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 Probability and statistics by example. Markov chains: a primer in random processes and their applications

دانلود کتاب احتمال و آمار به عنوان مثال. زنجیر مارکوف: آغازگر در فرآیندهای تصادفی و برنامه های کاربردی آنها

Probability and statistics by example. Markov chains: a primer in random processes and their applications

مشخصات کتاب

Probability and statistics by example. Markov chains: a primer in random processes and their applications

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان:   
سری:  
ISBN (شابک) : 0521847672, 0521612349 
ناشر: Cambridge University Press 
سال نشر: 2008 
تعداد صفحات: 499 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 46,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


در صورت تبدیل فایل کتاب Probability and statistics by example. Markov chains: a primer in random processes and their 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 احتمال و آمار به عنوان مثال. زنجیر مارکوف: آغازگر در فرآیندهای تصادفی و برنامه های کاربردی آنها 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 احتمال و آمار به عنوان مثال. زنجیر مارکوف: آغازگر در فرآیندهای تصادفی و برنامه های کاربردی آنها

احتمال و آمار به همان اندازه که به اثبات قضیه مربوط می شود به شهود و حل مسئله نیز مربوط می شود. به همین دلیل، انتقال موفقیت آمیز از سخنرانی به امتحان به تمرین برای دانش آموزان بسیار دشوار است، زیرا ماهیت مشکلات موجود می تواند بسیار متفاوت باشد. از آنجایی که این موضوع در بسیاری از کاربردهای مدرن مانند مالی ریاضی، مدیریت کمی، ارتباطات راه دور، پردازش سیگنال، بیوانفورماتیک و همچنین موارد سنتی مانند بیمه، علوم اجتماعی و مهندسی حیاتی است، نویسندگان کاستی‌های روش‌های سنتی مبتنی بر سخنرانی را اصلاح کرده‌اند. جمع آوری انبوهی از تمرین ها با راه حل های کامل، متناسب با نیازها و مهارت های دانش آموزان. به دنبال موفقیت احتمالات و آمار با مثال: احتمال و آمار پایه، نویسندگان در اینجا بر فرآیندهای تصادفی، به ویژه فرآیندهای مارکوف تمرکز می کنند و بر مدل ها به جای ساخت و سازهای کلی تأکید می کنند. حقایق ریاضی اساسی در صورت نیاز ارائه می شود و اطلاعات تاریخی در سراسر آن پاشیده می شود.


توضیحاتی درمورد کتاب به خارجی

Probability and Statistics are as much about intuition and problem solving as they are about theorem proving. Because of this, students can find it very difficult to make a successful transition from lectures to examinations to practice, since the problems involved can vary so much in nature. Since the subject is critical in many modern applications such as mathematical finance, quantitative management, telecommunications, signal processing, bioinformatics, as well as traditional ones such as insurance, social science and engineering, the authors have rectified deficiencies in traditional lecture-based methods by collecting together a wealth of exercises with complete solutions, adapted to needs and skills of students. Following on from the success of Probability and Statistics by Example: Basic Probability and Statistics, the authors here concentrate on random processes, particularly Markov processes, emphasizing models rather than general constructions. Basic mathematical facts are supplied as and when they are needed and historical information is sprinkled throughout.



فهرست مطالب

Cover......Page 1
Half-title......Page 3
Title......Page 5
Copyright......Page 6
Contents......Page 7
Preface......Page 9
1.1 The Markov property and its immediate consequences......Page 13
1.2 Class division......Page 29
1.3 Hitting times and probabilities......Page 38
1.4 Strong Markov property......Page 47
1.5 Recurrence and transience: definitions and basic facts......Page 51
1.6 Recurrence and transience: random walks on lattices......Page 57
1.7 Equilibrium distributions: definitions and basic facts......Page 64
1.8 Positive and null recurrence......Page 70
1.9 Convergence to equilibrium. Long-run proportions......Page 82
1.10 Detailed balance and reversibility......Page 92
1.11 Controlled and partially observed Markov chains......Page 101
1.12 Geometric algebra of Markov chains, I. Eigenvalues and spectral gaps......Page 111
1.13 Geometric algebra of Markov chains, II. Random walks on graphs......Page 128
1.14 Geometric algebra of Markov chains, III. The Poincar´e and Cheeger bounds......Page 142
1.15 Large deviations for discrete-time Markov chains......Page 150
1.16 Examination questions on discrete-time Markov chains......Page 167
2.1 Q-matrices and transition matrices......Page 197
2.2 Continuous-time Markov chains: definitions and basic constructions......Page 208
2.3 The Poisson process......Page 222
2.4 Inhomogeneous Poisson process......Page 243
2.5 Birth-and-death process. Explosion......Page 252
2.6 Continuous-time Markov chains with countably many states......Page 262
2.7 Hitting times and probabilities. Recurrence and transience......Page 278
2.8 Convergence to an equilibrium distribution. Reversibility......Page 295
2.9 Applications to queueing theory. Markovian queues......Page 303
2.10 Examination questions on continuous-time Markov chains......Page 320
3.1 Introduction......Page 361
3.2 Likelihood functions, 1. Maximum likelihood estimators......Page 369
3.3 Consistency of estimators. Various forms of convergence......Page 378
3.4 Likelihood functions, 2. Whittle’s formula......Page 402
3.5 Bayesian analysis of Markov chains: prior and posterior distributions......Page 413
3.6 Elements of control and information theory......Page 427
3.7 Hidden Markov models, 1. State estimation for Markov chains......Page 446
3.8 Hidden Markov models, 2. The Baum–Welch learning algorithm......Page 463
3.9 Generalisations of the Baum–Welch algorithm. Global convergence of iterations......Page 473
Epilogue: Andrei Markov and his Time......Page 491
Bibliography......Page 495
Index......Page 497




نظرات کاربران

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