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 Mathematical Models of Information and Stochastic Systems

دانلود کتاب مدل های ریاضی اطلاعات و سیستم های تصادفی

مشخصات کتاب

Mathematical Models of Information and Stochastic Systems

دسته بندی: احتمال
ویرایش: 1 
نویسندگان: Philipp Kornreich  
سری:  
ISBN (شابک) : 9781420058833, 1420058835 
ناشر: CRC Press 
سال نشر: 2008 
تعداد صفحات: 361 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 مگابایت

قیمت کتاب (تومان) : 41,000

کلمات کلیدی مربوط به کتاب مدل های ریاضی اطلاعات و سیستم های تصادفی: ریاضیات، نظریه احتمالات و آمار ریاضی، نظریه احتمال

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 7

در صورت تبدیل فایل کتاب Mathematical Models of Information and Stochastic Systems 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 مدل های ریاضی اطلاعات و سیستم های تصادفی 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 مدل های ریاضی اطلاعات و سیستم های تصادفی

از پیشگویان و اخترشناسان باستانی گرفته تا نظرسنجی ها و اقتصاددانان امروزی، نظریه احتمال از دیرباز برای پیش بینی آینده بر اساس دانش گذشته و حال مورد استفاده قرار گرفته است.مدل های ریاضی اطلاعات و سیستم های تصادفی نشان می دهد که میزان دانش در مورد یک سیستم نقش مهمی در مدل های ریاضی مورد استفاده برای پیش بینی آینده سیستم ایفا می کند. توضیح می دهد که چگونه این مقدار شناخته شده اطلاعات برای استخراج ویژگی های احتمالی یک سیستم استفاده می شود.

پس از مقدمه، این کتاب چندین اصل اساسی را ارائه می‌کند که در ادامه متن به کار گرفته شده‌اند تا نمونه‌های مفیدی از نظریه احتمال را توسعه دهند. این توابع توزیع گسسته و پیوسته و متغیرهای تصادفی را بررسی می‌کند و به دنبال آن فصلی در مورد مقادیر میانگین، همبستگی‌ها و کوواریانس‌های توابع متغیرها و همچنین مدل ریاضی احتمالی مکانیک کوانتومی ارائه می‌شود. نویسنده سپس مفاهیم تصادفی و آنتروپی را بررسی می کند و احتمالات گسسته مختلف و توابع چگالی احتمال پیوسته را از آنچه در مورد یک سیستم تصادفی خاص شناخته شده است استخراج می کند. فصول پایانی اطلاعات سیستم های گسسته و پیوسته، فرآیندهای تصادفی وابسته به زمان، تجزیه و تحلیل داده ها، و سیستم های آشفته و فراکتال ها را مورد بحث قرار می دهد.

با ایجاد طیف وسیعی از توزیع‌های احتمال بر اساس دانش قبلی از مسئله، این متن آزمایش شده در کلاس درس نحوه پیش‌بینی رفتار سیستم‌های متنوع را نشان می‌دهد. یک راهنمای راه حل برای مربیان واجد شرایط موجود است.

توضیحاتی درمورد کتاب به خارجی

From ancient soothsayers and astrologists to today’s pollsters and economists, probability theory has long been used to predict the future on the basis of past and present knowledge. Mathematical Models of Information and Stochastic Systems shows that the amount of knowledge about a system plays an important role in the mathematical models used to foretell the future of the system. It explains how this known quantity of information is used to derive a system’s probabilistic properties.

After an introduction, the book presents several basic principles that are employed in the remainder of the text to develop useful examples of probability theory. It examines both discrete and continuous distribution functions and random variables, followed by a chapter on the average values, correlations, and covariances of functions of variables as well as the probabilistic mathematical model of quantum mechanics. The author then explores the concepts of randomness and entropy and derives various discrete probabilities and continuous probability density functions from what is known about a particular stochastic system. The final chapters discuss information of discrete and continuous systems, time-dependent stochastic processes, data analysis, and chaotic systems and fractals.

By building a range of probability distributions based on prior knowledge of the problem, this classroom-tested text illustrates how to predict the behavior of diverse systems. A solutions manual is available for qualifying instructors.