دانلود کتاب Bayes Linear Statistics: Theory & Methods

ترجمه فارسی توضیحات (ترجمه ماشینی)

آمار خطی بیز: نظریه و روش ها

روش‌های بیزی اطلاعات موجود از داده‌ها را با اطلاعات قبلی موجود از دانش متخصص ترکیب می‌کنند. رویکرد خطی بیز این مسیر را دنبال می‌کند و یک ساختار کمی برای بیان باورها و روش‌های سیستماتیک برای تنظیم این باورها با توجه به داده‌های مشاهده‌ای ارائه می‌دهد. این روش با روش کامل بیزی متفاوت است زیرا رویکردهای ساده تری را برای تعیین و تحلیل اعتقادات مبتنی بر قضاوت های انتظارات ایجاد می کند. آمار خطی بیز گزارش معتبری از این رویکرد ارائه می‌کند و مبانی، نظریه، روش‌شناسی و کاربردهای این حوزه مهم را توضیح می‌دهد. برای اجرای کارآمد، همراه با مثال‌های عملی دقیق مورد نیاز است. این کتاب موارد زیر را پوشش می‌دهد: • اهمیت مشخصات جزئی قبلی برای مسائل پیچیده که در آن ارائه یک مشخصات احتمالی اولیه معنی‌دار دشوار است. • روش‌های ساده برای استفاده از مشخصات جزئی قبلی برای تنظیم باورها، با توجه به مشاهدات. • ابزارهای تفسیری و تشخیصی برای نمایش مفاهیم مجموعه ای از اظهارات اعتقادی، و مقایسه دقیق بین مشاهدات مورد انتظار و واقعی. • رویکردهای کلی به مدل سازی آماری بر اساس قضاوت های مبادله پذیری جزئی. • مدل های گرافیکی خطی بیز برای نمایش و نمایش جزئی مشخصات اعتقادی، یا انجام محاسبات و نمایش نتایج تجزیه و تحلیل ها. آمار خطی بیز برای همه آماردانانی که با تئوری و عمل روش های بیزی مرتبط هستند خواندن ضروری است. یک وب سایت همراه با میزبانی نرم افزار رایگان و راهنمای محاسبات داخل کتاب وجود دارد.

Bayes Linear Statistics: Theory & Methods

Bayesian methods combine information available from data with any prior information available from expert knowledge. The Bayes linear approach follows this path, offering a quantitative structure for expressing beliefs, and systematic methods for adjusting these beliefs, given observational data. The methodology differs from the full Bayesian methodology in that it establishes simpler approaches to belief specification and analysis based around expectation judgements. Bayes Linear Statistics presents an authoritative account of this approach, explaining the foundations, theory, methodology, and practicalities of this important field.The text provides a thorough coverage of Bayes linear analysis, from the development of the basic language to the collection of algebraic results needed for efficient implementation, with detailed practical examples.The book covers:• The importance of partial prior specifications for complex problems where it is difficult to supply a meaningful full prior probability specification.• Simple ways to use partial prior specifications to adjust beliefs, given observations.• Interpretative and diagnostic tools to display the implications of collections of belief statements, and to make stringent comparisons between expected and actual observations.• General approaches to statistical modelling based upon partial exchangeability judgements.• Bayes linear graphical models to represent and display partial belief specifications, organize computations, and display the results of analyses.Bayes Linear Statistics is essential readingfor all statisticians concerned with the theory and practice of Bayesian methods. There is an accompanying website hosting free software and guides to the calculations within the book.