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: برنامه نویسی: زبان های برنامه نویسی ویرایش: نویسندگان: Robert P. Dobrow سری: ISBN (شابک) : 1118241258, 9781118241257 ناشر: Wiley سال نشر: 2013 تعداد صفحات: 518 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
کلمات کلیدی مربوط به کتاب احتمال: با برنامه های کاربردی و R: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Probability: With Applications and 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 احتمال: با برنامه های کاربردی و 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.
مقدمه ای بر احتمال در مقطع کارشناسی
تصادفی و تصادفی به صورت روزانه با هم مواجه می شوند. احتمال: با کاربردها و تحقیق که توسط یک استاد بسیار ماهر در این زمینه تالیف شده است، به تئوری ها و کاربردهای ضروری برای دستیابی به درک کامل احتمالات می پردازد.
با مثال های واقعی. و تمرینهای متفکرانه از زمینههای متنوعی مانند زیستشناسی، علوم کامپیوتر، رمزنگاری، بومشناسی، بهداشت عمومی و ورزش، این کتاب برای خوانندگان مختلف در دسترس است. تأکید کتاب بر شبیهسازی از طریق استفاده از زبان نرمافزار محبوب R، نتایج کلیدی محاسباتی و نظری را روشن و نشان میدهد.
احتمال: با کاربردها و R به خوانندگان کمک میکند مهارتهای حل مسئله را توسعه دهند. و ترکیب مناسبی از تئوری و کاربرد را ارائه می دهد. این کتاب شامل موارد زیر است:
احتمال: با برنامه ها و R یک متن ایده آل برای شروع دوره احتمالی در مقطع کارشناسی.
An introduction to probability at the undergraduate level
Chance and randomness are encountered on a daily basis. Authored by a highly qualified professor in the field, Probability: With Applications and R delves into the theories and applications essential to obtaining a thorough understanding of probability.
With real-life examples and thoughtful exercises from fields as diverse as biology, computer science, cryptology, ecology, public health, and sports, the book is accessible for a variety of readers. The book’s emphasis on simulation through the use of the popular R software language clarifies and illustrates key computational and theoretical results.
Probability: With Applications and R helps readers develop problem-solving skills and delivers an appropriate mix of theory and application. The book includes:
Probability: With Applications and R is an ideal text for a beginning course in probability at the undergraduate level.
Probability: With Applications and R
Copyright
Contents
Preface
Acknowledgments
Introduction
1 First Principles
1.1 Random Experiment, Sample Space, Event
1.2 What Is a Probability?
1.3 Probability Function
1.4 Properties of Probabilities
1.5 Equally Likely Outcomes
1.6 Counting I
1.7 Problem-Solving Strategies: Complements, Inclusion-Exclusion
1.8 Random Variables
1.9 A Closer Look at Random Variables
1.10 A First Look at Simulation
1.11 Summary
Exercises
2 Conditional Probability
2.1 Conditional Probability
2.2 New Information Changes the Sample Space 2.3 Finding P(A and B)2.3.1 Birthday Problem
2.4 Conditioning and the Law of Total Probability
2.5 Bayes Formula and Inverting a Conditional Probability
2.6 Summary
Exercises
3 Independence and Independent Trials
3.1 Independence and Dependence
3.2 Independent Random Variables
3.3 Bernoulli Sequences
3.4 Counting II
3.5 Binomial Distribution
3.6 Stirling\'s Approximation
3.7 Poisson Distribution
3.7.1 Poisson Approximation of Binomial Distribution
3.7.2 Poisson Limit
3.8 Product Spaces
3.9 Summary
Exercises
4 Random Variables
4.1 Expectation 4.2 Functions of Random Variables4.3 Joint Distributions
4.4 Independent Random Variables
4.4.1 Sums of Independent Random Variables
4.5 Linearity of Expectation
4.5.1 Indicator Random Variables
4.6 Variance and Standard Deviation
4.7 Covariance and Correlation
4.8 Conditional Distribution
4.8.1 Introduction to Conditional Expectation
4.9 Properties of Covariance and Correlation
4.10 Expectation of a Function of a Random Variable
4.11 Summary
Exercises
5 A Bounty of Discrete Distributions
5.1 Geometric Distribution
5.1.1 Memorylessness 5.1.2 Coupon Collecting and Tiger Counting5.1.3 How R Codes the Geometric Distribution
5.2 Negative Binomial-Up from the Geometric
5.3 Hypergeometric-Sampling Without Replacement
5.4 From Binomial to Multinomial
5.4.1 Multinomial Counts
5.5 Benford\'s Law
5.6 Summary
Exercises
6 Continuous Probability
6.1 Probability Density Function
6.2 Cumulative Distribution Function
6.3 Uniform Distribution
6.4 Expectation and Variance
6.5 Exponential Distribution
6.5.1 Memorylessness
6.6 Functions of Random Variables I
6.6.1 Simulating a Continuous Random Variable
6.7 Joint Distributions 6.8 Independence6.8.1 Accept-Reject Method
6.9 Covariance, Correlation
6.10 Functions of Random Variables II
6.10.1 Maximums and Minimums
6.10.2 Sums of Random Variables
6.11 Geometric Probability
6.12 Summary
Exercises
7 Continuous Distributions
7.1 Normal Distribution
7.1.1 Standard Normal Distribution
7.1.2 Normal Approximation of Binomial Distribution
7.1.3 Sums of Independent Normals
7.2 Gamma Distribution
7.2.1 Probability as a Technique of Integration
7.2.2 Sum of Independent Exponentials
7.3 Poisson Process
7.4 Beta Distribution