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: 1st pbk. ed نویسندگان: J. R. Norris سری: Cambridge series on statistical and probabilistic mathematics ISBN (شابک) : 0521633966, 0521481813 ناشر: Cambridge University Press سال نشر: 1998 تعداد صفحات: 251 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Markov chains 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 زنجیر مارکوف 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.
در این گزارش دقیق، نویسنده هر دو زنجیره زمان گسسته و پیوسته را مطالعه می کند. یکی از ویژگیهای متمایز، مقدمهای بر موضوعات پیشرفتهتر مانند مارتینگلها و پتانسیلها، در زمینه زنجیرههای مارکوف است. کاربردهایی برای شبیهسازی، اقتصاد، کنترل بهینه، ژنتیک، صفها و بسیاری موضوعات دیگر، و انتخاب دقیق تمرینها و مثالهایی که هم از تئوری و هم از عمل استخراج شدهاند، وجود دارد. این یک متن ایدهآل برای سمینارهایی در مورد فرآیندهای تصادفی یا برای کسانی است که بیشتر به سمت برنامههای کاربردی جهتگیری میکنند، برای دانشآموزان پیشرفته یا فارغالتحصیلان با پیشینهای در تئوری احتمالات پایه.
In this rigorous account the author studies both discrete-time and continuous-time chains. A distinguishing feature is an introduction to more advanced topics such as martingales and potentials, in the established context of Markov chains. There are applications to simulation, economics, optimal control, genetics, queues and many other topics, and a careful selection of exercises and examples drawn both from theory and practice. This is an ideal text for seminars on random processes or for those that are more oriented towards applications, for advanced undergraduates or graduate students with some background in basic probability theory.