دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Statistical rethinking: a Bayesian course with examples in R and Stan
دانلود کتاب بازاندیشی آماری: یک دوره بیزی با مثال هایی در R و Stan
مشخصات کتاب
Statistical rethinking: a Bayesian course with examples in R and Stan
ویرایش:
نویسندگان: McElreath. Richard
سری: Texts in statistical science; MyiLibrary
ISBN (شابک) : 9781482253467, 1482253461
ناشر: CRC Press
سال نشر: 2016
تعداد صفحات: 484
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
قیمت کتاب (تومان) : 30,000
در صورت تبدیل فایل کتاب Statistical rethinking: a Bayesian course with examples in R and Stan 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 بازاندیشی آماری: یک دوره بیزی با مثال هایی در R و Stan 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 بازاندیشی آماری: یک دوره بیزی با مثال هایی در R و Stan
بازاندیشی آماری: یک دوره بیزی با مثال هایی در R و Stan دانش و اعتماد خوانندگان را نسبت به مدل سازی آماری ایجاد می کند. این کتاب که نیاز به برنامه‌نویسی حتی جزئی را در آمارهای مبتنی بر مدل امروزی منعکس می‌کند، خوانندگان را وادار می‌کند تا محاسبات گام به گام را انجام دهند که معمولاً خودکار هستند. این رویکرد محاسباتی منحصربه‌فرد تضمین می‌کند که خوانندگان به اندازه کافی جزئیات را درک می‌کنند تا در کار مدل‌سازی خود انتخاب‌ها و تفسیرهای معقولی داشته باشند. این متن مدل‌های چندسطحی خطی تعمیم‌یافته را از دیدگاه بیزی، با تکیه بر یک تفسیر منطقی ساده از احتمال بیزی و حداکثر آنتروپی ارائه می‌کند. از مبانی رگرسیون تا مدل های چند سطحی را پوشش می دهد. نویسنده همچنین خطای اندازه‌گیری، داده‌های از دست رفته و مدل‌های فرآیند گاوسی را برای خودهمبستگی فضایی و شبکه مورد بحث قرار می‌دهد. این کتاب با استفاده از مثال‌های کامل کد R، پایه‌ای عملی برای انجام استنتاج آماری فراهم می‌کند. این برنامه هم برای دانشجویان دکترا و هم برای متخصصان باتجربه در علوم طبیعی و اجتماعی طراحی شده است و آنها را برای مدل‌سازی آماری پیشرفته‌تر یا تخصصی‌تر آماده می‌کند. منبع وب کتاب همراه با یک بسته R (بازاندیشی) است که در وب سایت نویسنده و GitHub موجود است. دو تابع اصلی (map و map2stan) این بسته اجازه می دهد تا انواع مدل های آماری از فرمول های مدل استاندارد ساخته شود.
توضیحاتی درمورد کتاب به خارجی
Statistical Rethinking: A Bayesian Course with Examples in R and Stan builds readers’ knowledge of and confidence in statistical modeling. Reflecting the need for even minor programming in today’s model-based statistics, the book pushes readers to perform step-by-step calculations that are usually automated. This unique computational approach ensures that readers understand enough of the details to make reasonable choices and interpretations in their own modeling work. The text presents generalized linear multilevel models from a Bayesian perspective, relying on a simple logical interpretation of Bayesian probability and maximum entropy. It covers from the basics of regression to multilevel models. The author also discusses measurement error, missing data, and Gaussian process models for spatial and network autocorrelation. By using complete R code examples throughout, this book provides a practical foundation for performing statistical inference. Designed for both PhD students and seasoned professionals in the natural and social sciences, it prepares them for more advanced or specialized statistical modeling. Web Resource The book is accompanied by an R package (rethinking) that is available on the author’s website and GitHub. The two core functions (map and map2stan) of this package allow a variety of statistical models to be constructed from standard model formulas.
فهرست مطالب
Front Cover Contents Preface 1: The Golem of Prague 2: Small Worlds and Large Worlds 3: Sampling the Imaginary 4: Linear Models 5: Multivariate Linear Models 6: Overfitting, Regularization, and Information Criteria 7: Interactions 8: Markov Chain Monte Carlo 9: Big Entropy and the Generalized Linear Model 10: Counting and Classification 11: Monsters and Mixtures 12: Multilevel Models 13: Adventures in Covariance 14: Missing Data and Other Opportunities 15: Horoscopes Endnotes Bibliography Back Cover
