دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب A First Course in Probability for Computer and Data Science
دانلود کتاب اولین دوره در احتمال برای کامپیوتر و علوم داده
مشخصات کتاب
A First Course in Probability for Computer and Data Science
ویرایش:
نویسندگان: Henk Tijms
سری:
ISBN (شابک) : 9789811271748, 9789811271755
ناشر: World Scientific Publishing
سال نشر: 2023
تعداد صفحات: 244
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
قیمت کتاب (تومان) : 39,000
در صورت تبدیل فایل کتاب A First Course in Probability for Computer and Data Science 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 اولین دوره در احتمال برای کامپیوتر و علوم داده 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 اولین دوره در احتمال برای کامپیوتر و علوم داده
نویسنده در این متن مقطع کارشناسی، هسته ایده ها و روش های احتمالی را برای علوم کامپیوتر و داده تقطیر کرده است. این کتاب بر تفکر احتمالی و محاسباتی به جای قضایا و برهان تاکید دارد. این کتاب با بیان اینکه چرا احتمال کار می کند و چگونه آن را به کار می گیرد بینش و انگیزه در دانش آموزان ایجاد می کند. ویژگی های منحصر به فرد کتاب به شرح زیر است: این کتاب شامل نمونه های کار شده بسیاری است. مسائل آموزنده متعددی که در سراسر متن پراکنده شده اند همراه با راهبردهای حل مسئله آورده شده است. تعدادی از مشکلات، مطالبی را که قبلاً پوشش داده شده بود، گسترش می دهند. پاسخ به همه مسائل و راه حل های کار شده برای مسائل انتخاب شده نیز ارائه شده است. هنک تیمز نویسنده چندین کتاب درسی در زمینه احتمال کاربردی و بهینه سازی تصادفی است. او در سال 2008 جایزه معتبر INFORMS Expository Writing Award را برای کارهایش دریافت کرد. او همچنین پازل‌های احتمالی جذابی را در ستون سابق Numberplay در نیویورک تایمز ارائه کرد
توضیحاتی درمورد کتاب به خارجی
In this undergraduate text, the author has distilled the core of probabilistic ideas and methods for computer and data science. The book emphasizes probabilistic and computational thinking rather than theorems and proofs. It provides insights and motivates the students by telling them why probability works and how to apply it.The unique features of the book are as follows: This book contains many worked examples. Numerous instructive problems scattered throughout the text are given along with problem-solving strategies. Several of the problems extend previously covered material. Answers to all problems and worked-out solutions to selected problems are also provided.Henk Tijms is the author of several textbooks in the area of applied probability and stochastic optimization. In 2008, he received the prestigious INFORMS Expository Writing Award for his work. He also contributed engaging probability puzzles to The New York Times\' former Numberplay column
فهرست مطالب
Contents
Preface
Chapter 1. Combinatorics and a Few Calculus Facts
1.1 Combinatorial analysis
1.2 The exponential and logarithmic functions
Chapter 2. Fundamentals of Probability
2.1 Foundation of probability
2.2 The concept of conditional probability
2.3 The law of conditional probability
2.4 Bayesian approach to inference
2.4.1 Real-life cases of Bayesian thinking
2.4.2 Bayesian statistics vs. classical statistics
2.4.3 Naive Bayes in data analysis
2.5 The concept of random variable
2.6 Expected value and standard deviation
2.7 Independent random variables and the square root law
2.8 Generating functions
2.9 Inequalities and the law of large numbers
2.9.1 Kelly formula in gambling and investment
2.10 Additional material
2.10.1 Covariance and correlation
2.10.2 Conditional expectation
2.10.3 Logistic regression in data analysis
Chapter 3. Useful Probability Distributions
3.1 The binomial distribution
3.2 The hypergeometric distribution
3.3 The Poisson distribution
3.4 The normal probability density
3.5 Central limit theorem and the normal distribution
3.6 More on probability densities
3.6.1 The uniform and the beta densities
3.7 The Poisson process
3.8 The Q-Q plot and the chi-square test
3.9 The bivariate normal density
3.9.1 Additional material for joint random variables
Chapter 4. Real-World Applications of Probability
4.1 Fraud in a Canadian lottery
4.2 Bombs over London in World War II
4.3 Winning the lottery twice
4.4 Santa Claus and a baby whisperer
4.5 Birthdays and 500 Oldsmobiles
4.6 Cash Winfall lottery: a revenue model for stats geeks
4.7 Coupon collecting
4.8 Benford's law
4.9 What is casino credit worth?
4.10 Devil's card game: a psychological test
Chapter 5. Monte Carlo Simulation and Probability
5.1 Introduction
5.2 Simulation tools
5.2.1 Random number generators
5.2.2 Simulating from a nite range
5.2.3 Simulating a random permutation
5.2.4 Hit-and-miss method
5.2.5 Rejection sampling
5.3 Probability applications of simulation
5.3.1 Geometric probability problems
5.3.2 Almost-birthday problem
5.3.3 Consecutive numbers in lottery
5.3.4 Mississippi problem
5.3.5 Venice-53 lottery: what's in a number?
5.3.6 Kruskal's count and another card game
5.3.7 Randomized quick-sort algorithm
5.4 Bootstrap method in data analysis
5.5 Statistical analysis of simulation output
5.5.1 Variance reduction through importance sampling
Chapter 6. A Gentle Introduction to Markov Chains
6.1 Markov chain model
6.2 Absorbing Markov chains
6.3 The gambler's ruin problem
6.4 Long-run behavior of Markov chains
6.5 Markov chain Monte Carlo simulation
6.5.1 Metropolis{Hastings algorithm
6.5.2 Gibbs sampler
Solutions to Selected Problems
Index
