کتاب الکترونیکی

مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی

Introduction to Applied Bayesian Statistics and Estimation for Social Scientists

دانلود کتاب Introduction to Applied Bayesian Statistics and Estimation for Social Scientists (به فارسی: مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی) نوشته شده توسط «Scott M. Lynch»

اطلاعات کتاب مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی

موضوع اصلی: آمار ریاضی

نوع: کتاب الکترونیکی

ناشر: Springer

نویسنده: Scott M. Lynch

زبان: English

فرمت کتاب: pdf (قابل تبدیل به سایر فرمت ها)

سال انتشار: 2007

تعداد صفحه: 375

حجم کتاب: 5 مگابایت

کد کتاب: 038771264X , 9780387712642 , 9780387712659

نوبت چاپ: 1

توضیحات کتاب مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی

“مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی، فرآیند کامل تحلیل آماری بیزی را با جزئیات کامل از توسعه یک مدل تا فرآیند استنتاج آماری پوشش می دهد. ویژگی کلیدی این کتاب این است که مدل هایی را پوشش می دهد که بیشتر در تحقیقات علوم اجتماعی استفاده می شود – از جمله مدل رگرسیون خطی، مدل های خطی تعمیم یافته، مدل های سلسله مراتبی، و مدل های رگرسیون چند متغیره – و به طور کامل هر نمونه داده های واقعی را با جزئیات پرزحمت توسعه می دهد. بخش اول کتاب مقدمه مفصلی را ارائه می دهد. آمار ریاضی و رویکرد بیزی به آمار و همچنین توضیح کامل منطق استفاده از روش‌های شبیه‌سازی برای ساخت خلاصه‌ای از توزیع‌های پسین. روش‌های زنجیره مارکوف مونت کارلو (MCMC) – از جمله نمونه‌گر گیبس و الگوریتم متروپلیس-هیستینگ – هستند. سپس به عنوان روش های عمومی برای شبیه سازی نمونه ها از توزیع ها معرفی شدند. بحث گسترده ای در مورد برنامه نویسی الگوریتم های MCMC، نظارت بر عملکرد آنها و بهبود آنها قبل از تبدیل به نمونه های بزرگتر شامل مدل ها و داده های واقعی علوم اجتماعی ارائه شده است.

“Introduction to Applied Bayesian Statistics and Estimation for Social Scientists’ covers the complete process of Bayesian statistical analysis in great detail from the development of a model through the process of making statistical inference. The key feature of this book is that it covers models that are most commonly used in social science research – including the linear regression model, generalized linear models, hierarchical models, and multivariate regression models – and it thoroughly develops each real-data example in painstaking detail.The first part of the book provides a detailed introduction to mathematical statistics and the Bayesian approach to statistics, as well as a thorough explanation of the rationale for using simulation methods to construct summaries of posterior distributions. Markov chain Monte Carlo (MCMC) methods – including the Gibbs sampler and the Metropolis-Hastings algorithm – are then introduced as general methods for simulating samples from distributions. Extensive discussion of programming MCMC algorithms, monitoring their performance, and improving them is provided before turning to the larger examples involving real social science models and data.

دانلود کتاب «مقدمه ای بر آمار و تخمین بیزی کاربردی برای دانشمندان علوم اجتماعی»

مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
برچسب ها
مبلغی که بابت خرید کتاب می‌پردازیم به مراتب پایین‌تر از هزینه‌هایی است که در آینده بابت نخواندن آن خواهیم پرداخت.
کتابخانه دیجیتال بَلیان