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 Statistical Inference and Prediction in Climatology: A Bayesian Approach

دانلود کتاب استنتاج و پیش بینی آماری در اقلیم شناسی: رویکرد بیزی

Statistical Inference and Prediction in Climatology: A Bayesian Approach

مشخصات کتاب

Statistical Inference and Prediction in Climatology: A Bayesian Approach

ویرایش:  
نویسندگان:   
سری: Meteorological Monographs 20 
ISBN (شابک) : 9781935704270 
ناشر: American Meteorological Society 
سال نشر: 1985 
تعداد صفحات: 204 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 17 مگابایت 

قیمت کتاب (تومان) : 40,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب Statistical Inference and Prediction in Climatology: A Bayesian Approach 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 استنتاج و پیش بینی آماری در اقلیم شناسی: رویکرد بیزی 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 استنتاج و پیش بینی آماری در اقلیم شناسی: رویکرد بیزی

اقلیم شناس (مانند هیدرولوژیست، اقتصاددان، دانشمند علوم اجتماعی و دیگران) اغلب با موقعیت هایی روبه رو می شود که در آنها باید نتیجه یک فرآیند را پیش بینی کرد که ذاتاً احتمالی است و این عدم قطعیت ذاتی با محدودیت کارشناس ترکیب می شود. دانش خود فرآیند یک مثال ممکن است پیش‌بینی دمای میانگین تابستان آینده در مکانی که قبلاً نظارت نشده بود باشد. این تک نگاری به استفاده متعادل از قضاوت متخصص و داده های محدود در چنین شرایطی می پردازد. کارشناس چگونه قضاوت خود را کمیت می کند؟ وقتی داده‌ها فراوان هستند، می‌توانند یک داستان کامل را بیان کنند، اما چگونه می‌توان قضاوت قبلی را در پرتو چند مشاهدات تغییر داد و آن اطلاعات را در یک پیش‌بینی ثابت و آگاهانه ادغام کرد؟ قضیه بیز یک قانون ساده برای اصلاح یک باور قبلی در پرتو داده های جدید ارائه می دهد. روش های بیزی ارزشمند و کاربردی هستند. این تک نگاری قصد دارد برخی از مفاهیم استنتاج و پیش بینی آماری را معرفی کند که به طور کلی در دوره سنتی کالج در آمار به آنها پرداخته نمی شود و راه خود را به ادبیات فنی که عموماً در دسترس اقلیم شناسان فعال است ندیده اند. حتی امروزه که روش‌های بیزی ارائه می‌شوند، به ندرت بر جنبه‌های عملی کاربرد آنها تأکید می‌شود. با استفاده از مثال‌های استخراج‌شده از اقلیم‌شناسی و هواشناسی که فرآیندهای احتمالی را از برنولی گرفته تا عادی تا خودرگرسیون را پوشش می‌دهند، روش‌هایی برای کمی‌سازی باورها به‌عنوان گزاره‌های احتمال مختصر توصیف می‌شوند و پیامدهای داده‌های جدید بر باورها و باورها بر پیش‌بینی‌ها توسعه می‌یابند. استنتاج و پیش‌بینی استنباط‌هایی که عموماً در دوره‌های آماری کالج سنتی مورد بررسی قرار نمی‌گیرند و راه خود را به ادبیات فنی که عموماً در دسترس اقلیم‌شناسان فعال است، ندیده‌اند. حتی امروزه که روش‌های بیزی ارائه می‌شوند، به ندرت بر جنبه‌های عملی کاربرد آنها تأکید می‌شود. با استفاده از مثال‌های استخراج‌شده از اقلیم‌شناسی و هواشناسی که فرآیندهای احتمالی را از برنولی گرفته تا عادی تا خودرگرسیون را پوشش می‌دهند، روش‌هایی برای کمی‌سازی باورها به‌عنوان گزاره‌های احتمال مختصر توصیف می‌شوند و پیامدهای داده‌های جدید بر باورها و باورها بر پیش‌بینی‌ها توسعه می‌یابند.


توضیحاتی درمورد کتاب به خارجی

The climatologist (like the hydrologist, the economist, the social scientist, and others) is frequently faces with situations in which a prediction must be made of the outcome of a process that is inherently probabilistic, and this inherent uncertainty is compounded by the expert's limited knowledge of the process itself. An example might be predicting next summer's mean temperature at a previously unmonitored location. This monograph deals with the balanced use of expert judgment and limited data in such situations. How does the expert quantify his or her judgment? When data are plentiful they can tell a complete story, but how does one alter prior judgment in the light of a few observations, and integrate that information into a consistent and knowledgeable prediction? Bayes theorem provides a straightforward rule for modifying a previously held belief in the light of new data. Bayesian methods are valuable and practical. This monograph is intended to introduce some concepts of statistical inference and prediction that are not generally treated in the traditional college course in statistics, and have not seen their way into the technical literature generally available to the practising climatologist. Even today, where Bayesian methods are presented the practical aspects of their application are seldom emphasized. Using examples drawn from climatology and meteorology covering probabilistic processes ranging from Bernoulli to normal to autoregression, methods for quantifying beliefs as concise probability statements are described, and the implications of new data on beliefs and of beliefs on predictions are developed. istical inference and prediction that are not generally treated in the traditional college course in statistics, and have not seen their way into the technical literature generally available to the practising climatologist. Even today, where Bayesian methods are presented the practical aspects of their application are seldom emphasized. Using examples drawn from climatology and meteorology covering probabilistic processes ranging from Bernoulli to normal to autoregression, methods for quantifying beliefs as concise probability statements are described, and the implications of new data on beliefs and of beliefs on predictions are developed.



فهرست مطالب

Front Matter....Pages i-vi
Introduction....Pages 1-10
Some Fundamentals of Probability....Pages 11-28
Bernoulli Processes....Pages 29-51
Poisson Processes....Pages 53-75
Normal Data-Generating Processes....Pages 77-104
Normal Linear Regression....Pages 105-138
First-Order Autoregression....Pages 139-165
Back Matter....Pages 167-199




نظرات کاربران