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
دسته بندی: احتمال ویرایش: 2nd ed نویسندگان: Dimitri P Bertsekas, John N Tsitsiklis سری: ISBN (شابک) : 9781886529236, 188652923X ناشر: Athena Scientific سال نشر: 2008 تعداد صفحات: 538 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر احتمالات: ریاضیات، نظریه احتمالات و آمار ریاضی، نظریه احتمال
در صورت تبدیل فایل کتاب Introduction to probability 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 مقدمه ای بر احتمالات 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.
مقدمه ای بصری و در عین حال دقیق برای نظریه احتمال، فرآیندهای تصادفی، استنتاج آماری و مدل های احتمالی مورد استفاده در علوم، مهندسی، اقتصاد و زمینه های مرتبط. این کتاب درسی است که در حال حاضر برای یک دوره احتمالی مقدماتی در موسسه فناوری ماساچوست، که با حضور تعداد زیادی از دانشجویان کارشناسی و کارشناسی ارشد، و برای یک کلاس آنلاین پیشرو در این زمینه استفاده می شود. این کتاب اصول نظریه احتمال (مدلهای احتمالی، متغیرهای تصادفی گسسته و پیوسته، متغیرهای تصادفی چندگانه و قضایای حدی) را پوشش میدهد که معمولاً بخشی از اولین دوره در این زمینه هستند. همچنین شامل تعدادی موضوعات پیشرفته تر، از جمله تبدیل ها، مجموع متغیرهای تصادفی، مقدمه ای نسبتاً دقیق بر فرآیندهای برنولی، پواسون و مارکوف، استنتاج بیزی، و مقدمه ای بر آمار کلاسیک است. این کتاب بین سادگی در بیان و پیچیدگی در استدلال تحلیلی تعادل برقرار می کند. برخی از تحلیلهای دقیقتر ریاضی بهطور شهودی در متن اصلی توضیح داده میشوند و سپس با جزئیات (در سطح محاسبات پیشرفته) در مسائل تئوری حلشده متعدد توسعه مییابند.
An intuitive, yet precise introduction to probability theory, stochastic processes, statistical inference, and probabilistic models used in science, engineering, economics, and related fields. This is the currently used textbook for an introductory probability course at the Massachusetts Institute of Technology, attended by a large number of undergraduate and graduate students, and for a leading online class on the subject. The book covers the fundamentals of probability theory (probabilistic models, discrete and continuous random variables, multiple random variables, and limit theorems), which are typically part of a first course on the subject. It also contains a number of more advanced topics, including transforms, sums of random variables, a fairly detailed introduction to Bernoulli, Poisson, and Markov processes, Bayesian inference, and an introduction to classical statistics. The book strikes a balance between simplicity in exposition and sophistication in analytical reasoning. Some of the more mathematically rigorous analysis is explained intuitively in the main text, and then developed in detail (at the level of advanced calculus) in the numerous solved theoretical problems.
Title Page......Page 1
Preface......Page 4
Preface to the Second Edition......Page 7
CONTENTS......Page 8
1. Sample Space and Probability......Page 11
1.1 SETS......Page 13
1.2 PROBABILISTIC MODELS......Page 16
1.3 CONDITIONAL PROBABILITY......Page 28
1.4 TOTAL PROBABILITY THEOREM AND BAYES\' RULE......Page 38
1.5 INDEPENDENCE......Page 44
1.6 COUNTING......Page 54
SUMMARY AND DISCUSSION......Page 61
PROBLEMS......Page 63
2. Discrete Random Variables......Page 81
2.1 BASIC CONCEPTS......Page 82
2.2 PROBABILITY MASS FUNCTIONS......Page 84
2.3 FUNCTIONS OF RANDOM VARIABLES......Page 90
2.4 EXPECTATION, MEAN, AND VARIANCE......Page 91
2.5 JOINT PMFS OF MULTIPLE RANDOM VARIABLES......Page 102
2.6 CONDITIONING......Page 107
2.7 INDEPENDENCE......Page 119
2.8 SUMMARY AND DISCUSSION......Page 125
PROBLEMS......Page 129
3. General Random Variables......Page 149
3.1 CONTINUOUS RANDOM VARIABLES AND PDFS......Page 150
3.2 CUMULATIVE DISTRIBUTION FUNCTIONS......Page 158
3.3 NORMAL RANDOM VARIABLES......Page 163
3.4 JOINT PDFS OF MULTIPLE RANDOM VARIABLES......Page 168
3.5 CONDITIONING......Page 174
3.6 THE CONTINUOUS BAYES\' RULE......Page 188
3.7 SUMMARY AND DISCUSSION......Page 192
PROBLEMS......Page 194
4. Further Topics on Random Variables......Page 210
4.1 DERIVED DISTRIBUTIONS......Page 211
4.2 COVARIANCE AND CORRELATION......Page 227
4.3 CONDITIONAL EXPECTATION AND VARIANCE REVISITED......Page 232
4.4 TRANSFORMS......Page 239
4.5 SUM OF A RANDOM NUMBER OF INDEPENDENT RANDOMVARIABLES......Page 250
4.6 SUMMARY AND DISCUSSION......Page 254
PROBLEMS......Page 256
5. Limit Theorems......Page 272
5.1 MARKOV AND CHEBYSHEV INEQUALITIES......Page 274
5.2 THE WEAK LAW OF LARGE NUMBERS......Page 278
5.3 CONVERGENCE IN PROBABILITY......Page 280
5.4 THE CENTRAL LIMIT THEOREM......Page 282
5.5 THE STRONG LAW OF LARGE NUMBERS......Page 289
5.6 SUMMARY AND DISCUSSION......Page 291
PROBBLEMS......Page 293
6. The Bernoulli and Poisson Processes......Page 304
6.1 THE BERNOULLI PROCESS......Page 306
6.2 THE POISSON PROCESS......Page 318
6.3 SUMMARY AND DISCUSSION......Page 333
PROBLEMS......Page 335
7. Markov Chains......Page 348
7.1 DISCRETE-TIME MARKOV CHAINS......Page 349
7.2 CLASSIFICATION OF STATES......Page 355
7.3 STEADY-STATE BEHAVIOR......Page 361
7.4 ABSORPTION PROBABILITIES AND EXPECTED TIMETO ABSORPTION......Page 371
7.5 CONTINUOUS-TIME MARKOV CHAINS......Page 378
PROBLEMS......Page 387
8. Bayesian Statistical Inference......Page 415
8.1 BAYESIAN INFERENCE AND THE POSTERIOR DISTRIBUTION......Page 420
8.2 POINT ESTIMATION, HYPOTHESIS TESTING, AND THE MAP RULE......Page 428
8.3 BAYESIAN LEAST MEAN SQUARES ESTIMATION......Page 438
8.4 BAYESIAN LINEAR LEAST MEAN SQUARES ESTIMATION......Page 445
8.5 SUMMARY AND DISCUSSION......Page 452
PROBLEMS......Page 453
9. Classical Statistical Inference......Page 464
9.1 CLASSICAL PARAMETER ESTIMATION......Page 467
9.2 LINEAR REGRESSION......Page 482
9.3 BINARY HYPOTHESIS TESTING......Page 492
9.4 SIGNIFICANCE TESTING......Page 502
9.5 SUMMARY AND DISCUSSION......Page 513
PROBLEMS......Page 514
INDEX......Page 528