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: Ming-Hui Chen, Qi-Man Shao, Joseph G. Ibrahim (auth.) سری: Springer Series in Statistics ISBN (شابک) : 9781461270744, 9781461212768 ناشر: Springer-Verlag New York سال نشر: 2000 تعداد صفحات: 398 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب روشهای مونت کارلو در محاسبات بیزی: نظریه و روش های آماری، آمار برای علوم زیستی، پزشکی، علوم بهداشتی، آمار و محاسبات / برنامه های آمار
در صورت تبدیل فایل کتاب Monte Carlo Methods in Bayesian Computation 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 روشهای مونت کارلو در محاسبات بیزی 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.
نمونهگیری از توزیع پسین و محاسبه مقادیر مورد علاقه پسین با استفاده از نمونههای زنجیره مارکوف مونت کارلو (MCMC) دو چالش اصلی در محاسبات پیشرفته بیزی هستند. این کتاب هر یک از این مسائل را به تفصیل بررسی میکند و به شدت بر محاسبه مقادیر مختلف مورد علاقه قبلی از یک نمونه MCMC معین تمرکز میکند. موضوعات مختلفی از جمله تکنیکهای نمونهگیری MCMC، روشهای مونت کارلو (MC) برای تخمین خلاصههای پسین، بهبود دقت شبیهسازی، تخمین چگالی خلفی حاشیهای، تخمین ثابتهای نرمالسازی، مسائل پارامتر محدود، بالاترین چگالی بینوالی پسین (HPD) پرداخته شده است. محاسبات، محاسبات حالتهای پسین، و محاسبات پسین برای مدلهای خطرات متناسب و مدلهای فرآیند دیریکله. همچنین بحث گسترده ای برای محاسبات در مقایسه مدل های volving، از جمله مدل های تو در تو و غیر تو در تو، ارائه شده است. روشهای احتمال حاشیهای، نسبتهای ثابت نرمالسازی، فاکتورهای بیز، نسبت چگالی Savage-Dicky، انتخاب متغیر جستجوی تصادفی (SSVS)، میانگینگیری مدل بیزی (BMA)، الگوریتم پرش معکوس، و کفایت مدل با استفاده از رویکردهای باقیمانده پیشبینیکننده و پنهان هستند. نیز مورد بحث قرار گرفت. این کتاب ترکیبی برابر از نظریه و کاربردهای واقعی را ارائه میکند.
Sampling from the posterior distribution and computing posterior quanti ties of interest using Markov chain Monte Carlo (MCMC) samples are two major challenges involved in advanced Bayesian computation. This book examines each of these issues in detail and focuses heavily on comput ing various posterior quantities of interest from a given MCMC sample. Several topics are addressed, including techniques for MCMC sampling, Monte Carlo (MC) methods for estimation of posterior summaries, improv ing simulation accuracy, marginal posterior density estimation, estimation of normalizing constants, constrained parameter problems, Highest Poste rior Density (HPD) interval calculations, computation of posterior modes, and posterior computations for proportional hazards models and Dirichlet process models. Also extensive discussion is given for computations in volving model comparisons, including both nested and nonnested models. Marginal likelihood methods, ratios of normalizing constants, Bayes fac tors, the Savage-Dickey density ratio, Stochastic Search Variable Selection (SSVS), Bayesian Model Averaging (BMA), the reverse jump algorithm, and model adequacy using predictive and latent residual approaches are also discussed. The book presents an equal mixture of theory and real applications.
Front Matter....Pages i-xiii
Introduction....Pages 1-18
Markov Chain Monte Carlo Sampling....Pages 19-66
Basic Monte Carlo Methods for Estimating Posterior Quantities....Pages 67-93
Estimating Marginal Posterior Densities....Pages 94-123
Estimating Ratios of Normalizing Constants....Pages 124-190
Monte Carlo Methods for Constrained Parameter Problems....Pages 191-212
Computing Bayesian Credible and HPD Intervals....Pages 213-235
Bayesian Approaches for Comparing Nonnested Models....Pages 236-266
Bayesian Variable Selection....Pages 267-306
Other Topics....Pages 307-355
Back Matter....Pages 356-387