مشخصات کتاب

Knowing the odds: an introduction to probability

ویرایش:  
نویسندگان: Walsh. John B  
سری: Graduate studies in mathematics 139 
ISBN (شابک) : 9780821885321, 0821885324 
ناشر: American Mathematical Society 
سال نشر: 2012 
تعداد صفحات: 439 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

کلمات کلیدی مربوط به کتاب دانستن شانس: مقدمه ای برای احتمال: تئوری احتمال و فرآیندهای تصادفی - توضیح آموزشی (کتاب های درسی، مقالات آموزشی، و غیره)، Sandsynlighed، Sandsynlighedsregning، آمار Teoretisk، احتمالات، نظریه احتمال و فرآیندهای تصادفی - توضیح آموزشی (کتاب های درسی، و غیره)

در صورت تبدیل فایل کتاب Knowing the odds: an 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 دانستن شانس: مقدمه ای برای احتمال 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 دانستن شانس: مقدمه ای برای احتمال

جان والش، یکی از استادان بزرگ این موضوع، کتاب فوق العاده ای در مورد احتمال نوشته است. همه موضوعات مهمی را که دانش آموزان باید بدانند با سرعتی آرام پوشش می دهد و مثال های عالی ارائه می دهد. من متاسفم که کتاب او در دسترس نبود، زمانی که خودم چنین دوره ای را تدریس کردم، چند سال پیش. -- Ioannis Karatzas، دانشگاه کلمبیا در این کتاب فوق العاده، جان والش دیدگاهی پانوراما از نظریه احتمال ارائه می دهد که از حقایق اساسی در مورد میانگین، میانه و حالت شروع می شود، با شرحی عالی از زنجیره های مارکوف و مارتینگال ها ادامه می دهد و با حرکت براونی به اوج می رسد. در سراسر، سبک شخصی نویسنده آشکار است. او می‌تواند سختگیری را با تأکید بر ایده‌های کلیدی ترکیب کند تا خواننده با احاطه شدن توسط درختان زیاد، هرگز جنگل را از دست ندهد. همانطور که در مقدمه ذکر شد، "برای تدریس یک دوره با لذت، باید همزمان یاد گرفت." در واقع، تقریباً همه مربیان چیز جدیدی از کتاب (مثلاً اثبات نظری بالقوه تعبیه Skorokhod) و در در عین حال برای دانش آموزان جذاب و قابل دسترس است. --Yuval Peres، مایکروسافت با مثال‌های فراوان در هر بخش که ارائه را بهبود می‌بخشد، این کتاب افزودنی خوش‌آمد به مجموعه کتاب‌هایی است که به نیازهای دانشجویان پیشرفته کارشناسی و همچنین دانشجویان سال اول کارشناسی ارشد پاسخ می‌دهد. سرعت آن آرام است که آن را به عنوان یک متن جذاب تر می کند. --Srinivasa Varadhan، مؤسسه Courant، نیویورک این کتاب به شیوه ای آرام تمام مطالب استانداردی را که فرد در یک دوره احتمالی یکساله می خواهد با تمایل به کاربردهای تحلیل مالی در سطح افتخارات فارغ التحصیل یا ارشد پوشش می دهد. این شامل مقدار مناسبی از تئوری اندازه گیری و تجزیه و تحلیل واقعی است اما زمینه های سیگما، نظریه اندازه گیری و انتظارات را به روشی ابتدایی و شهودی معرفی می کند. تنوع زیادی از مثال ها و تمرین ها در هر فصل، ارائه را در متن غنی می کند.

توضیحاتی درمورد کتاب به خارجی

John Walsh, one of the great masters of the subject, has written a superb book on probability. It covers at a leisurely pace all the important topics that students need to know, and provides excellent examples. I regret his book was not available when I taught such a course myself, a few years ago. --Ioannis Karatzas, Columbia University In this wonderful book, John Walsh presents a panoramic view of Probability Theory, starting from basic facts on mean, median and mode, continuing with an excellent account of Markov chains and martingales, and culminating with Brownian motion. Throughout, the author's personal style is apparent; he manages to combine rigor with an emphasis on the key ideas so the reader never loses sight of the forest by being surrounded by too many trees. As noted in the preface, ``To teach a course with pleasure, one should learn at the same time.'' Indeed, almost all instructors will learn something new from the book (e.g. the potential-theoretic proof of Skorokhod embedding) and at the same time, it is attractive and approachable for students. --Yuval Peres, Microsoft With many examples in each section that enhance the presentation, this book is a welcome addition to the collection of books that serve the needs of advanced undergraduate as well as first year graduate students. The pace is leisurely which makes it more attractive as a text. --Srinivasa Varadhan, Courant Institute, New York This book covers in a leisurely manner all the standard material that one would want in a full year probability course with a slant towards applications in financial analysis at the graduate or senior undergraduate honors level. It contains a fair amount of measure theory and real analysis built in but it introduces sigma-fields, measure theory, and expectation in an especially elementary and intuitive way. A large variety of examples and exercises in each chapter enrich the presentation in the text.

