دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Jeffrey S. Rosenthal
سری:
ISBN (شابک) : 9789811208973
ناشر: World Scientific Publishing
سال نشر: 2020
تعداد صفحات: 0
[230]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب A First Look at Stochastic Processes 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 نگاه به فرآیندهای تصادفی 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.
این کتاب درسی به معرفی تئوری فرآیندهای تصادفی یعنی تصادفی بودن در زمان می پردازد. با استفاده از مثالهای عینی مانند قمار مکرر و قورباغه پریدن، نتایج ریاضی اساسی را از طریق قضایا و مثالهای ساده، واضح و منطقی ارائه میکند. این به طور مفصل موارد ضروری مانند معیارهای بازگشت زنجیره مارکوف، قضیه همگرایی زنجیره مارکوف، و قضایای توقف اختیاری برای مارتینگل ها را پوشش می دهد. فصل آخر مقدمهای مختصر بر حرکت براونی، فرآیندهای مارکوف در زمان و مکان پیوسته، فرآیندهای پواسون و نظریه تجدید ارائه میکند. کاربردهایی برای موضوعاتی مانند احتمالات ویرانی قمارباز، پیادهرویهای تصادفی روی نمودارها، زمانهای انتظار توالی، فرآیندهای شاخهبندی، قیمتگذاری سهام، و الگوریتمهای زنجیره مارکوف مونت کارلو (MCMC). تمرکز همیشه بر ایجاد تئوری با انگیزه و در دسترس بودن تا حد امکان است تا به دانشآموزان و خوانندگان اجازه دهد تا این موضوع جذاب را به آسانی و بدون دردسر بیاموزند.
This textbook introduces the theory of stochastic processes, that is, randomness which proceeds in time. Using concrete examples like repeated gambling and jumping frogs, it presents fundamental mathematical results through simple, clear, logical theorems and examples. It covers in detail such essential material as Markov chain recurrence criteria, the Markov chain convergence theorem, and optional stopping theorems for martingales. The final chapter provides a brief introduction to Brownian motion, Markov processes in continuous time and space, Poisson processes, and renewal theory.Interspersed throughout are applications to such topics as gambler's ruin probabilities, random walks on graphs, sequence waiting times, branching processes, stock option pricing, and Markov Chain Monte Carlo (MCMC) algorithms.The focus is always on making the theory as well-motivated and accessible as possible, to allow students and readers to learn this fascinating subject as easily and painlessly as possible.