توضیحات
This textbook explains the fundamentals of Markov Chain Monte Carlo (MCMC) without assuming advanced knowledge of mathematics and programming. MCMC is a powerful technique that can be used to integrate complicated functions or to handle complicated probability distributions. MCMC is frequently used in diverse fields where statistical methods are important e.g. Bayesian statistics, quantum physics, machine learning, computer science, computational biology, and mathematical economics. This book aims to equip readers with a sound understanding of MCMC and enable them to write simulation codes by themselves.
The content consists of six chapters. Following Chap. 2, which introduces readersto the Monte Carlo algorithm and highlights the advantages of MCMC, Chap. 3 presents the general aspects of MCMC. Chap. 4 illustrates the essence of MCMC through the simple example of the Metropolis algorithm. In turn, Chap. 5 explains the HMC algorithm, Gibbs sampling algorithm and Metropolis-Hastings algorithm, discussing their pros, cons and pitfalls. Lastly, Chap. 6 presents several applications of MCMC. Including a wealth of examples and exercises with solutions, as well as sample codes and further math topics in the Appendix, this book offers a valuable asset for students and beginners in various fields.
————————————————————–
ترجمه ماشینی :
این کتاب درسی اصول زنجیره مارکوف مونت کارلو (MCMC) را بدون در نظر گرفتن دانش پیشرفته ریاضیات و برنامه نویسی توضیح می دهد. MCMC یک تکنیک قدرتمند است که می تواند برای ادغام توابع پیچیده یا مدیریت توزیع های احتمال پیچیده استفاده شود. MCMC اغلب در زمینههای مختلفی استفاده میشود که در آن روشهای آماری مهم هستند، مانند آمار بیزی، فیزیک کوانتومی، یادگیری ماشین، علوم کامپیوتر، زیستشناسی محاسباتی، و اقتصاد ریاضی. هدف این کتاب این است که خوانندگان را با درک درستی از MCMC تجهیز کند و آنها را قادر سازد تا کدهای شبیه سازی را خودشان بنویسند.
محتوا از شش فصل تشکیل شده است. دنبال کردن فصل 2، که خوانندگان را با الگوریتم مونت کارلو آشنا می کند و مزایای MCMC را برجسته می کند، فصل. 3 جنبه های کلی MCMC را ارائه می دهد. فصل 4 ماهیت MCMC را از طریق مثال ساده الگوریتم متروپلیس نشان می دهد. به نوبه خود، فصل. 5 الگوریتم HMC، الگوریتم نمونه برداری گیبس و الگوریتم متروپلیس-هیستینگ را توضیح می دهد و مزایا، معایب و مشکلات آنها را مورد بحث قرار می دهد. در نهایت، فصل. 6 چندین کاربرد MCMC را ارائه می دهد. این کتاب با گنجاندن انبوهی از مثالها و تمرینها با راهحل، و همچنین کدهای نمونه و موضوعات ریاضی بیشتر در پیوست، دارایی ارزشمندی را برای دانشآموزان و مبتدیان در زمینههای مختلف ارائه میدهد.
tag : دانلود کتاب MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو , Download MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو , دانلود MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو , Download MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo Book , MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو دانلود , buy MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو , خرید کتاب MCMC از ابتدا: مقدمه ای عملی بر زنجیره مارکوف مونت کارلو , دانلود کتاب MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo , کتاب MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo , دانلود MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo , خرید MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo , خرید کتاب MCMC from Scratch: A Practical Introduction to Markov Chain Monte Carlo ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.