Computational Probability: Algorithms and Applications in the Mathematical Sciences

این نسخه جدید شامل آخرین پیشرفت‌ها و پیشرفت‌ها در احتمال محاسباتی است که شامل زبان برنامه‌نویسی احتمال (APPL) است. این کتاب روش‌های احتمال محاسباتی را که ساختارها و الگوریتم‌های داده را در بر می‌گیرد، به صورت سیستماتیک بررسی و ارائه می‌کند. تکنیک‌های توسعه‌یافته مشکلاتی را که نیاز به محاسبات احتمال دقیق دارند، حل می‌کنند، که بسیاری از آنها در گذشته غیرقابل حل تلقی شده‌اند. این کتاب با ارائه الگوریتم‌هایی برای انجام محاسبات مرتبط با متغیرهای تصادفی، به مشکلات احتمالی‌ها می‌پردازد.
احتمال محاسباتی: الگوریتم‌ها و کاربردها در علوم ریاضی، ویرایش دوم با یک فصل مقدماتی آغاز می‌شود که شامل مثال‌های کوتاهی است که شامل استفاده ابتدایی از APPL است. فصل 2 ساختارهای داده Maple و توابع لازم برای پیاده سازی APPL را بررسی می کند. این با بحث در مورد توسعه ساختارهای داده و الگوریتم ها (فصل 3-6 برای متغیرهای تصادفی پیوسته و فصل 7-9 برای متغیرهای تصادفی گسسته) مورد استفاده در APPL دنبال می شود. این کتاب با فصل های 10 تا 15 پایان می یابد که نمونه ای از کاربردهای مختلف در علوم ریاضی را معرفی می کند. این کتاب باید برای محققان علوم ریاضی که علاقه مند به احتمالات کاربردی هستند و مدرسانی که از این کتاب برای یک دوره موضوعات خاص در احتمال محاسباتی تدریس شده در یک گروه ریاضیات، آمار، تحقیقات عملیات، علوم مدیریت یا مهندسی صنایع استفاده می کنند، جذاب باشد.

This new edition includes the latest advances and developments in computational probability involving A Probability Programming Language (APPL). The book examines and presents, in a systematic manner, computational probability methods that encompass data structures and algorithms. The developed techniques address problems that require exact probability calculations, many of which have been considered intractable in the past. The book addresses the plight of the probabilist by providing algorithms to perform calculations associated with random variables.
Computational Probability: Algorithms and Applications in the Mathematical Sciences, 2nd Edition begins with an introductory chapter that contains short examples involving the elementary use of APPL. Chapter 2 reviews the Maple data structures and functions necessary to implement APPL. This is followed by a discussion of the development of the data structures and algorithms (Chapters 3–6 for continuous random variables and Chapters 7–9 for discrete random variables) used in APPL. The book concludes with Chapters 10–15 introducing a sampling of various applications in the mathematical sciences. This book should appeal to researchers in the mathematical sciences with an interest in applied probability and instructors using the book for a special topics course in computational probability taught in a mathematics, statistics, operations research, management science, or industrial engineering department.