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
ویرایش: نویسندگان: Gregory F. Lawler, Lester N. Coyle سری: Student Mathematical Library 002 ISBN (شابک) : 082182029X, 9780821820292 ناشر: Amer Mathematical Society سال نشر: 1999 تعداد صفحات: 113 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 730 کیلوبایت
در صورت تبدیل فایل کتاب Lectures on contemporary 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 سخنرانی در مورد احتمالات معاصر 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 جلد بر اساس کلاسهای احتمالی برای دانشجویان پیشرفته در مؤسسه ریاضیات IAS/پارک سیتی (یوتا) است. این از هر دو سخنرانی (فصل 1-10) و شبیه سازی کامپیوتری (فصل 11-13) که در طول برنامه برگزار شد، مشتق شده است. مواد به گونهای هماهنگ شده است که برخی از شبیهسازیهای کامپیوتری اصلی به موضوعاتی که در ده فصل اول پرداخته شده است، مربوط میشود. هدف ارائه موضوعاتی است که برای دانشجویان پیشرفته در دسترس هستند، اما در عین حال حوزههایی از تحقیقات فعلی هستند. ترکیبی از سبک شفاف و در عین حال غیررسمی سخنرانی ها و ماهیت عملی شبیه سازی ها به خوانندگان اجازه می دهد تا با برخی از حوزه های احتمالی جالب و فعال آشنا شوند. چهار فصل اول راههای تصادفی و حد پیوسته پیادهرویهای تصادفی را مورد بحث قرار میدهد: حرکت براونی. فصلهای 5 و 6 ریاضیات جذاب درهمرفتن کارتها، از جمله مفاهیم راه رفتن تصادفی روی یک گروه متقارن و ایده کلی جایگشتهای تصادفی را در نظر میگیرند. فصلهای 7 و 8 زنجیرههای مارکوف را مورد بحث قرار میدهند و با مقدمهای استاندارد برای این نظریه شروع میشوند. فصل 8 به کاربرد مهم اخیر زنجیرههای مارکوف در شبیهسازی سیستمهای تصادفی روی مجموعههای محدود بزرگ میپردازد: زنجیره مارکوف مونت کارلو. پیادهرویهای تصادفی و شبکههای الکتریکی در فصل 9 پوشش داده شدهاند. درختهای پوشاننده یکنواخت، به عنوان متصل به احتمال و پیادهروی تصادفی، در فصل 10 بررسی میشوند. سه فصل پایانی کتاب شبیهسازیهایی را ارائه میدهد. فصل 11 شبیه سازی برای پیاده روی تصادفی را مورد بحث قرار می دهد. فصل 12 موضوعات شبیه سازی مانند نمونه برداری از توزیع های پیوسته، جایگشت های تصادفی، و تخمین تعداد ماتریس ها با شرایط خاص با استفاده از زنجیره مارکوف مونت کارلو را پوشش می دهد. فصل 13 شبیه سازی معادلات دیفرانسیل تصادفی را برای کاربردها در امور مالی ارائه می کند. (شبیهسازیها به یک نرمافزار خاص نیاز ندارند. میتوان آنها را در بستههای محاسباتی نمادین یا از طریق زبانهای برنامهنویسی مانند C انجام داد.) حجم با تعدادی از مشکلات از روتین تا بسیار دشوار به پایان میرسد. نکته قابل توجه مشکلاتی است که نمونه ای از مشکلات شبیه سازی است که توسط نویسندگان در هنگام تدریس احتمالات در مقطع کارشناسی به دانشجویان داده می شود.
This volume is based on classes in probability for advanced undergraduates held at the IAS/Park City Mathematics Institute (Utah). It is derived from both lectures (Chapters 1-10) and computer simulations (Chapters 11-13) that were held during the program. The material is coordinated so that some of the major computer simulations relate to topics covered in the first ten chapters. The goal is to present topics that are accessible to advanced undergraduates, yet are areas of current research in probability. The combination of the lucid yet informal style of the lectures and the hands-on nature of the simulations allows readers to become familiar with some interesting and active areas of probability. The first four chapters discuss random walks and the continuous limit of random walks: Brownian motion.Chapters 5 and 6 consider the fascinating mathematics of card shuffles, including the notions of random walks on a symmetric group and the general idea of random permutations. Chapters 7 and 8 discuss Markov chains, beginning with a standard introduction to the theory. Chapter 8 addresses the recent important application of Markov chains to simulations of random systems on large finite sets: Markov Chain Monte Carlo. Random walks and electrical networks are covered in Chapter 9. Uniform spanning trees, as connected to probability and random walks, are treated in Chapter 10. The final three chapters of the book present simulations. Chapter 11 discusses simulations for random walks.Chapter 12 covers simulation topics such as sampling from continuous distributions, random permutations, and estimating the number of matrices with certain conditions using Markov Chain Monte Carlo. Chapter 13 presents simulations of stochastic differential equations for applications in finance. (The simulations do not require one particular piece of software. They can be done in symbolic computation packages or via programming languages such as C.) The volume concludes with a number of problems ranging from routine to very difficult. Of particular note are problems that are typical of simulation problems given to students by the authors when teaching undergraduate probability