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: Shailaja R. Deshmukh
سری:
ISBN (شابک) : 9781032617978, 9781032619057
ناشر: CRC Press
سال نشر: 2024
تعداد صفحات: 596
[594]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 Mb
در صورت تبدیل فایل کتاب Probability Theory: An Introduction Using R 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: مقدمه ای با استفاده از R 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 نظریه احتمالات را با نرم افزار R معرفی می کند و مفاهیم انتزاعی را به روشی ساده و قابل درک با ترکیب نظریه و محاسبات توضیح می دهد. مثالهای مفهومی و محاسباتی را به تفصیل مورد بحث قرار میدهد تا درک کاملی از تکنیکهای اساسی ارائه دهد و خواندن لذتبخشی را برای دانشآموزانی که به دنبال مطالب مناسب برای خودآموزی هستند، ایجاد کند. این مفاهیم اساسی از جمله میدان ها، میدان های سیگما، متغیرهای تصادفی و انتظارات آنها، حالت های مختلف همگرایی دنباله ای از متغیرهای تصادفی، قوانین اعداد بزرگ و قضیه حد مرکزی را نشان می دهد. - تمرینات محاسباتی مبتنی بر نرم افزار R در هر فصل گنجانده شده است - شامل معرفی مختصری از عملکردهای اساسی نرم افزار R برای مبتدیان در R است و به عنوان یک مرجع آماده عمل می کند. - شامل محاسبات عددی، مطالعات شبیه سازی و تجسم با استفاده از نرم افزار R به عنوان ابزاری آسان برای توضیح مفاهیم انتزاعی - ارائه سوالات چند گزینه ای برای تمرین - شامل کدهای R خود توضیحی در هر فصل این کتاب درسی برای دانش آموزان پیشرفته، متخصصان و محققان دانشگاهی است. آمار، آمار زیستی، اقتصاد و ریاضیات.
This book introduces Probability Theory with R software and explains abstract concepts in a simple and easy-to-understand way by combining theory and computation. It discusses conceptual and computational examples in detail, to provide a thorough understanding of basic techniques and develop an enjoyable read for students seeking suitable material for self-study. It illustrates fundamental concepts including fields, sigma-fields, random variables and their expectations, various modes of convergence of a sequence of random variables, laws of large numbers and the central limit theorem. - Computational exercises based on R software are included in each Chapter - Includes a brief introduction to the basic functions of R software for beginners in R and serves as a ready reference. - Includes Numerical computations, simulation studies, and visualizations using R software as easy tools to explain abstract concepts - Provides multiple-choice questions for practice - Incorporates self-explanatory R codes in every chapter This textbook is for advanced students, professionals, and academic researchers of Statistics, Biostatistics, Economics and Mathematics.
Cover Half Title Title Page Copyright Page Dedication Contents List of Tables List of Figures Preface Author Biographies 1. Sigma Field, Borel Field and Probability Measure 1.1. Introduction 1.2. Introduction to R Software and Language 1.3. Limit of a Sequence of Sets 1.4. Borel Field 1.5. Probability Space 1.6. Conceptual Exercises 1.7. Computational Exercises 1.8. Multiple Choice Questions 2. Random Variables and Random Vectors 2.1. Introduction 2.2. Random Variables 2.3. Random Vectors 2.4. Simple Random Variable 2.5. Probability Distribution of a Random Variable 2.6. Conceptual Exercises 2.7. Computational Exercises 2.8. Multiple Choice Questions 3. Distribution Function 3.1. Introduction 3.2. Properties of a Distribution Function 3.3. Decomposition of a Distribution Function 3.4. Distribution Function of a Random Vector 3.5. Conceptual Exercises 3.6. Computational Exercises 3.7. Multiple Choice Questions 4. Expectation and Characteristic Function 4.1. Introduction 4.2. Expectation of a Simple Random Variable 4.3. Expectation of Non-Negative and Arbitrary Random Variables 4.4. Characteristic Function 4.5. Moment Inequalities 4.6. Conceptual Exercises 4.7. Multiple Choice Questions 5. Independence 5.1. Introduction 5.2. Independence of Events and Classes of Events 5.3. Independence of Random Variables 5.4. Kolmogorov Zero-One Law 5.5. Conceptual Exercises 5.6. Multiple Choice Questions 6. Almost Sure Convergence and Borel Zero-One Law 6.1. Introduction 6.2. Definitions of Various Modes of Convergence 6.3. Almost Sure Convergence 6.4. Borel Zero-One Law 6.5. Conceptual Exercises 6.6. Computational Exercises 6.7. Multiple Choice Questions 7. Convergence in Probability, in Law and in r-th Mean 7.1. Introduction 7.2. Convergence in Probability 7.3. Convergence in Law 7.4. Convergence in r-th Mean 7.5. Conceptual Exercises 7.6. Computational Exercises 7.7. Multiple Choice Questions 8. Convergence of a Sequence of Expectations 8.1. Introduction 8.2. Monotone Convergence Theorem 8.3. Lebesgue Dominated Probability Convergence Theorem 8.4. Conceptual Exercises 8.5. Computational Exercises 8.6. Multiple Choice Questions 9. Laws of Large Numbers 9.1. Introduction 9.2. Weak Law of Large Numbers 9.3. Strong Law of Large Numbers 9.4. Conceptual Exercises 9.5. Computational Exercises 9.6. Multiple Choice Questions 10. Central Limit Theorem 10.1. Introduction 10.2. Lindeberg-Levy CLT 10.3. CLT for Independent Random Variables 10.4. Conceptual Exercises 10.5. Computational Exercises 10.6. Multiple Choice Questions 11. Solutions to Conceptual Exercises 11.1. Chapter 1 11.2. Chapter 2 11.3. Chapter 3 11.4. Chapter 4 11.5. Chapter 5 11.6. Chapter 6 11.7. Chapter 7 11.8. Chapter 8 11.9. Chapter 9 11.10. Chapter 10 Bibliography Index