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: 1 نویسندگان: Michael Baron سری: ISBN (شابک) : 1584886412, 9781584886419 ناشر: Chapman and Hall/CRC سال نشر: 2006 تعداد صفحات: 418 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
کلمات کلیدی مربوط به کتاب احتمالات و آمار برای دانشمندان کامپیوتر: ریاضیات، نظریه احتمالات و آمار ریاضی
در صورت تبدیل فایل کتاب Probability and Statistics for Computer Scientists 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 احتمالات و آمار برای دانشمندان کامپیوتر 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 علوم کامپیوتر مدرن، مهندسی نرم افزار و سایر زمینه ها، نیاز به تصمیم گیری در شرایط عدم قطعیت وجود دارد. ارائه روشهای احتمال و آماری، تکنیکهای شبیهسازی و ابزارهای مدلسازی، احتمال و آمار برای دانشمندان کامپیوتر به دانشجویان کمک میکند تا مسائل و تصمیمگیری بهینه را در شرایط نامشخص، انتخاب مدلهای تصادفی، محاسبه احتمالات و پیشبینیها و ارزیابی عملکرد سیستمها و شبکههای کامپیوتری انجام دهند. پس از معرفی احتمال و توزیع، این کتاب درسی آسان برای دنبال کردن دو گزینه درسی ارائه می دهد. رویکرد اول یک دوره احتمال محور است که با فرآیندهای تصادفی، زنجیره های مارکوف و تئوری صف شروع می شود و سپس شبیه سازی های کامپیوتری و روش های مونت کارلو را دنبال می کند. رویکرد دوم یک دوره استانداردتر و با تاکید بر آمار است که بر استنتاج آماری، تخمین، آزمون فرضیه ها و رگرسیون تمرکز دارد. با فرض یک یا دو ترم حساب دیفرانسیل و انتگرال، این کتاب با مثالها، تمرینها، شکلها و جداول متعددی نشان داده شده است که بر کاربردهای مستقیم در علوم کامپیوتر و مهندسی نرمافزار تاکید دارند. همچنین کدهای MATLAB® و نمایش های نوشته شده با دستورات ساده را ارائه می دهد که می توانند مستقیماً به سایر زبان های رایانه ترجمه شوند. در پایان این دوره، دانشجویان مقطع کارشناسی و کارشناسی ارشد مبتدی باید بتوانند یک مشکل کلمه یا یک گزارش شرکتی را بخوانند، به عدم قطعیت موجود در وضعیت توصیف شده پی ببرند، یک مدل احتمال مناسب را انتخاب کنند، پارامترهای آن را بر اساس داده های واقعی تخمین زده و آزمایش کنند. ، احتمالات رویدادهای جالب و سایر ویژگی های حیاتی را محاسبه کرده و نتیجه گیری و پیش بینی های مناسب را انجام دهید.
In modern computer science, software engineering, and other fields, the need arises to make decisions under uncertainty. Presenting probability and statistical methods, simulation techniques, and modeling tools, Probability and Statistics for Computer Scientists helps students solve problems and make optimal decisions in uncertain conditions, select stochastic models, compute probabilities and forecasts, and evaluate performance of computer systems and networks. After introducing probability and distributions, this easy-to-follow textbook provides two course options. The first approach is a probability-oriented course that begins with stochastic processes, Markov chains, and queuing theory, followed by computer simulations and Monte Carlo methods. The second approach is a more standard, statistics-emphasized course that focuses on statistical inference, estimation, hypothesis testing, and regression. Assuming one or two semesters of college calculus, the book is illustrated throughout with numerous examples, exercises, figures, and tables that stress direct applications in computer science and software engineering. It also provides MATLAB® codes and demonstrations written in simple commands that can be directly translated into other computer languages. By the end of this course, advanced undergraduate and beginning graduate students should be able to read a word problem or a corporate report, realize the uncertainty involved in the described situation, select a suitable probability model, estimate and test its parameters based on real data, compute probabilities of interesting events and other vital characteristics, and make appropriate conclusions and forecasts.
Content: PREFACE INTRODUCTION AND OVERVIEW Making decisions under uncertainty Overview of this book PROBABILITY Sample space, events, and probability Rules of probability Equally likely outcomes. Combinatorics Conditional probability. Independence DISCRETE RANDOM VARIABLES AND THEIR DISTRIBUTIONS Distribution of a random variable Distribution of a random vector Expectation and variance Families of discrete distributions CONTINUOUS DISTRIBUTIONS Probability density Families of continuous distributions Central limit theorem COMPUTER SIMULATIONS AND MONTE CARLO METHODS Introduction Simulation of random variables Solving problems by Monte Carlo methods STOCHASTIC PROCESSES Definitions and classifications Markov processes and Markov chains Counting processes Simulation of stochastic processes QUEUING SYSTEMS Main components of a queuing system The Little\'s Law Bernoulli single-server queuing process M/M/1 system Multiserver queuing systems Simulation of queuing systems INTRODUCTION TO STATISTICS Population and sample, parameters and statistics Simple descriptive statistics Graphical statistics STATISTICAL INFERENCE Parameter estimation Confidence intervals Unknown standard deviation Hypothesis testing Bayesian estimation and hypothesis testing REGRESSION Least squares estimation Analysis of variance, prediction, and further inference Multivariate regression Model building APPENDIX Inventory of distributions Distribution tables Calculus review Matrices and linear systems Answers to selected exercises Index