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 for Computer Scientists

دانلود کتاب احتمالات و آمار برای دانشمندان کامپیوتر

Probability and Statistics for Computer Scientists

مشخصات کتاب

Probability and Statistics for Computer Scientists

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان:   
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 

قیمت کتاب (تومان) : 60,000



کلمات کلیدی مربوط به کتاب احتمالات و آمار برای دانشمندان کامپیوتر: ریاضیات، نظریه احتمالات و آمار ریاضی



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 10


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.


توضیحاتی در مورد کتاب احتمالات و آمار برای دانشمندان کامپیوتر

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.


توضیحاتی درمورد کتاب به خارجی

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.



فهرست مطالب

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




نظرات کاربران