Analiza wyników badań marketingowych. Metody symulacyjne

Opis książki:

Wstęp 5
Wykaz ważniejszych znaczeń 9
1. Wprowadzenie 11
1.1 Pomiary i ich losowy model. 11
1.2 Rozkłady prawdopodobieństwa jako własność modeli losowych 19
1.3 Podejście Bayesa do modelowania zjawisk losowych. 27
2. Generacja i własności graniczne łańcuchów Markowa 37
2.1 Ergodyczność łańcuchów Markowa o dyskretnym zbiorze stanów 38
2.2 Zbieżność łańcuchów Markowa o dowolnym zbiorze stanów. . 49
3. Symulacja MCMC w modelowaniu bayesowskim 61
3.1 Metoda symulacji Monte Carlo (MC) 61
3.2 Główne metody symulacji 63
3.2.1 Metoda symulacji A-R, jej własności i przykłady 64
3.2.2 Symulacja MCMC: metoda M-H ... 69
3.2.3 Zbieżność procedury M-H. 79
3.2.4 Symulacja MCMC: metoda symulacji Gibbsa. 83
3.2.5 Zbieżność procedury Gibbsa 95
3.3 Metoda symulacji MCMC i estymacja Bayesa 100
3.3.1 Znajdowanie estymatorów dla rozkładów brzegowych. 107
3.3.2 Symulacja poprzez dodatkowe losowanie ... 109
4. Rozpoznawanie znaku firmy 125
4.1 Wprowadzenie .. 125
4.2 Bayesowskie modele statystyczne. 129

Książka "Analiza wyników badań marketingowych. Metody symulacyjne" - Grzegorz Krzykowski - oprawa miękka - Wydawnictwo Uniwersytetu Gdańskiego.