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: 1
نویسندگان: Martin A. Tanner (auth.)
سری: Lecture Notes in Statistics 67
ISBN (شابک) : 9780387975252, 9781468405101
ناشر: Springer-Verlag New York
سال نشر: 1991
تعداد صفحات: 117
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب ابزارهای استنتاج آماری: داده های مشاهده شده و روش های افزایش داده ها: است
در صورت تبدیل فایل کتاب Tools for Statistical Inference: Observed Data and Data Augmentation Methods 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 ابزارهای استنتاج آماری: داده های مشاهده شده و روش های افزایش داده ها 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.
از بررسیها: هدف کتاب مورد بررسی ارائه یک بررسی از روشها برای تجزیه و تحلیل دادههای بیزی یا مبتنی بر احتمال است. نویسنده بین دو نوع روش تمایز قائل می شود: روش های داده های مشاهده شده و روش های افزایش داده ها. روشهای دادههای مشاهدهشده مستقیماً به احتمال یا چگالی پسین دادههای مشاهدهشده اعمال میشوند. روشهای افزایش دادهها از ساختار داده «فقدان» ویژه مشکل استفاده میکنند. آنها بر افزایش داده ها تکیه می کنند که احتمال یا چگالی پسین را ساده می کند. #Zentralblatt für ریاضی#
From the reviews: The purpose of the book under review is to give a survey of methods for the Bayesian or likelihood-based analysis of data. The author distinguishes between two types of methods: the observed data methods and the data augmentation ones. The observed data methods are applied directly to the likelihood or posterior density of the observed data. The data augmentation methods make use of the special "missing" data structure of the problem. They rely on an augmentation of the data which simplifies the likelihood or posterior density. #Zentralblatt für Mathematik#
Front Matter....Pages I-VI
Introduction to Problems & Techniques....Pages 1-5
Observed Data Techniques-Normal Approximation....Pages 6-15
Observed Data Techniques - Approximations Based on Numerical Integration, Laplace Expansions, Monte Carlo and Importance Sampling....Pages 16-29
The EM Algorithm....Pages 30-46
The Data Augmentation Algorithm....Pages 47-88
The Gibbs Sampler....Pages 89-107
Back Matter....Pages 108-113