کتاب Bayesian Nonparametrics for Causal Inference and Missing Data اثر Michael J. Daniels Antonio Linero Jason Roy ان...

این کتاب مروری بر روش‌های انعطاف‌پذیر بیزی ناپارامتریک برای مدل‌سازی توزیع‌های مشترک و شرطی و ارتباط آنها با استنباط علی و داده‌های گمشده ارائه می‌دهد. این اثر بر اهمیت مفروضات اثبات‌ناپذیر برای شناسایی برآوردگرهای مورد نظر، مانند فرض تصادفی بودن گمشدگی برای داده‌های ناقص و عدم مخدوش‌شدگی برای علیت در مطالعات مشاهده‌ای تأکید می‌کند. برخلاف روش‌های پارامتریک، رویکردهای ارائه شده در این کتاب مدل‌سازی واقع‌بینانه‌تری از فرآیندهای مولد داده را ممکن می‌سازند. کتاب حاضر که به صورت زبان اصلی (غیرفارسی) می‌باشد توسط انتشارات بله برای دسترسی اساتید و دانشجویان و مترجمان به منابع علمی و آموزشی و اطلاعاتی جهان تامین و چاپ شده و با برند بوکم عرضه می‌شود. نام اصلی به زبان انگلیسی: Bayesian Nonparametrics for Causal Inference and Missing Data نام فارسی: روش‌های بیزی ناپارامتریک برای استنباط علی موضوع: مدل‌سازی انعطاف‌پذیر در داده‌های گمشده و مطالعات علی نویسنده: Michael J. Daniels Antonio Linero Jason Roy تعداد صفحات: 262 زبان: انگلیسی قطع: رقعی رده سنی: بزرگسال نوع کاغذ: تحریر نوع چاپ: دیجیتال نوع جلد: شومیز ناشر خارجی: CRC Press/Chapman & Hall شابک: 9780367341008 کد شناسه کتاب: 7b97cbb94d84856dc59254f96d82037d