دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Elements of Stochastic Modelling
دانلود کتاب عناصر مدلسازی تصادفی
مشخصات کتاب
Elements of Stochastic Modelling
ویرایش: [3 ed.]
نویسندگان: Konstantin Borovkov
سری:
ISBN (شابک) : 9789811268380, 9789811268403
ناشر: World Scientific
سال نشر: 2024
تعداد صفحات: [590]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
قیمت کتاب (تومان) : 45,000
در صورت تبدیل فایل کتاب Elements of Stochastic Modelling 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 عناصر مدلسازی 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.
توضیحاتی در مورد کتاب عناصر مدلسازی تصادفی
این نسخه سوم به طور کامل بازبینی و توسعه یافته یک کتاب درسی دانشگاهی موفق است که مقدمه ای گسترده برای حوزه های کلیدی مدل سازی تصادفی فراهم می کند. متن اصلی از یادداشت‌های سخنرانی برای یک دوره یک ترم برای دانشجویان سال سوم علوم و اکچوئر در دانشگاه ملبورن تهیه شده است. این کتاب مبانی نظریه احتمال را مرور می‌کند و موضوعاتی را در مورد زنجیره‌های مارکوف، فرآیندهای تصمیم‌گیری مارکوف، فرآیندهای پرش مارکوف ارائه می‌کند. ، عناصر تئوری صف، نظریه تجدید اساسی، عناصر سری های زمانی و شبیه سازی. همچنین دارای عناصر حساب تصادفی و مالی ریاضی مقدماتی است. بنابراین، مناسب بودن کتاب را برای طیف وسیع‌تری از دوره‌های دانشگاهی که مبانی مدلسازی تصادفی مدرن را ارائه می‌کنند، افزایش می‌دهد. برای اینکه متنی که مطالب زیادی را در بر می‌گیرد برای خواننده جذاب‌تر و در دسترس‌تر شود، به جای اثبات‌های دقیق، اغلب فقط طرح‌هایی از این موضوع ارائه می‌کنیم. استدلال‌ها، با نشانه‌هایی در مورد اینکه چرا یک نتیجه خاص وجود دارد و همچنین چگونه با نتایج دیگر مرتبط است، و آنها را با مثال‌هایی توضیح دهید. از این جهت است که نسخه سوم حاضر با نسخه دوم متفاوت است: مطالب پیش‌زمینه و طرح‌های استدلال اضافه شده، گرافیکی‌تر و آموزنده‌تر شده‌اند. کل متن مورد بازبینی قرار گرفت و تا جایی که ممکن بود ساده‌سازی شد تا برای خوانندگان جذاب‌تر و مفیدتر باشد. تا جایی که ممکن است، این کتاب شامل ارجاع به متون تخصصی تر در مورد موضوعات مربوطه است که حاوی شواهد و مطالب پیشرفته تر است.
توضیحاتی درمورد کتاب به خارجی
This is a thoroughly revised and expanded third edition of a successful university textbook that provides a broad introduction to key areas of stochastic modelling. The original text was developed from lecture notes for a one-semester course for third-year science and actuarial students at the University of Melbourne.This book reviews the basics of probability theory and presents topics on Markov chains, Markov decision processes, jump Markov processes, elements of queueing theory, basic renewal theory, elements of time series and simulation. It also features elements of stochastic calculus and introductory mathematical finance. Thus enhancing the book\'s suitability for a larger variety of university courses presenting the fundamentals of modern stochastic modelling.To make the text covering a lot of material more appealing and accessible to the reader, instead of rigorous proofs we often give only sketches of the arguments, with indications as to why a particular result holds and also how it is related to other results, and illustrate them by examples. It is in this aspect that the present, third edition differs from the second one: the included background material and argument sketches have been extended, made more graphical and informative. The whole text was reviewed and streamlined wherever possible for it to be more attractive and useful for readers. Wherever possible, the book includes references to more specialised texts on respective topics that contain both proofs and more advanced material.
