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
دسته بندی: آمار ریاضی ویرایش: 1 نویسندگان: Dirk P. Kroese, Joshua C.C. Chan (auth.) سری: ISBN (شابک) : 9781461487746, 9781461487753 ناشر: Springer-Verlag New York سال نشر: 2014 تعداد صفحات: 412 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب مدل سازی آماری و محاسبه: برنامه های آمار و محاسبات/آمار، آمار برای علوم زیستی، پزشکی، علوم بهداشتی، نظریه و روش های آماری
در صورت تبدیل فایل کتاب Statistical Modeling and Computation 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 آماری و محاسبه 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 درسی در مورد مدلسازی آماری و استنتاج آماری به دانشجویان پیشرفته در مقطع کارشناسی و کارشناسی ارشد کمک میکند. مدلسازی و محاسبات آماری مقدمه ای منحصر به فرد برای آمار مدرن از هر دو دیدگاه کلاسیک و بیزی ارائه می دهد. همچنین با تأکید بر مدلسازی آماری، تکنیکهای محاسباتی و کاربردها، درمان یکپارچهای از آمار ریاضی و محاسبات آماری مدرن ارائه میدهد. هر یک از سه بخش، موضوعات ضروری برای دوره های دانشگاهی را پوشش می دهد. بخش اول اصول نظریه احتمال را پوشش می دهد. در بخش دوم، نویسندگان طیف گستردهای از مدلهای کلاسیک را معرفی میکنند که شامل مدلهای رگرسیون خطی و ANOVA میشود. در بخش سوم، نویسندگان به تحلیل آماری و محاسبات مدلهای پیشرفته مختلف، مانند مدلهای خطی تعمیمیافته، فضای حالت و مدلهای گاوسی میپردازند. توجه ویژه ای به تکنیک های سریع مونت کارلو برای استنتاج بیزی روی این مدل ها می شود. در سراسر کتاب نویسندگان شامل تعداد زیادی مثال گویا و مسائل حل شده هستند. این کتاب همچنین دارای بخشهایی با راهحلها، ضمیمهای است که به عنوان آغازگر متلب عمل میکند، و یک مکمل ریاضی.
This textbook on statistical modeling and statistical inference will assist advanced undergraduate and graduate students. Statistical Modeling and Computation provides a unique introduction to modern Statistics from both classical and Bayesian perspectives. It also offers an integrated treatment of Mathematical Statistics and modern statistical computation, emphasizing statistical modeling, computational techniques, and applications. Each of the three parts will cover topics essential to university courses. Part I covers the fundamentals of probability theory. In Part II, the authors introduce a wide variety of classical models that include, among others, linear regression and ANOVA models. In Part III, the authors address the statistical analysis and computation of various advanced models, such as generalized linear, state-space and Gaussian models. Particular attention is paid to fast Monte Carlo techniques for Bayesian inference on these models. Throughout the book the authors include a large number of illustrative examples and solved problems. The book also features a section with solutions, an appendix that serves as a MATLAB primer, and a mathematical supplement.
Front Matter....Pages i-xx
Front Matter....Pages 1-1
Probability Models....Pages 3-21
Random Variables and Probability Distributions....Pages 23-61
Joint Distributions....Pages 63-97
Front Matter....Pages 99-99
Common Statistical Models....Pages 101-120
Statistical Inference....Pages 121-159
Likelihood....Pages 161-194
Monte Carlo Sampling....Pages 195-226
Bayesian Inference....Pages 227-262
Front Matter....Pages 263-263
Generalized Linear Models....Pages 265-286
Dependent Data Models....Pages 287-322
State Space Models....Pages 323-348
Matlab Primer....Pages 349-366
Mathematical Supplement....Pages 367-372
Back Matter....Pages 373-400