ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Introduction to Stochastic Processes

دانلود کتاب مقدمه ای بر فرآیندهای تصادفی

Introduction to Stochastic Processes

مشخصات کتاب

Introduction to Stochastic Processes

دسته بندی: احتمال
ویرایش: 2nd 
نویسندگان:   
سری: Chapman & Hall/CRC Probability Series 
ISBN (شابک) : 158488651X, 9781584886518 
ناشر: Chapman and Hall/CRC 
سال نشر: 2006 
تعداد صفحات: 252 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت

قیمت کتاب (تومان) : 50,000



کلمات کلیدی مربوط به کتاب مقدمه ای بر فرآیندهای تصادفی: احتمال و آمار، کاربردی، ریاضیات، علوم و ریاضی، آمار، ریاضیات، علوم و ریاضیات، کتاب های درسی جدید، مستعمل و اجاره ای، بوتیک تخصصی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


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.


توضیحاتی در مورد کتاب مقدمه ای بر فرآیندهای تصادفی

با تأکید بر ایده های اساسی ریاضی به جای اثبات، مقدمه ای بر فرآیندهای تصادفی، ویرایش دوم، دسترسی سریع به مبانی مهم نظریه احتمال را فراهم می کند که برای مسائل در بسیاری از زمینه ها قابل استفاده است. با فرض اینکه شما سطح معقولی از سواد کامپیوتری، توانایی نوشتن برنامه های ساده و دسترسی به نرم افزار برای محاسبات جبر خطی دارید، نویسنده به جای تاکید خاص، به مسائل و قضایا با تمرکز بر فرآیندهای تصادفی در حال تکامل با زمان می پردازد. در مورد نظریه اندازه گیری.

برای کسانی که در مواجهه با معادلات دیفرانسیل و تفاوت خطی نیستند، نویسنده با مقدمه ای کوتاه از این مفاهیم شروع می کند. او به بحث در مورد زنجیره های مارکوف، توقف بهینه، مارتینگل ها و حرکت براونی می پردازد. این کتاب با فصلی در مورد ادغام تصادفی به پایان می رسد. نویسنده بسیاری از مثال‌های اساسی و کلی ارائه می‌کند و تمرین‌هایی را در پایان هر فصل ارائه می‌کند.

جدید در نسخه دوم:
  • فصل گسترده‌ای در مورد ادغام تصادفی که به معرفی مالی ریاضی مدرن می‌پردازد. /li>
    • معرفی تبدیل گیرسانوف و فرمول Feynman-Kac
    • بحث گسترده در مورد فرمول Itô و فرمول Black-Scholes برای گزینه های قیمت گذاری
    • موضوعات جدید مانند حداکثر نابرابری دوب و بحث در مورد شباهت خود در فصل حرکت براونی

      قابل استفاده در زمینه های ریاضیات، آمار و مهندسی و همچنین علوم کامپیوتر، اقتصاد، تجارت، علوم زیستی، روانشناسی و مهندسی، این مقدمه مختصر یک منبع عالی برای دانشجویان و متخصصان است.

    • توضیحاتی درمورد کتاب به خارجی

    Emphasizing fundamental mathematical ideas rather than proofs, Introduction to Stochastic Processes, Second Edition provides quick access to important foundations of probability theory applicable to problems in many fields. Assuming that you have a reasonable level of computer literacy, the ability to write simple programs, and the access to software for linear algebra computations, the author approaches the problems and theorems with a focus on stochastic processes evolving with time, rather than a particular emphasis on measure theory.

    For those lacking in exposure to linear differential and difference equations, the author begins with a brief introduction to these concepts. He proceeds to discuss Markov chains, optimal stopping, martingales, and Brownian motion. The book concludes with a chapter on stochastic integration. The author supplies many basic, general examples and provides exercises at the end of each chapter.

    New to the Second Edition:
  • Expanded chapter on stochastic integration that introduces modern mathematical finance
  • Introduction of Girsanov transformation and the Feynman-Kac formula
  • Expanded discussion of Itô's formula and the Black-Scholes formula for pricing options
  • New topics such as Doob's maximal inequality and a discussion on self similarity in the chapter on Brownian motion

    Applicable to the fields of mathematics, statistics, and engineering as well as computer science, economics, business, biological science, psychology, and engineering, this concise introduction is an excellent resource both for students and professionals.


