Name: Bayesian Nonparametrics Hardback (Cambridge Series in Statistical and Probabilistic Mathematics) (en Inglés)
Price: 424.66 PEN
Availability: InStock
Author: Hjort, Nils Lid ; Holmes, Chris ; Müller, Peter
ISBN: 9780521513463

portada Bayesian Nonparametrics Hardback (Cambridge Series in Statistical and Probabilistic Mathematics) (en Inglés)

Bayesian Nonparametrics Hardback (Cambridge Series in Statistical and Probabilistic Mathematics) (en Inglés)

Formato

Libro Físico

Ilustrado por

Peter Muller

Nils Lid Hjort

Chris Holmes

Editorial

Cambridge University Press

Autor

Hjort, Nils Lid ; Holmes, Chris ; Müller, Peter

Año

2010

Idioma

Inglés

N° páginas

308

Encuadernación

Tapa Dura

Dimensiones

25.4 x 17.8 x 2.3 cm

Peso

0.73 kg.

ISBN

0521513464

ISBN13

9780521513463

N° edición

Categorías

Probabilidad y estadística

Bayesian Nonparametrics Hardback (Cambridge Series in Statistical and Probabilistic Mathematics) (en Inglés)

Peter Muller (Ilustrado por) · Nils Lid Hjort (Ilustrado por) · Chris Holmes (Ilustrado por) · Cambridge University Press · Tapa Dura

Más barato Libro Nuevo Importado

Envío: 12 a 17 días háb.

S/ 943,70S/ 424,66

-55%

Más rápido Libro Nuevo Importado

Envío: 10 a 14 días háb.

S/ 968,13S/ 435,66

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo Más barato

Quedan más de 100 unidades

S/ 424,66

Llega entre el 19 Ago y el 27 Ago a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Bayesian Nonparametrics Hardback (Cambridge Series in Statistical and Probabilistic Mathematics) (en Inglés)"

Bayesian nonparametrics works - theoretically, computationally. The theory provides highly flexible models whose complexity grows appropriately with the amount of data. Computational issues, though challenging, are no longer intractable. All that is needed is an entry point: this intelligent book is the perfect guide to what can seem a forbidding landscape. Tutorial chapters by Ghosal, Lijoi and Prünster, Teh and Jordan, and Dunson advance from theory, to basic models and hierarchical modeling, to applications and implementation, particularly in computer science and biostatistics. These are complemented by companion chapters by the editors and Griffin and Quintana, providing additional models, examining computational issues, identifying future growth areas, and giving links to related topics. This coherent text gives ready access both to underlying principles and to state-of-the-art practice. Specific examples are drawn from information retrieval, NLP, machine vision, computational biology, biostatistics, and bioinformatics.