برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب A Course on Large Deviations with an Introduction to Gibbs Measures

دانلود کتاب دوره آموزشی در مورد انحرافات بزرگ با مقدمه ای بر اندازه گیری های گیبس

مشخصات کتاب

A Course on Large Deviations with an Introduction to Gibbs Measures

دسته بندی: احتمال
ویرایش:  
نویسندگان: Firas Rassoul-agha. Timp Seppelainen  
سری: Graduate Studies in Mathematics 162 
ISBN (شابک) : 0821875787, 9780821875780 
ناشر: American Mathematical Society 
سال نشر: 2014 
تعداد صفحات: 329 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 35,000

کلمات کلیدی مربوط به کتاب دوره آموزشی در مورد انحرافات بزرگ با مقدمه ای بر اندازه گیری های گیبس: ریاضیات، نظریه احتمالات و آمار ریاضی، نظریه احتمال

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 15

در صورت تبدیل فایل کتاب A Course on Large Deviations with an Introduction to Gibbs Measures به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب دوره آموزشی در مورد انحرافات بزرگ با مقدمه ای بر اندازه گیری های گیبس نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.

توضیحاتی در مورد کتاب دوره آموزشی در مورد انحرافات بزرگ با مقدمه ای بر اندازه گیری های گیبس

این یک دوره مقدماتی در مورد روش های محاسبه مجانبی احتمالات رویدادهای نادر است: نظریه انحرافات بزرگ. این کتاب تئوری انحراف بزرگ را با مکانیک آماری پایه، یعنی اندازه‌گیری‌های گیبس با خصوصیات متغیر آنها و انتقال فاز مدل Ising، در متنی که برای یک دوره یک ترم یا یک چهارم در نظر گرفته شده است، ترکیب می‌کند. کتاب با رویکردی ساده به ایده‌های کلیدی و نتایج نظریه انحراف بزرگ در زمینه متغیرهای تصادفی مستقل و توزیع‌شده یکسان آغاز می‌شود. این شامل قضیه کرامر، آنتروپی نسبی، قضیه سانوف، انحرافات بزرگ سطح فرآیند، دوگانگی محدب، و استدلال های تغییر اندازه است. وابستگی از طریق پتانسیل های تعامل مکانیک آماری تعادل معرفی می شود. انتقال فاز مدل آیزینگ به دو روش مختلف اثبات می‌شود: اول به روش کلاسیک با استدلال پیرلز، شرط منحصربه‌فرد بودن دوبروشین، و نابرابری‌های همبستگی و سپس بار دوم از طریق رویکرد نفوذ. فراتر از انحرافات بزرگ متغیرهای مستقل و معیارهای گیبس، بخش‌های بعدی کتاب به انحراف‌های بزرگ زنجیره‌های مارکوف، قضیه گارتنر-الیس، و قضیه انحراف بزرگ باکستر و جین می‌پردازد که سپس به یک فرآیند غیر ثابت و یک پیاده‌روی تصادفی اعمال می‌شود. در یک محیط تصادفی پویا این کتاب برای دانشجویان ریاضیات، آمار، مهندسی و علوم مورد استفاده قرار گرفته است و برای مخاطبان گسترده با آموزش فنی پیشرفته نوشته شده است. ضمیمه ها مطالب پایه را از تحلیل و نظریه احتمال بررسی می کنند و همچنین برخی از نتایج فنی استفاده شده در متن را اثبات می کنند.

توضیحاتی درمورد کتاب به خارجی

This is an introductory course on the methods of computing asymptotics of probabilities of rare events: the theory of large deviations. The book combines large deviation theory with basic statistical mechanics, namely Gibbs measures with their variational characterization and the phase transition of the Ising model, in a text intended for a one semester or quarter course. The book begins with a straightforward approach to the key ideas and results of large deviation theory in the context of independent identically distributed random variables. This includes Cramér's theorem, relative entropy, Sanov's theorem, process level large deviations, convex duality, and change of measure arguments. Dependence is introduced through the interactions potentials of equilibrium statistical mechanics. The phase transition of the Ising model is proved in two different ways: first in the classical way with the Peierls argument, Dobrushin's uniqueness condition, and correlation inequalities and then a second time through the percolation approach. Beyond the large deviations of independent variables and Gibbs measures, later parts of the book treat large deviations of Markov chains, the Gärtner-Ellis theorem, and a large deviation theorem of Baxter and Jain that is then applied to a nonstationary process and a random walk in a dynamical random environment. The book has been used with students from mathematics, statistics, engineering, and the sciences and has been written for a broad audience with advanced technical training. Appendixes review basic material from analysis and probability theory and also prove some of the technical results used in the text.