دانلود کتاب Bayesian Statistical Modeling With Stan, R, and Python – مدلسازی آماری بیزی با Stan، R و Python

توضیحات

This book provides a highly practical introduction to Bayesian statistical modeling with Stan, which has become the most popular probabilistic programming language. The book is divided into four parts. The first part reviews the theoretical background of modeling and Bayesian inference and presents a modeling workflow that makes modeling more engineering than art. The second part discusses the use of Stan, CmdStanR, and CmdStanPy from the very beginning to basic regression analyses. The third part then introduces a number of probability distributions, nonlinear models, and hierarchical (multilevel) models, which are essential to mastering statistical modeling. It also describes a wide range of frequently used modeling techniques, such as censoring, outliers, missing data, speed-up, and parameter constraints, and discusses how to lead convergence of MCMC. Lastly, the fourth part examines advanced topics for real-world dta: longitudinal data analysis, state space models, spatial data analysis, Gaussian processes, Bayesian optimization, dimensionality reduction, model selection, and information criteria, demonstrating that Stan can solve any one of these problems in as little as 30 lines.

————————————————————–

ترجمه ماشینی :

این کتاب یک مقدمه بسیار کاربردی برای مدل‌سازی آماری بیزی با Stan ارائه می‌کند که به محبوب‌ترین زبان برنامه‌نویسی احتمالی تبدیل شده است. این کتاب به چهار بخش تقسیم شده است. بخش اول پیشینه نظری مدل‌سازی و استنتاج بیزی را بررسی می‌کند و یک گردش کار مدل‌سازی را ارائه می‌کند که مدل‌سازی را بیشتر مهندسی می‌کند تا هنر. بخش دوم استفاده از Stan، CmdStanR و CmdStanPy از همان ابتدا تا تجزیه و تحلیل رگرسیون پایه را مورد بحث قرار می دهد. سپس بخش سوم تعدادی از توزیع‌های احتمال، مدل‌های غیرخطی و مدل‌های سلسله مراتبی (چند سطحی) را معرفی می‌کند که برای تسلط بر مدل‌سازی آماری ضروری هستند. همچنین طیف گسترده‌ای از تکنیک‌های مدل‌سازی پرکاربرد، مانند سانسور، داده‌های پرت، داده‌های از دست رفته، افزایش سرعت، و محدودیت‌های پارامتر را توصیف می‌کند و چگونگی هدایت همگرایی MCMC را مورد بحث قرار می‌دهد. در نهایت، بخش چهارم به بررسی موضوعات پیشرفته برای dta در دنیای واقعی می‌پردازد: تجزیه و تحلیل داده‌های طولی، مدل‌های فضای حالت، تجزیه و تحلیل داده‌های فضایی، فرآیندهای گاوسی، بهینه‌سازی بیزی، کاهش ابعاد، انتخاب مدل و معیارهای اطلاعاتی، که نشان می‌دهد استن می‌تواند هر یک از آنها را حل کند. این مشکلات در کمتر از 30 خط.

tag : دانلود کتاب مدلسازی آماری بیزی با Stan، R و Python , Download مدلسازی آماری بیزی با Stan، R و Python , دانلود مدلسازی آماری بیزی با Stan، R و Python , Download Bayesian Statistical Modeling With Stan, R, and Python Book , مدلسازی آماری بیزی با Stan، R و Python دانلود , buy مدلسازی آماری بیزی با Stan، R و Python , خرید کتاب مدلسازی آماری بیزی با Stan، R و Python , دانلود کتاب Bayesian Statistical Modeling With Stan, R, and Python , کتاب Bayesian Statistical Modeling With Stan, R, and Python , دانلود Bayesian Statistical Modeling With Stan, R, and Python , خرید Bayesian Statistical Modeling With Stan, R, and Python , خرید کتاب Bayesian Statistical Modeling With Stan, R, and Python ,