فهرست مطالب
Contents Preface to the First Edition Preface to the Second Edition Preface to the Third Edition About the Author 1. Introduction 2. Basics of Probability Theory 2.1 Probability Spaces 2.2 Distributions and Integrals 2.3 Conditional Probability and Independence 2.4 Random Variables and Their Distributions 2.5 Expectations 2.6 Integral Transforms 2.7 Conditional Probabilities and Expectations 2.8 Limit Theorems 2.9 Utility Functions 2.10 Stochastic Processes 2.11 Recommended Literature 2.12 Problems 3. Markov Chains 3.1 Definitions 3.2 Classification of States 3.3 Further Examples 3.4 The Limiting Behaviour of Markov Chains 3.5 Random Walks 3.6 Recommended Literature 3.7 Problems 4. Markov Decision Processes 4.1 Finite-Stage Models 4.2 Discounted Dynamic Programming 4.3 Further Examples 4.4 Recommended Literature 4.5 Problems 5. The Exponential Distribution and Poisson Process 5.1 Properties of the Exponential Distribution 5.2 The Poisson Process 5.3 Problems 6. Jump Markov Processes 6.1 Definitions and Basic Results 6.2 Inhomogeneous Processes 6.3 Birth-and-Death Processes 6.4 PASTA 6.5 Recommended Literature 6.6 Problems 7. Elements of Queueing Theory 7.1 Definitions and Notation 7.2 Exponential Queueing Systems 7.2.1 M/M/1 Systems 7.2.2 M/M/a Systems 7.2.3 M/M/a/N Systems 7.3 The Machine Repair Problem 7.4 Exponential Queueing Networks 7.5 Recommended Literature 7.6 Problems 8. Elements of Renewal Theory 8.1 Definitions and Notation: Renewal Theorems 8.2 Problems 9. Elements of Time Series 9.1 Stationary Sequences 9.2 Linear Filters and Linear Processes 9.3 A General Approach to Time Series Modelling 9.4 Forecasting of Time Series 9.5 Recommended Literature 9.6 Problems 10. Elements of Simulation 10.1 Basics: Random Number Generators 10.2 The Inverse Function Method 10.3 The Rejection Method 10.4 Monte Carlo: Variance Reduction Methods 10.4.1 The Crude Monte Carlo 10.4.2 The Control Variates Method 10.4.3 The Stratified Sample Method 10.4.4 The Antithetic Variables Method 10.4.5 The Importance Sampling Method 10.5 Markov Chain Monte Carlo 10.6 Recommended Literature 10.7 Problems 11. Martingales and Stochastic Calculus 11.1 Martingales 11.2 The Brownian Motion Process 11.2.1 The Main Properties of the BM Process 11.2.2 The Path Properties 11.2.3 The Distributions of Some RVs Related to the BM 11.2.4 The Three Martingales of the BM Process 11.3 Defining the Itô Integral 11.4 The Itô Formula 11.5 Stochastic Differential Equations 11.6 Recommended Literature 11.7 Problems 12. Diffusion Processes 12.1 Definitions 12.2 Kolmogorov Differential Equations and Generators 12.3 Stationary Distributions 12.4 The Method of Differential Equations 12.5 Some Applications 12.5.1 Branching Processes 12.5.2 The Wright–Fisher Model 12.5.3 The Brownian Bridge Process 12.6 Recommended Literature 12.7 Problems 13. Elements of Mathematical Finance 13.1 Introductory Remarks 13.2 Binomial Markets 13.3 The Single-Period Binomial Market 13.4 Finite Single-Period Markets 13.5 The Multi-Period Binomial Market 13.6 Martingales and Claim Pricing 13.7 The Black–Scholes Framework 13.8 Pricing Barrier Options 13.9 Recommended Literature 13.10 Problems Answers and Solutions to Problems Chapter 2 Chapter 3 Chapter 4 Chapter 5 Chapter 6 Chapter 7 Chapter 8 Chapter 9 Chapter 10 Chapter 11 Chapter 12 Chapter 13 Greek Alphabet Notations Abbreviations Index
