کتاب الکترونیکی

روش‌های احتمال، بیزی و MCMC در ژنتیک کمی

Likelihood, Bayesian and MCMC Methods in Quantitative Genetics

دانلود کتاب Likelihood, Bayesian and MCMC Methods in Quantitative Genetics (به فارسی: روش‌های احتمال، بیزی و MCMC در ژنتیک کمی) نوشته شده توسط «Daniel Sorensen – Daniel Gianola»

اطلاعات کتاب روش‌های احتمال، بیزی و MCMC در ژنتیک کمی

موضوع اصلی: ژنتیک

نوع: کتاب الکترونیکی

ناشر: Springer-Verlag

نویسنده: Daniel Sorensen – Daniel Gianola

زبان: English

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

سال انتشار: 2002

تعداد صفحه: 758

حجم کتاب: 14 مگابایت

کد کتاب: 0387954406 , 9780387954400 , 9780387227641

توضیحات کتاب روش‌های احتمال، بیزی و MCMC در ژنتیک کمی

در طول ده سال گذشته، معرفی روش‌های آماری فشرده رایانه، افق‌های جدیدی را در مورد مدل‌های احتمالی که می‌توان با داده‌های ژنتیکی برازش کرد، مقیاس مشکلاتی که می‌توان با آنها مقابله کرد و ماهیت سؤالاتی که می‌توان مطرح کرد، گشوده است. به طور خاص، کاربرد روش‌های بیزی و احتمال در ژنتیک آماری به‌شدت توسط این روش‌ها تسهیل شده است. تکنیک‌هایی که عموماً به آنها زنجیره مارکوف مونت کارلو (MCMC) گفته می‌شود، نقش عمده‌ای در این فرآیند ایفا کرده‌اند و باعث ایجاد هم‌افزایی میان دانشمندان در زمینه‌های مختلف، مانند ریاضی‌دانان، احتمال‌شناسان، آماردانان، دانشمندان کامپیوتر و ژنتیک‌دانان آماری می‌شوند. به طور خاص، “انقلاب” MCMC تأثیر عمیقی در ژنتیک کمی گذاشته است. به عنوان مثال، این را می توان در تعداد زیادی از مقالات مربوط به مدل ها و مدل های سلسله مراتبی پیچیده برای تشخیص ژن های مؤثر بر صفات کمی یا مریستیک در گیاهان، حیوانات و انسان ها که اخیراً منتشر شده است مشاهده کرد. این کتاب، مناسب برای زیست شناسان و برای آماردانان کاربردی، مبانی احتمال، روش های بیزی و MCMC را در زمینه تجزیه و تحلیل ژنتیکی صفات کمی ارائه می دهد. اکثر دانشجویان در رشته زیست شناسی و کشاورزی فاقد پیش زمینه رسمی مورد نیاز برای یادگیری این تکنیک های بیومتریک مدرن هستند. اگرچه تعدادی از متون عالی در این زمینه‌ها در سال‌های اخیر در دسترس قرار گرفته‌اند، ایده‌ها و ابزارهای اساسی معمولاً به شیوه‌ای از لحاظ فنی سخت توصیف می‌شوند و توسط آماردانان حرفه‌ای نوشته شده و خطاب به آنها می‌شود. به همین دلیل، جزئیات قابل توجهی بیشتر از آنچه ممکن است برای مخاطبان ریاضی مناسب‌تر تضمین شود، ارائه می‌شود. این کتاب به چهار بخش تقسیم شده است. بخش اول به بررسی نظریه احتمال و توزیع می پردازد. بخش‌های دوم و سوم روش‌های استنتاج و روش‌های MCMC را ارائه می‌کنند. بخش چهارم چندین مدل را مورد بحث قرار می‌دهد که می‌توانند در ژنتیک کمی، عمدتاً از دیدگاه بیزی به کار روند. تلاش‌هایی برای مرتبط کردن پارامترهای بیولوژیکی به آماری در سرتاسر انجام شده است و از مثال‌ها به وفور برای ایجاد انگیزه در پیشرفت‌ها استفاده می‌شود. دانیل سورنسن، رهبر تحقیقات در ژنتیک بیومتریک، در گروه اصلاح نژاد و ژنتیک حیوانات در موسسه علوم کشاورزی دانمارک است. دانیل جیانولا استاد علوم دامی، آمار زیستی و انفورماتیک پزشکی، و علوم لبنیات دانشگاه ویسکانسین-مدیسون است. جیانولا و سورنسن در معرفی روش های بیزی و MCMC در پرورش حیوانات پیشگام بودند. نویسندگان به طور گسترده در زمینه کاربردهای آمار در ژنتیک کمی منتشر کرده اند و سخنرانی کرده اند.

Over the last ten years the introduction of computer intensive statistical methods has opened new horizons concerning the probability models that can be fitted to genetic data, the scale of the problems that can be tackled and the nature of the questions that can be posed. In particular, the application of Bayesian and likelihood methods to statistical genetics has been facilitated enormously by these methods. Techniques generally referred to as Markov chain Monte Carlo (MCMC) have played a major role in this process, stimulating synergies among scientists in different fields, such as mathematicians, probabilists, statisticians, computer scientists and statistical geneticists. Specifically, the MCMC ”revolution” has made a deep impact in quantitative genetics. This can be seen, for example, in the vast number of papers dealing with complex hierarchical models and models for detection of genes affecting quantitative or meristic traits in plants, animals and humans that have been published recently. This book, suitable for numerate biologists and for applied statisticians, provides the foundations of likelihood, Bayesian and MCMC methods in the context of genetic analysis of quantitative traits. Most students in biology and agriculture lack the formal background needed to learn these modern biometrical techniques. Although a number of excellent texts in these areas have become available in recent years, the basic ideas and tools are typically described in a technically demanding style, and have been written by and addressed to professional statisticians. For this reason, considerable more detail is offered than what may be warranted for a more mathematically apt audience. The book is divided into four parts. Part I gives a review of probability and distribution theory. Parts II and III present methods of inference and MCMC methods. Part IV discusses several models that can be applied in quantitative genetics, primarily from a Bayesian perspective. An effort has been made to relate biological to statistical parameters throughout, and examples are used profusely to motivate the developments. Daniel Sorensen is Research Leader in Biometrical Genetics, at the Department of Animal Breeding and Genetics in the Danish Institute of Agricultural Sciences. Daniel Gianola is Professor in the Animal Sciences, Biostatistics and Medical Informatics, and Dairy Science Departments of the University of Wisconsin-Madison. Gianola and Sorensen pioneered the introduction of Bayesian and MCMC methods in animal breeding. The authors have published and lectured extensively in applications of statistics to quantitative genetics.

دانلود کتاب «روش‌های احتمال، بیزی و MCMC در ژنتیک کمی»

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