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:
نویسندگان: Martin A. Tanner (auth.)
سری: Springer Series in Statistics
ISBN (شابک) : 9781468401943, 9781468401929
ناشر: Springer US
سال نشر: 1993
تعداد صفحات: 165
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب ابزار استنتاج آماری: روشهایی برای اکتشاف توزیعهای پسین و توابع احتمال: آمار، عمومی
در صورت تبدیل فایل کتاب Tools for Statistical Inference: Methods for the Exploration of Posterior Distributions and Likelihood Functions 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 ابزار استنتاج آماری: روشهایی برای اکتشاف توزیعهای پسین و توابع احتمال 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 ارائه یکپارچه از انواع الگوریتمهای محاسباتی است که در استنتاج بیزی و احتمال استفاده میشوند. در این ویرایش دوم، مارتین تانر از این فرصت استفاده کرده است تا درمان بسیاری از تکنیکهای مورد بحث را گسترش دهد، فضای بیشتری را به مقایسه روشهای تحت پوشش اختصاص دهد، و کاربردها را با جزئیات بیشتر توصیف کند. موضوعات تحت پوشش عبارتند از: حداکثر احتمال، روشهای مونت کارلو، الگوریتم EM، تکنیکهای افزایش داده، روشهای انتساب، نمونهگر گیبس، الگوریتم متروپولیس، و نمونهگر شبکهای گیبس. فرض بر این است که خواننده دارای پیشزمینه پایه معقولی در آمار است که ممکن است در سال اول دوره تحصیلات تکمیلی به دست آید، اما در غیر این صورت کتاب مستقل است. در نتیجه، این کتاب بررسی ارزشمندی از منطقه سریع آمار را برای آماردانان پژوهشی و برای سایر محققان و دانشجویان فارغ التحصیل که تحقیقاتشان بر روی این تکنیک ها انجام می شود ارائه می دهد.
This book provides a unified presentation of a variety of computational algorithms which are used in likelihood and Bayesian inference. In this second edition, Martin Tanner has taken the opportunity to expand the treatment of many of the techniques discussed, to devote more space to comparing the methods covered, and to describe the applications in more detail. Topics covered include: maximum likelihood, Monte Carlo methods, the EM algorithm, data augmentation techniques, imputation methods, the Gibbs sampler, the Metropolis algorithm, and the griddy Gibbs sampler. The reader is assumed to have a reasonable basic background in statistics as might be gained in the first year of a graduate course, but otherwise the book is self-contained. As a result, the book will provide an invaluable survey of the fast-moving area of statistics for research statisticians and for other researchers and graduate students whose research touches on these techniques.
Front Matter....Pages i-ix
Introduction....Pages 1-8
Normal Approximations to Likelihoods and to Posteriors....Pages 9-19
Nonnormal Approximations to Likelihoods and to Posteriors....Pages 20-37
The EM Algorithm....Pages 38-57
The Data Augmentation Algorithm....Pages 58-101
Markov Chain Monte Carlo: The Gibbs Sampler and the Metropolis Algorithm....Pages 102-146
Back Matter....Pages 147-157