    • فهرست مطالب

    Cover ... 1
Contents ... 7
	0 Preliminaries ... 7
	1 Finite  Markov  Chains ... 7
	2 Countable  Markov  Chains ... 7
	3 Continuous-Time  Markov  Chains ... 7
	4 Optimal  Stopping ... 8
	5 Martingales ... 8
	6 Renewal  Processes ... 8
	7 Reversible  Markov  Chains ... 8
	8 Brownian  Motion ... 8
	9 Stochastic  Integration ... 8
Preface to Second Edition ... 11
Preface to First Edition ... 13
Chapter 0 Preliminaries ... 17
	0.1 Introduction ... 17
	0.2 Linear Differential Equations ... 17
	0.3 Linear Difference Equations ... 19
	0.4 Exercises ... 22
Chapter 1 Finite Markov Chains ... 25
	1.1 Definitions and Examples ... 25
	1.2 Large-Time  Behavior  and  Invariant  Probability ... 30
	1.3 Classification  of  States ... 33
		1.3.1 Reducibility ... 35
		1.3.2 Periodicity ... 37
		1.3.3 Irreducible, aperiodic chains ... 38
		1.3.4 Reducible or periodic chains ... 38
	1.4 Return Times ... 40
	1.5 Transient States ... 42
	1.6 Examples ... 47
	1.7 Exercises ... 51
Chapter 2 Countable Markov Chains ... 59
	2.1 Introduction ... 59
	2.2 Recurrence and Transience ... 61
	2.3 Positive Recurrence and Null Recurrence ... 66
	2.4 Branching Process ... 69
	2.5 Exercises ... 73
Chapter 3 Continuous-Time  Markov  Chains ... 81
	3.1 Poisson Process ... 81
	3.2 Finite State Space ... 84
	3.3 Birth-and-Death Processes ... 90
	3.4 General Case ... 97
	3.5 Exercises ... 98
Chapter 4 Optimal Stopping ... 103
	4.1 Optimal Stopping of Markov  Chains ... 103
	4.2 Optimal Stopping with Cost ... 109
	4.3 Optimal Stopping with Discounting ... 112
	4.4 Exercises ... 114
Chapter 5 Martingales ... 117
	5.1 Conditional Expectation ... 117
	5.2 Definition and Examples ... 122
	5.3 Optional Sampling Theorem ... 126
	5.4 Uniform Integrability ... 130
	5.5 Martingale Convergence Theorem ... 132
	5.6 Maximal Inequalities ... 138
	5.7 Exercises ... 141
Chapter 6 Renewal Processes ... 147
	6.1 Introduction ... 147
	6.2 Renewal Equation ... 152
	6.3 Discrete Renewal  Processes ... 160
	6.4 M/G/1 and G/M/1 Queues ... 164
	6.5 Exercises ... 167
Chapter 7 Reversible Markov Chains ... 171
	7.1 Reversible Processes ... 171
	7.2 Convergence to Equilibrium ... 173
	7.3 Markov Chain Algorithms ... 178
	7.4 A Criterion for Recurrence ... 182
	7.5 Exercises ... 186
Chapter 8 Brownian Motion ... 189
	8.1 Introduction ... 189
	8.2 Markov Property ... 192
	8.3 Zero Set of Brownian Motion ... 197
	8.4 Brownian Motion in Several Dimensions ... 200
	8.5 Recurrence and Transience ... 205
	8.6 Fractal Nature of Brownian  Motion ... 207
	8.7 Scaling Rules ... 208
	8.8 Brownian Motion with Drift ... 209
	8.9 Exercises ... 211
Chapter 9 Stochastic Integration ... 215
	9.1 Integration with Respect to Random Walk ... 215
	9.2 Integration with Respect to Brownian  Motion ... 216
	9.3 Ito\'s Formula ... 221
	9.4 Extensions of Ito\'s Formula ... 225
	9.5 Continuous Martingales ... 232
	9.6 Girsanov Transformation ... 234
	9.7 Feynman-Kac Formula ... 237
	9.8 Black-Scholes Formula ... 239
	9.9 Simulation ... 244
	9.10 Exercises ... 244
Suggestions for Further Reading ... 247
Index ... 249




    نظرات کاربران

    تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
    نماد اعتماد الکترونیکی