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: آمار ریاضی ویرایش: 2 نویسندگان: Marco Taboga سری: ISBN (شابک) : 1480215236, 9781480215238 ناشر: CreateSpace Independent Publishing Platform سال نشر: 2012 تعداد صفحات: 656 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب سخنرانی در مورد نظریه احتمالات و آمار ریاضی: احتمال، آمار، ریاضیات
در صورت تبدیل فایل کتاب Lectures on Probability Theory and Mathematical Statistics 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 نظریه احتمالات و آمار ریاضی 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 کتاب مجموعه ای از سخنرانی های نظریه احتمالات و آمار ریاضی
است. مقدمه ای در دسترس برای موضوعاتی ارائه می دهد که معمولاً در
کتاب های درسی ابتدایی یافت نمی شوند. این نتایج و اثباتهایی را
جمعآوری میکند، بهویژه در مورد توزیعهای احتمال، که به سختی
در منابع استاندارد یافت میشوند و در کتابهای تخصصیتر اینجا و
آنجا پراکنده هستند.
عناوین اصلی تحت پوشش کتاب به شرح زیر است.
بخش 1 - ابزارهای ریاضی: نظریه مجموعه ها، جایگشت ها، ترکیب ها،
پارتیشن ها، دنباله ها و محدودیت ها، بررسی قوانین تمایز و ادغام،
توابع گاما و بتا.
بخش 2 - مبانی احتمال: رویدادها، احتمال، استقلال، احتمال شرطی،
بیز قاعده، متغیرهای تصادفی و بردارهای تصادفی، مقدار مورد
انتظار، واریانس، کوواریانس، همبستگی، ماتریس کوواریانس، توزیع
های شرطی و انتظار شرطی، متغیرهای مستقل، توابع شاخص.
بخش 3 - موضوعات اضافی در نظریه احتمال: نابرابری های احتمالی،
ساخت توزیعها، تبدیلهای توزیعهای احتمال، لحظهها و ممانهای
متقاطع، توابع مولد گشتاور، توابع مشخصه.
بخش 4 - توزیع های احتمالی: برنولی، دو جمله ای، پواسون، یکنواخت،
نمایی، نرمال، مجذور کای، گاما، دانشجویی t، F، چند جمله ای، چند
متغیره نرمال، چند متغیری Student's t، Wishart.
بخش 5 - جزئیات بیشتر در مورد NORMAL : ترکیب های خطی، اشکال درجه
دوم، پارتیشن ها.
بخش 6 - نظریه مجانبی: دنباله ای از بردارهای تصادفی و متغیرهای
تصادفی، همگرایی نقطه ای، همگرایی تقریباً مطمئن، همگرایی در
احتمال، همگرایی میانگین مربعی، همگرایی بین حالت های توزیع،
روابط بین حالت های توزیع همگرایی، قوانین اعداد بزرگ، قضایای حد
مرکزی، قضیه نگاشت پیوسته، قضیه اسلوتسکی.
قسمت 7 - مبانی آمار: استنتاج آماری، تخمین نقطه، تخمین مجموعه،
آزمون فرضیه، استنتاج آماری در مورد خداشناسی واریانس
This book is a collection of lectures on probability theory and
mathematical statistics. It provides an accessible introduction
to topics that are not usually found in elementary textbooks.
It collects results and proofs, especially on probability
distributions, that are hard to find in standard references and
are scattered here and there in more specialistic books.
The main topics covered by the book are as follows.
PART 1 - MATHEMATICAL TOOLS: set theory, permutations,
combinations, partitions, sequences and limits, review of
differentiation and integration rules, the Gamma and Beta
functions.
PART 2 - FUNDAMENTALS OF PROBABILITY: events, probability,
independence, conditional probability, Bayes' rule, random
variables and random vectors, expected value, variance,
covariance, correlation, covariance matrix, conditional
distributions and conditional expectation, independent
variables, indicator functions.
PART 3 - ADDITIONAL TOPICS IN PROBABILITY THEORY: probabilistic
inequalities, construction of probability distributions,
transformations of probability distributions, moments and
cross-moments, moment generating functions, characteristic
functions.
PART 4 - PROBABILITY DISTRIBUTIONS: Bernoulli, binomial,
Poisson, uniform, exponential, normal, Chi-square, Gamma,
Student's t, F, multinomial, multivariate normal, multivariate
Student's t, Wishart.
PART 5 - MORE DETAILS ABOUT THE NORMAL DISTRIBUTION: linear
combinations, quadratic forms, partitions.
PART 6 - ASYMPTOTIC THEORY: sequences of random vectors and
random variables, pointwise convergence, almost sure
convergence, convergence in probability, mean-square
convergence, convergence in distribution, relations between
modes of convergence, Laws of Large Numbers, Central Limit
Theorems, Continuous Mapping Theorem, Slutski's Theorem.
PART 7 - FUNDAMENTALS OF STATISTICS: statistical inference,
point estimation, set estimation, hypothesis testing,
statistical inferences about the mean, statistical inferences
about the variance.