierarchical Models 159
5.5 Prediction 176
5.6 Model Checking and Selection 179

6 Spatial Modeling 189
6.1 Areal data –GMRF 192
6.2 Ecological Regression 203
6.3 Zero inflated models 204
6.4 Geostatistical data 210
6.5 The Stochastic Partial Diferential Equation approach 211
6.6 SPDE within 215
6.7 SPDE toy example with simulated data 217
6.8 More advanced operations through the function 226
6.9 Prior specification for the stationary case 233
6.10 SPDE for Gaussian response: Swiss rainfall data 237
6.11 SPDE with nonnormal outcome: Malaria in the Gambia 245
6.12 Prior specification for the nonstationary case 249

7 Spatio-Temporal Models 257
7.1 Spatio-temporal Disease mapping 258
7.2 Spatio-temporal Modeling particulate matter concentration 268

8 Advanced modeling 283
8.1 Bivariate model for spatially misaligned data 283
8.2 Semicontinuous model to daily rainfall 295
8.3 Spatio-temporal dynamic models 308
8.4 Space-time model lowering the time resolution 321




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی