توضیحات
Bayesian statistics has exploded into biology and its sub-disciplines, such as ecology, over the past decade. The free software program WinBUGS and its open-source sister OpenBugs is currently the only flexible and general-purpose program available with which the average ecologist can conduct standard and non-standard Bayesian statistics. Introduction to WINBUGS for Ecologists goes right to the heart of the matter by providing ecologists with a comprehensive, yet concise, guide to applying WinBUGS to the types of models that they use most often: linear (LM), generalized linear (GLM), linear mixed (LMM) and generalized linear mixed models (GLMM).
Introduction to WinBUGS for Ecologists combines the use of simulated data sets ”paired” analyses using WinBUGS (in a Bayesian framework for analysis) and in R (in a frequentist mode of inference) and uses a very detailed step-by-step tutorial presentation style that really lets the reader repeat every step of the application of a given mode in their own research.
- Introduction to the essential theories of key models used by ecologists
- Complete juxtaposition of classical analyses in R and Bayesian analysis of the same models in WinBUGS
- Provides every detail of R and WinBUGS code required to conduct all analyses
- Companion Web Appendix that contains all code contained in the book andadditional material (including more code and solutions to exercises)
————————————————————–
ترجمه ماشینی :
آمار بیزی در دهه گذشته به زیست شناسی و زیرشاخه های آن مانند بوم شناسی گسترش یافته است. برنامه نرم افزار رایگان WinBUGS و خواهر منبع باز آن OpenBugs در حال حاضر تنها برنامه منعطف و همه منظوره موجود است که بوم شناسان معمولی می توانند آمارهای استاندارد و غیر استاندارد بیزی را با آن انجام دهند. معرفی WINBUGS برای بومشناسان با ارائه راهنمای جامع و در عین حال مختصر به بومشناسان برای اعمال WinBUGS در انواع مدلهایی که اغلب استفاده میکنند، به اصل موضوع میپردازد: خطی (LM)، مدل های خطی تعمیم یافته (GLM)، مختلط خطی (LMM) و مدل های ترکیبی خطی تعمیم یافته (GLMM).
مقدمه ای بر WinBUGS برای بوم شناسان ترکیبی از استفاده از مجموعه داده های شبیه سازی شده “جفت” ‘ با استفاده از WinBUGS (در چارچوب بیزی برای تجزیه و تحلیل) و در R (در حالت استنتاج مکرر) تجزیه و تحلیل می کند و از سبک ارائه آموزش گام به گام بسیار دقیق استفاده می کند که واقعاً به خواننده اجازه می دهد هر مرحله از کاربرد یک مورد داده شده را تکرار کند. حالت در تحقیقات خودشان.
- مقدمهای بر نظریههای اساسی مدلهای کلیدی مورد استفاده بومشناسان
- کنار هم قرار دادن کامل تحلیلهای کلاسیک در R و تحلیل بیزی از همان مدلها در WinBUGS
- تمام جزئیات کد R و WinBUGS مورد نیاز برای انجام همه تحلیلها را ارائه میدهد
- ضمیمه وب همراه که شامل تمام کدهای موجود در کتاب و مطالب اضافی (شامل کد بیشتر و راهحلهای تمرینها) است. /li>
tag : دانلود کتاب مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط , Download مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط , دانلود مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط , Download Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses Book , مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط دانلود , buy مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط , خرید کتاب مقدمه Win: BUGS for Ecologists. رویکرد بیزی به رگرسیون، آنووا، مدلهای مختلط، و تحلیلهای مرتبط , دانلود کتاب Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses , کتاب Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses , دانلود Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses , خرید Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses , خرید کتاب Introduction to Win: BUGS for Ecologists. A Bayesian Approach to Regression, Anova, Mixed Models, and Related Analyses ,
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.