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: Mohammad Ahsanullah, Valery B. Nevzorov, Sergei Ananjevskiy سری: ISBN (شابک) : 1536191736, 9781536191738 ناشر: Nova Science Pub Inc سال نشر: 2021 تعداد صفحات: 252 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Probability Theory: A Logic of Science 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 نظریه احتمال: منطق علم 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.
این کتاب برای افرادی نوشته شده است که علاقه مند به دانستن مبانی نظریه احتمال هستند. دانش پایه ریاضی دبیرستان برای دانستن نظریه احتمالات مطرح شده در کتاب کافی خواهد بود. این نظریههای اساسی احتمال، توزیعهای آماری، آمار سفارش و مقادیر رکورد را پوشش میدهد، استفاده از روشهای مشخصهسازی برای شناسایی توزیعهای احتمال مختلف توضیح داده شده است. این کتاب برای دانشجویان کارشناسی، کارشناسی ارشد و کارشناسان آمار کاربردی مفید خواهد بود.
This book is written for people who are interested to know the basics of probability theory. The basic knowledge of high school math will be enough to know the probability theory covered in the book. It covers basic theories of probability, statistical distributions, order statistics and record values, The use of characterization methods are described to identify various probability distributions. The book will be useful for undergraduate, graduate students and applied statisticians.
Contents Preface Introduction Chapter 1 Combinatorics Chapter 2 Random Variables 2.1. The Simplest Probabilistic Models 2.2. Discrete Generalizations of the Classical Scheme 2.3. The General Construction of the Probability Space 2.4. Random Variables and Distribution Functions 2.5. Examples of Random Variables Chapter 3 Generating and Characteristic Functions 3.1. Generating Functions and Their Properties 3.2. Characteristic Functions and Their Properties 3.2.1. Characteristic Functions and Polya Criterion 3.2.2. Polya Criterion Chapter 4 Some Univariate Continuous Probability Distributions 4.1. Arcsine Distribution 4.2. Beta Distribution 4.3. Cauchy Distribution 4.4. Chi-Square Distribution 4.5. Exponential Distribution 4.6. Gamma Distribution 4.7. Inverse Gaussian Distribution 4.8. Laplace Distribution 4.9. Levy Distribution 4.10. Loglogistic Distribution 4.11. Logistic Distribution 4.12. Normal Distribution 4.13. Pareto Distribution 4.14. Power Function Distribution 4.15. Rayleigh Distribution 4.16. Stable Distribution 4.17. Student T-Distribution 4.18. Uniform Distribution 4.19. Weibull Distribution Chapter 5 Order Statistics: From Minimum to Maximum 5.1. Definitions and Examples 5.2. Distributions of Order Statistics 5.3. Representations for Uniform and Exponential Order Statistics 5.4. Extreme Order Statistics Chapter 6 Record Values and Probability Theory of Records 6.1. Definitions 6.2. Record Times and Record Values in the Case of Continuous Distributions 6.3. Records in the Sequences of Discrete Random Variables Chapter 7 Characterizations of Continuous Distributions by Independent Copies Introduction 7.1. Arcsin Distribution 7.2. Beta Distribution 7.3. Chi-Square Distribution 7.4. Levy Distribution 7.5. Lindley Distribution 7.6. Loglogistic Distribution 7.7. Normal Distribution 7.8. Pearson’s Random Walk 7.9. Power Function Distribution 7.10. Skew Distribution 7.11. Uniform Distribution 7.12. Von Mises distribution 7.13. Weibull Distribution 7.14. Wald Distribution Chapter 8 Characterizations of Distributions by Order Statistics 8.1. Introduction 8.2. Characterizations of Distributions by Conditional Expectations 8.3. Characterizations by Identical Distribution 8.4. Characterizations by Independence Property Chapter 9 Characterizations of Distributions by Record Values 9.1. Characterizations Using Conditional Expectations 9.2. Characterization by Independence Property 9.3. Characterizations by Identical Distribution Chapter 10 Extreme Value Distributions Introduction 10.1. The PDF of Extreme Value Distributions 10.1.1 The Probability Density Function of Type 1 Extreme Value Distribution (T10) Is Given in Figure 10.1.1 10.1.2. The PDF of Type 2 Extreme Value Distributions for Xn,n 10.1.3. The PDF of Type 3 Distribution of Xn,n 10.2. Domain of Attraction 10.2.1. Domain of Attraction of Type I Extreme Value Distribution for Xn.n 10.2.2. Domain of Attraction of Type 2 Extreme Value Distribution for Xn,n 10.2.3. Domain of Attraction of Type 3 Extreme Value Distribution for Xn,n 10.3. Extreme Value Distributions for X1,n 10.3. Pdfs of the Extreme Value Distribution for X1,n 10.3.1. Type 1 Extreme Value Distribution for X1,n 10.3.2. Type 2 Extreme Value Distribution for X1,n 10.3.2. Type 3 Extreme Value Distribution for X1,n 10.3. Domain of Attraction of Extreme Value Distribution for X1,n 10.3.1. Domain of Attraction for Type 1 Extreme Value Distribution for X1,n 10.3.2. Domain of Attraction of Type 2 Distribution for X1,n 10.3.2. Domain of Attraction of Type 3 Distribution for X1,n 10.4. Asymptotic Distribution of the K-TH Largest Order Statistics Chapter 11 Random Filling of a Segment with Unit Intervals 11.1. Random Filling. Continuous Case 11.2. Discrete Version of the Parking Problem Appendix A.1. Cauchy’s Functional Equations A.2. Lemmas References About the Authors Index Blank Page