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: Fan R. K. Chung, Persi Diaconis, Bela Bollobas (ed.) سری: Proceedings of Symposia in Applied Mathematics 044 ISBN (شابک) : 082185500X, 1351251341 ناشر: Amer Mathematical Society سال نشر: 1991 تعداد صفحات: 214 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Probabilistic Combinatorics and Its Applications 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 ترکیبی احتمالی و کاربردهای آن 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.
روشهای احتمالی به ابزاری حیاتی در زرادخانه هر ترکیبگرا تبدیل شدهاند. تئوری نمودارهای تصادفی هنوز یک حوزه اصلی برای استفاده از روشهای احتمالی است، و در طول سالها، این روشها در بسیاری از زمینههای مرتبط مانند طراحی و تجزیه و تحلیل الگوریتمهای کامپیوتری نیز اهمیت بالایی دارند. در سالهای اخیر، ترکیبهای احتمالی در نتیجه ظهور برخی تکنیکهای جدید هیجانانگیز مانند نابرابریهای مارتینگل، نابرابریهای ایزوپریمتری گسسته، آنالیز فوریه روی گروهها، تکنیکهای ارزش ویژه، فرآیندهای انشعاب، و اختلاط سریع زنجیرههای مارکوف، دستخوش تغییرات انقلابی شدهاند. هدف این جلد بررسی مختصر نتایج کلاسیک در تئوری نمودارهای تصادفی و ارائه چندین مورد از پیشرفتهای مهم اخیر در ترکیبهای احتمالی همراه با برخی کاربردها است. مقاله اول شامل مقدمهای کوتاه بر نظریه نمودارهای تصادفی است. مقاله دوم ساختارهای صریح نمودارهای تصادفیمانند را بررسی میکند و نمودارهایی را که دارای ویژگیهای مفید متنوعی هستند، مورد بحث قرار میدهد. نابرابری های ایزوپریمتری، که در ترکیبات احتمالی از اهمیت بالایی برخوردار است، در مقاله سوم پوشش داده شده است. تعداد کروماتیک نمودارهای تصادفی در مقاله چهارم همراه با یک نابرابری زیبا به دلیل جانسون و روش مهم و قدرتمند استاین چن برای تقریب پواسون ارائه شده است. هدف مقاله پنجم ارائه تعدادی روش جدید قدرتمند برای اثبات اینکه یک زنجیره مارکوف "به سرعت در حال مخلوط شدن" است و بررسی سوالات مختلف مرتبط است، در حالی که مقاله ششم به همان موضوع در زمینه بسیار متفاوت نگاه می کند. برای پیادهروی تصادفی روی مکعب، همگرایی به توزیع پایدار به بهترین وجه از طریق تحلیل فوریه تحلیل میشود. مقاله نهایی این موضوع را بررسی میکند و به چندین کاربرد پیچیدهتر میپردازد. مسائل باز را می توان در هر مقاله یافت
Probabilistic methods have become a vital tool in the arsenal of every combinatorialist. The theory of random graphs is still a prime area for the use of probabilistic methods, and, over the years, these methods have also proved of paramount importance in many associated areas such as the design and analysis of computer algorithms. In recent years, probabilistic combinatorics has undergone revolutionary changes as the result of the appearance of some exciting new techniques such as martingale inequalities, discrete isoperimetric inequalities, Fourier analysis on groups, eigenvalue techniques, branching processes, and rapidly mixing Markov chains. The aim of this volume is to review briefly the classical results in the theory of random graphs and to present several of the important recent developments in probabilistic combinatorics, together with some applications. The first paper contains a brief introduction to the theory of random graphs.The second paper reviews explicit constructions of random-like graphs and discusses graphs having a variety of useful properties. Isoperimetric inequalities, of paramount importance in probabilistic combinatorics, are covered in the third paper. The chromatic number of random graphs is presented in the fourth paper, together with a beautiful inequality due to Janson and the important and powerful Stein-Chen method for Poisson approximation. The aim of the fifth paper is to present a number of powerful new methods for proving that a Markov chain is 'rapidly mixing' and to survey various related questions, while the sixth paper looks at the same topic in a very different context. For the random walk on the cube, the convergence to the stable distribution is best analyzed through Fourier analysis; the final paper examines this topic and proceeds to several more sophisticated applications. Open problems can be found throughout each paper