دانلود کتاب Introduction to Bayesian Statistics (به فارسی: مقدمه ای بر آمار بیزی) نوشته شده توسط «William M. Bolstad – James M. Curran»
اطلاعات کتاب مقدمه ای بر آمار بیزی
موضوع اصلی: ریاضیات
نوع: کتاب الکترونیکی
ناشر: Wiley
نویسنده: William M. Bolstad – James M. Curran
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2016
تعداد صفحه: 624 / 620
حجم فایل: 7.87 مگابایت
کد کتاب: 1118091566 , 9781118091562
نوبت چاپ: 3
توضیحات کتاب مقدمه ای بر آمار بیزی
“…این نسخه در آموزش استنتاج بیزی در سطوح ابتدایی و متوسط مفید و موثر است. کتابی است که به خوبی در مورد استنتاج بیزی ابتدایی نوشته شده است و مطالب به راحتی قابل دسترسی است. هر دو مختصر است. و به موقع، و مجموعه خوبی از مرورها و بررسی های ابزارهای مهم مورد استفاده در روش های آماری بیزی را ارائه می دهد.”
در استفاده از روش های بیزی در تحلیل های آماری کاربردی افزایش شدیدی وجود دارد، هنوز اکثر متون آمار مقدماتی فقط روش های فراوانی را ارائه می دهند. آمار بیزی دارای مزایای بسیار مهمی است که اگر دانش‌آموزان به سراغ رشته‌هایی می‌روند که در آن آمار مورد استفاده قرار می‌گیرد، باید در مورد آنها بیاموزند. در این نسخه سوم، چهار فصل جدید اضافه شده به موضوعاتی می پردازد که نشان دهنده پیشرفت های سریع در زمینه آمار بیزی است. نویسندگان به ارائه یک درمان بیزی از موضوعات آماری مقدماتی، مانند جمع‌آوری داده‌های علمی، متغیرهای تصادفی گسسته، روش‌های بیزی قوی، و رویکردهای بیزی برای استنتاج برای متغیرهای تصادفی گسسته، نسبت‌های دوجمله‌ای، پواسون و میانگین‌های نرمال و رگرسیون خطی ساده ادامه می‌دهند. . علاوه بر این، موضوعات پیشرفته تر در این زمینه در چهار فصل جدید ارائه شده است: استنتاج بیزی برای یک نرمال با میانگین و واریانس ناشناخته. استنتاج بیزی برای بردار میانگین نرمال چند متغیره. استنتاج بیزی برای مدل رگرسیون خطی چندگانه. و آمار بیزی محاسباتی از جمله زنجیره مارکوف مونت کارلو. گنجاندن این موضوعات توانایی خوانندگان را برای پیشرفت از درک حداقلی آمار به توانایی پرداختن به موضوعات در کتاب‌های کاربردی تر و سطح پیشرفته‌تر تسهیل می‌کند. ماکروهای Minitab و توابع R در وب سایت مربوط به کتاب برای کمک به تمرینات فصل در دسترس هستند. مقدمه ای بر آمار بیزی، ویرایش سوم همچنین ویژگی های زیر را دارد:
- موضوعاتی از جمله تابع احتمال مشترک و استنتاج با استفاده از مقدمات مستقل جفریس و مزدوج قبلی
- مبحث پیشرفته آمار بیزی محاسباتی در فصلی جدید، با تمرکز منحصر به فرد بر روی روش های مونت کارلو زنجیره مارکوف
- تمرین هایی در سراسر کتاب که برای بازتاب برنامه های جدید و جدیدترین برنامه های نرم افزاری به روز شده اند. li>
- ضمیمه‌های مفصلی که خوانندگان را در استفاده از نرم‌افزار R و Minitab برای تحلیل بیزی و شبیه‌سازی‌های مونت کارلو با تمامی ماکروهای مرتبط در وب‌سایت کتاب راهنمایی می‌کند
مقدمه to Bayesian Statistics, Third Edition یک کتاب درسی برای دوره های سطح فوق لیسانس یا سال اول کارشناسی ارشد در درس آمار مقدماتی با تاکید بیزی است. همچنین می تواند به عنوان یک کار مرجع برای آماردانانی که نیاز به دانش کاری از آمار بیزی دارند استفاده شود.
“…this edition is useful and effective in teaching Bayesian inference at both elementary and intermediate levels. It is a well-written book on elementary Bayesian inference, and the material is easily accessible. It is both concise and timely, and provides a good collection of overviews and reviews of important tools used in Bayesian statistical methods.”
There is a strong upsurge in the use of Bayesian methods in applied statistical analysis, yet most introductory statistics texts only present frequentist methods. Bayesian statistics has many important advantages that students should learn about if they are going into fields where statistics will be used. In this third Edition, four newly-added chapters address topics that reflect the rapid advances in the field of Bayesian statistics. The authors continue to provide a Bayesian treatment of introductory statistical topics, such as scientific data gathering, discrete random variables, robust Bayesian methods, and Bayesian approaches to inference for discrete random variables, binomial proportions, Poisson, and normal means, and simple linear regression. In addition, more advanced topics in the field are presented in four new chapters: Bayesian inference for a normal with unknown mean and variance; Bayesian inference for a Multivariate Normal mean vector; Bayesian inference for the Multiple Linear Regression Model; and Computational Bayesian Statistics including Markov Chain Monte Carlo. The inclusion of these topics will facilitate readers’ ability to advance from a minimal understanding of Statistics to the ability to tackle topics in more applied, advanced level books. Minitab macros and R functions are available on the book’s related website to assist with chapter exercises. Introduction to Bayesian Statistics, Third Edition also features:
- Topics including the Joint Likelihood function and inference using independent Jeffreys priors and join conjugate prior
- The cutting-edge topic of computational Bayesian Statistics in a new chapter, with a unique focus on Markov Chain Monte Carlo methods
- Exercises throughout the book that have been updated to reflect new applications and the latest software applications
- Detailed appendices that guide readers through the use of R and Minitab software for Bayesian analysis and Monte Carlo simulations, with all related macros available on the book’s website
Introduction to Bayesian Statistics, Third Edition is a textbook for upper-undergraduate or first-year graduate level courses on introductory statistics course with a Bayesian emphasis. It can also be used as a reference work for statisticians who require a working knowledge of Bayesian statistics.
دانلود کتاب «مقدمه ای بر آمار بیزی»
برای دریافت کد تخفیف ۲۰ درصدی این کتاب، ابتدا صفحه اینستاگرام کازرون آنلاین (@kazerun.online ) را دنبال کنید. سپس، کلمه «بلیان» را در دایرکت ارسال کنید تا کد تخفیف به شما ارسال شود.