Bayesian Scientific Computing

Inhaltsverzeichnis

Inverse problems and subjective computing.- Linear algebra.- Continuous and discrete multivariate distributions.- Introduction to sampling.- The praise of ignorance: randomness as lack of certainty.- Enter subject: Construction of priors.- Posterior densities, ill-conditioning, and classical regularization.- Conditional Gaussian densities.- Iterative linear solvers and priorconditioners.- Hierarchical models and Bayesian sparsity.- Sampling: the real thing.- Dynamic methods and learning from the past.- Bayesian filtering and Gaussian densities.- 
Band 215 - 12%

Bayesian Scientific Computing

Buch (Gebundene Ausgabe, Englisch)

12% sparen

121,99 € UVP 139,09 €

inkl. gesetzl. MwSt.

Bayesian Scientific Computing

Ebenfalls verfügbar als:

Gebundenes Buch

Gebundenes Buch

ab 121,99 €
Taschenbuch

Taschenbuch

ab 121,99 €
eBook

eBook

ab 128,39 €

Beschreibung

Details

Einband

Gebundene Ausgabe

Erscheinungsdatum

10.03.2023

Verlag

Springer

Seitenzahl

286

Maße (L/B/H)

24,1/16/2,2 cm

Beschreibung

Details

Einband

Gebundene Ausgabe

Erscheinungsdatum

10.03.2023

Verlag

Springer

Seitenzahl

286

Maße (L/B/H)

24,1/16/2,2 cm

Gewicht

623 g

Auflage

2023

Sprache

Englisch

ISBN

978-3-031-23823-9

Weitere Bände von Applied Mathematical Sciences

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Erste Bewertung verfassen

Unsere Kundinnen und Kunden meinen

0.0

0 Bewertungen filtern

  • Bayesian Scientific Computing
  • Inverse problems and subjective computing.- Linear algebra.- Continuous and discrete multivariate distributions.- Introduction to sampling.- The praise of ignorance: randomness as lack of certainty.- Enter subject: Construction of priors.- Posterior densities, ill-conditioning, and classical regularization.- Conditional Gaussian densities.- Iterative linear solvers and priorconditioners.- Hierarchical models and Bayesian sparsity.- Sampling: the real thing.- Dynamic methods and learning from the past.- Bayesian filtering and Gaussian densities.-