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 Markov Chains and Mixing Times

دانلود کتاب زنجیره های مارکوف و زمان های اختلاط

Markov Chains and Mixing Times

مشخصات کتاب

Markov Chains and Mixing Times

دسته بندی: احتمال
ویرایش: Second 
نویسندگان: , , , ,   
سری: MBK/107 
ISBN (شابک) : 2017017451, 9781470429621 
ناشر: American Mathematical Society 
سال نشر: 2017 
تعداد صفحات: 463 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 16 مگابایت

قیمت کتاب (تومان) : 45,000



کلمات کلیدی مربوط به کتاب زنجیره های مارکوف و زمان های اختلاط: تصادفی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Markov Chains and Mixing Times 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 زنجیره های مارکوف و زمان های اختلاط 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 زنجیره های مارکوف و زمان های اختلاط

این کتاب مقدمه‌ای بر نظریه مدرن زنجیره‌های مارکوف است که هدف آن تعیین میزان هم‌گرایی به توزیع ساکن، به عنوان تابعی از اندازه فضای حالت و هندسه است. این مبحث پیوندهای مهمی با ترکیبات، فیزیک آماری و علوم کامپیوتر نظری دارد. بسیاری از تکنیک های ارائه شده از این رشته ها سرچشمه می گیرند. ابزارهای مرکزی برای تخمین زمان های همگرایی، از جمله جفت، زمان های ثابت قوی، و روش های طیفی، توسعه یافته اند. نویسندگان مثال‌های زیادی را مورد بحث قرار می‌دهند، از جمله درهم‌رفتن کارت و مدل Ising، از مکانیک آماری، و اتصال پیاده‌روی‌های تصادفی به شبکه‌های الکتریکی را ارائه می‌کنند و آن را برای تخمین زمان ضربه و پوشش استفاده می‌کنند. نسخه اول در دوره های آموزشی در گروه های ریاضی و علوم کامپیوتر بسیاری از دانشگاه ها استفاده شده است. نسخه دوم دارای سه فصل جدید (در مورد زنجیره های یکنواخت، فرآیند حذف، و زمان های ثابت) است و همچنین شامل اضافات و اصلاحات کوچکتر در سراسر آن است. یادداشت های به روز شده در پایان هر فصل خواننده را از پیشرفت های تحقیقاتی اخیر آگاه می کند.


توضیحاتی درمورد کتاب به خارجی

This book is an introduction to the modern theory of Markov chains, whose goal is to determine the rate of convergence to the stationary distribution, as a function of state space size and geometry. This topic has important connections to combinatorics, statistical physics, and theoretical computer science. Many of the techniques presented originate in these disciplines. The central tools for estimating convergence times, including coupling, strong stationary times, and spectral methods, are developed. The authors discuss many examples, including card shuffling and the Ising model, from statistical mechanics, and present the connection of random walks to electrical networks and apply it to estimate hitting and cover times. The first edition has been used in courses in mathematics and computer science departments of numerous universities. The second edition features three new chapters (on monotone chains, the exclusion process, and stationary times) and also includes smaller additions and corrections throughout. Updated notes at the end of each chapter inform the reader of recent research developments.



فهرست مطالب

Cover
Title page
Contents
Preface
	Preface to the Second Edition
	Preface to the First Edition
	Overview
	For the Reader
	For the Instructor
	For the Expert
Acknowledgements
Part I: Basic Methods and Examples
Chapter 1. Introduction to Finite Markov Chains
	1.1. Markov Chains
	1.2. Random Mapping Representation
	1.3. Irreducibility and Aperiodicity
	1.4. Random Walks on Graphs
	1.5. Stationary Distributions
	1.6. Reversibility and Time Reversals
	1.7. Classifying the States of a Markov Chain*
	Exercises
	Notes
Chapter 2. Classical (and Useful) Markov Chains
	2.1. Gambler’s Ruin
	2.2. Coupon Collecting
	2.3. The Hypercube and the Ehrenfest Urn Model
	2.4. The Pólya Urn Model
	2.5. Birth-and-Death Chains
	2.6. Random Walks on Groups
	2.7. Random Walks on \\Z and Reflection Principles
	Exercises
	Notes
Chapter 3. Markov Chain Monte Carlo: Metropolis and Glauber Chains
	3.1. Introduction
	3.2. Metropolis Chains
	3.3. Glauber Dynamics
	Exercises
	Notes
Chapter 4. Introduction to Markov Chain Mixing
	4.1. Total Variation Distance
	4.2. Coupling and Total Variation Distance
	4.3. The Convergence Theorem
	4.4. Standardizing Distance from Stationarity
	4.5. Mixing Time
	4.6. Mixing and Time Reversal
	4.7. ℓ^{




نظرات کاربران

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