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: Illustrated نویسندگان: Erhan Cinlar سری: Dover Books on Mathematics ISBN (شابک) : 9780486497976 ناشر: Dover Publications سال نشر: 2013 تعداد صفحات: 418 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Introduction to 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 مقدمه ای بر 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 ارائه واضح از اساسیترین مدلهای پدیدههای تصادفی، از روشهایی استفاده میکند که جنبههای مربوط به کامپیوتر را از نظریه تشخیص میدهند. متن بر دیدگاه مدرن تأکید دارد، که در آن نگرانی اصلی رفتار مسیرهای نمونه است. با استفاده از جبر ماتریسی و روشهای بازگشتی، به جای روشهای تبدیل، تکنیکهایی را فراهم میکند که به آسانی با محاسبات با ماشینها سازگار هستند. موضوعات شامل فضاهای احتمال و متغیرهای تصادفی، انتظارات و استقلال، فرآیندهای برنولی و مجموع متغیرهای تصادفی مستقل، فرآیندهای پواسون، زنجیرهها و فرآیندهای مارکوف، و تئوری تجدید است. با فرض پیشزمینهای در حساب دیفرانسیل و انتگرال، اما در تئوری اندازهگیری هیچگونه پیشزمینهای وجود ندارد، این روش کامل، دقیق و مدون برای دانشجویان مهندسی در دورههای تحقیقاتی ریاضیات کاربردی و عملیات و همچنین دانشجویان رشتههای مختلف علمی دیگر مناسب است. بسیاری از مثالهای عددی که با جزئیات کار شدهاند، علاوه بر تمرینهای انتهای فصل و پاسخهای تمرینهای انتخابی، در سراسر متن ظاهر میشوند.
This clear presentation of the most fundamental models of random phenomena employs methods that recognize computer-related aspects of theory. The text emphasizes the modern viewpoint, in which the primary concern is the behavior of sample paths. By employing matrix algebra and recursive methods, rather than transform methods, it provides techniques readily adaptable to computing with machines. Topics include probability spaces and random variables, expectations and independence, Bernoulli processes and sums of independent random variables, Poisson processes, Markov chains and processes, and renewal theory. Assuming some background in calculus but none in measure theory, the complete, detailed, and well-written treatment is suitable for engineering students in applied mathematics and operations research courses as well as those in a wide variety of other scientific fields. Many numerical examples, worked out in detail, appear throughout the text, in addition to numerous end-of-chapter exercises and answers to selected exercises.
Copyright Contents Preface Chapter 1 - Probability Spaces and Random Variables Chapter 2 - Expectations and Independence Chapter 3 - Bernoulli Processes and Sums of Independent Random Variables Chapter 4 - Poisson Processes Chapter 5 - Markov Chains Chapter 6 - Limiting Behavior and Applications of Markov Chains Chapter 7 - Potentials, Excessive Functions, and Optimal Stopping of Markov Chains Chapter 8 - Markov Processes Chapter 9 - Renewal Theory Chapter 10 - Markov Renewal Theory Afterword Appendix - Non-Negative Matrices References Answers to Selected Exercises Index of Notations Subject Index