فهرست مطالب

Cover

S Title

Knowing the Odds: An Introduction to Probability


Copyright

     2012 by the American Mathematical Society

     ISBN 978-0-8218-8532-1

     QA273.W24 2011 519.2-dc23

     LCCN 2012013119


Dedication


Contents


Preface


Introduction


Chapter 1  Probability Spaces

     1.1. Sets and Sigma-Fields

     1.2. Elementary Properties of Probability Spaces

     1.3. The Intuition

          1.3.1. Symmetry.

     1.4. Conditional Probability

     1.5. Independence

     1.6. Counting: Permutations and Combinations

     1.7. The Gambler\'s Ruin


Chapter 2  Random Variables

     2.1. Random Variables and Distributions

          2.1.1. Elementary Properties of Distribution Functions

     2.2. Existence of Random Variables

     2.3. Independence of Random Variables

     2.4. Types of Distributions

     2.5. Expectations I: Discrete Random Variables

     2.6. Moments, Means and Variances

     2.7. Mean, Median, and Mode

     2.8. Special Discrete Distributions

Chapter 3  Expectations II: The General Case

     3.1. From Discrete to Continuous

     3.2. The Expectation as an Integral

     3.3. Some Moment Inequalities

     3.4. Convex Functions and Jensen\'s Inequality

     3.5. Special Continuous Distribution

          3.5.1. Transformation of Densities.

     3.6. Joint Distributions and Joint Densities

          3.6.1. Covariances and Correlations.

          3.6.2. Transformation of Joint Densities

     3.7. Conditional Distributions, Densities, and Expectations

          3.7.1. Sums of Random Variables

          3.7.2. Bivariate and Multivariate Gaussian

Chapter 4  Convergence

     4.1. Convergence of Random Variables

     4.2. Convergence Theorems for Expectations

     4.3. Applications

Chapter 5  Laws of Large Numbers

     5.1. The Weak and Strong Laws

     5.2. Normal Numbers

     5.3. Sequences of Random Variables: Existence

     5.4. Sigma Fields as Information

     5.5. Another Look at Independence

     5.6. Zero-one Laws

Chapter 6  Convergence in Distribution and the CLT

     6.1. Characteristic Functions

          6.1.1. Levy\'s Inversion Theorem

     6.2. Convergence in Distribution

          6.2.1. Weak Convergence*

     6.3. Levy\'s Continuity Theorem

     6.4. The Central Limit Theorem

          6.4.1. Some Consequences and Extensions

     6.5. Stable Laws

Chapter 7  Markov Chains and Random Walks

     7.1. Stochastic Processes

     7.2. Markov Chains

          7.2.1. Conditional Independence and the Markov Property

     7.3. Classification of States

     7.4. Stopping Times

     7.5. The Strong Markov Property

     7.6. Recurrence and Transience

          7.6.1. Examples: Random Walks. One Dimension

     7.7. Equilibrium and the Ergodic Theorem for Markov Chains

          7.7.1. Stationary Distributions and Equilibrium

     7.8. Finite State Markov Chains

     7.9. Branching Processes

     7.10. The Poisson Process

     7.11. Birth and Death Processes

Chapter 8  Conditional Expectations

     8.1. Conditional Expectations

     8.2. Elementary Properties

     8.3. Approximations and Projections

Chapter 9  Discrete-Parameter Martingales

     9.1. Martingales

     9.2. System Theorems

     9.3. Convergence

          9.3.1. Backward Martingales.

     9.4. Uniform Integrability

     9.5. Applications

          Application to Conditional Expectations I : Existence

          Application to Conditional Expectations II : Levy\'s Theorem

          Application to the Zero-One Law.

          The Kolmogorov Strong Law

          Application to Integration in Infinitely Many Dimensions

          Application to Sequential Analysis in Statistics.

          Application to Branching Processes

     9.6. Financial Mathematics I: The Martingale Connection

          9.6.1. The Basic Financial Market.

Chapter 10  Brownian Motion

     10.1. Standard Brownian Motion

     10.2. Stopping Times and the Strong Markov Property

     10.3. The Zero Set of Brownian Motion

     10.4. The Reflection Principle

     10.5. Recurrence and Hitting Properties

     10.6. Path Irregularity

     10.7. The Brownian Infinitesimal Generator

     10.8. Related Processes

     10.9. Higher Dimensional Brownian Motion

     10.10. Financial Mathematics II: The Black-Scholes Model

     10.11. Skorokhod Embedding

          10.11.1. Embedding Sums of Random Variables

     10.12. Levy\'s Construction of Brownian Motion

     10.13. The Ornstein-Uhlenbeck Process

     10.14. White Noise and the Wiener Integral

     10.15. Physical Brownian Motion

     10.16. What Brownian Motion Really Does

Bibliography

Index

Back Cover

نظرات کاربران

کتاب های تصادفی

دانلود کتاب My Revision Notes

دانلود کتاب Science and Gender: A Critique of Biology and Its Theories on Women (Athene series)

دانلود کتاب Modellwerft

دانلود کتاب Creo Parametric Milling

دانلود کتاب The Kobe Code: Eight Principles For Success — An Insider's Look into Los Angeles Laker Kobe Bryant's Warrior Life & the Code He Lives By