دانلود کتاب An Introduction to Bayesian Analysis (به فارسی: مقدمه ای بر تحلیل بیزی) نوشته شده توسط «Jayanta K. Ghosh – Mohan Delampady – Tapas Samanta»
اطلاعات کتاب مقدمه ای بر تحلیل بیزی
موضوع اصلی: احتمال
نوع: کتاب الکترونیکی
ناشر: Springer New York
نویسنده: Jayanta K. Ghosh – Mohan Delampady – Tapas Samanta
زبان: English
فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2009
تعداد صفحه: 356
حجم کتاب: 16 مگابایت
کد کتاب: 9781441923035 , 1441923039
توضیحات کتاب مقدمه ای بر تحلیل بیزی
این یک کتاب درسی در سطح فارغ التحصیل در مورد تحلیل بیزی است که تئوری، روش‌ها و کاربردهای مدرن بیزی را ترکیب می‌کند. با شروع از آمار پایه، حساب دیفرانسیل و انتگرال و جبر خطی، ایده‌های تحلیل بیزی ذهنی و عینی به سطحی توسعه می‌یابد که داده‌های واقعی را می‌توان با استفاده از تکنیک‌های فعلی محاسبات آماری تجزیه و تحلیل کرد.
پیشرفت‌ها در مسائل کم‌بعد و ابعاد بالا و همچنین موضوعات مهمی مانند روش‌های بیز تجربی و سلسله مراتبی بیز و تکنیک‌های زنجیره مارکوف مونت کارلو (MCMC) پوشش داده شده است.
بسیاری از موضوعات در لبه برش تحقیقات آماری قرار دارند. راه‌حل‌های مشکلات استنتاج رایج در سراسر متن همراه با بحث در مورد آنچه قبل از انتخاب وجود دارد ظاهر می‌شوند. بحث برانگیختن یک ماقبل ذهنی و همچنین انگیزه، کاربرد و محدودیت های پیشین های عینی وجود دارد. از طریق کاربردهای مهم، این کتاب ریزآرایه‌ها، رگرسیون ناپارامتریک از طریق موجک‌ها و همچنین مخلوط‌های DMA از نرمال‌ها، و تحلیل فضایی با تصاویر با استفاده از داده‌های شبیه‌سازی شده و واقعی را ارائه می‌کند. موضوعات نظری در لبه برش شامل انتخاب مدل با ابعاد بالا و عوامل درونی بیز است که نویسندگان با موفقیت در نقشه‌برداری زمین‌شناسی به کار گرفته‌اند.
سبک غیر رسمی اما واضح است. Asymptotics برای تکمیل شبیه سازی یا درک برخی از جنبه های خلفی استفاده می شود.
Advances in both low-dimensional and high-dimensional problems are covered, as well as important topics such as empirical Bayes and hierarchical Bayes methods and Markov chain Monte Carlo (MCMC) techniques.
Many topics are at the cutting edge of statistical research. Solutions to common inference problems appear throughout the text along with discussion of what prior to choose. There is a discussion of elicitation of a subjective prior as well as the motivation, applicability, and limitations of objective priors. By way of important applications the book presents microarrays, nonparametric regression via wavelets as well as DMA mixtures of normals, and spatial analysis with illustrations using simulated and real data. Theoretical topics at the cutting edge include high-dimensional model selection and Intrinsic Bayes Factors, which the authors have successfully applied to geological mapping.
The style is informal but clear. Asymptotics is used to supplement simulation or understand some aspects of the posterior.
دانلود کتاب «مقدمه ای بر تحلیل بیزی»
