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 Stationary Processes and Discrete Parameter Markov Processes

دانلود کتاب فرآیندهای ثابت و پارامترهای گسسته فرآیندهای مارکوف

Stationary Processes and Discrete Parameter Markov Processes

مشخصات کتاب

Stationary Processes and Discrete Parameter Markov Processes

ویرایش:  
نویسندگان:   
سری: Graduate Texts in Mathematics, 293 
ISBN (شابک) : 9783031009419, 9783031009433 
ناشر: Springer 
سال نشر: 2022 
تعداد صفحات: 448
[449] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 Mb 

قیمت کتاب (تومان) : 29,000

در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 6


در صورت تبدیل فایل کتاب Stationary Processes and Discrete Parameter Markov Processes 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 فرآیندهای ثابت و پارامترهای گسسته فرآیندهای مارکوف 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 فرآیندهای ثابت و پارامترهای گسسته فرآیندهای مارکوف

این کتاب درسی به بررسی دو فرآیند تصادفی متمایز می‌پردازد که به‌طور تصادفی تکامل می‌یابند: فرآیندهای ضعیف ثابت و فرآیندهای مارکوف پارامتر گسسته. نویسندگان با استفاده از مثال‌های ساده، بر توسعه زمینه و شهود قبل از رسمی‌سازی نظریه هر موضوع تمرکز می‌کنند. این رویکرد دعوت‌کننده، ایده‌ها و محاسبات کلیدی در اثبات‌ها را روشن می‌کند و پایه‌ای ایده‌آل برای مطالعه بیشتر تشکیل می‌دهد. پس از جمع بندی نکات ضروری از تحلیل فوریه، کتاب با مقدمه ای بر نمایش طیفی یک فرآیند ثابت آغاز می شود. موضوعاتی در نظریه ارگودیک از جمله قضیه ارگودیک بیرخوف و مقدمه ای بر سیستم های دینامیکی دنبال می شود. از اینجا، ویژگی مارکوف در نظر گرفته شده است و تئوری پارامترهای گسسته فرآیندهای مارکوف در یک فضای حالت کلی بررسی می شود. فصل‌ها موضوعات مختلفی از جمله زنجیره‌های تولد-مرگ، احتمالات و جذب، نمایش فرآیندهای مارکوف به عنوان تکرار نقشه‌های تصادفی و نظریه انحراف بزرگ برای فرآیندهای مارکوف را پوشش می‌دهند. فصلی در مورد نرخ‌های هندسی همگرایی به تعادل شامل یک شرط تقسیم است که ساختار عود برخی نقشه‌های تکرار شده را به روشی جدید نشان می‌دهد. مجموعه ای از موضوعات خاص، از جمله کاربردهای نظریه انحراف بزرگ، نابرابری های FKG، روش های جفت و فیلتر کالمن، کتاب را به پایان می رساند. این کتاب درسی با بسیاری از فصل‌های کوتاه و طراحی مدولار، مطالعه عمیقی از فرآیندهای مارکوف ثابت و گسسته ارائه می‌دهد. دانش آموزان و مربیان به طور یکسان از رویکرد در دسترس، نمونه محور و تمرینات جذاب در سراسر آن قدردانی خواهند کرد. یک دوره واحد در سطح تحصیلات تکمیلی در احتمال فرض شده است.


توضیحاتی درمورد کتاب به خارجی

This textbook explores two distinct stochastic processes that evolve at random: weakly stationary processes and discrete parameter Markov processes. Building from simple examples, the authors focus on developing context and intuition before formalizing the theory of each topic. This inviting approach illuminates the key ideas and computations in the proofs, forming an ideal basis for further study. After recapping the essentials from Fourier analysis, the book begins with an introduction to the spectral representation of a stationary process. Topics in ergodic theory follow, including Birkhoff’s Ergodic Theorem and an introduction to dynamical systems. From here, the Markov property is assumed and the theory of discrete parameter Markov processes is explored on a general state space. Chapters cover a variety of topics, including birth–death chains, hitting probabilities and absorption, the representation of Markov processes as iterates of random maps, and large deviation theory for Markov processes. A chapter on geometric rates of convergence to equilibrium includes a splitting condition that captures the recurrence structure of certain iterated maps in a novel way. A selection of special topics concludes the book, including applications of large deviation theory, the FKG inequalities, coupling methods, and the Kalman filter. Featuring many short chapters and a modular design, this textbook offers an in-depth study of stationary and discrete-time Markov processes. Students and instructors alike will appreciate the accessible, example-driven approach and engaging exercises throughout. A single, graduate-level course in probability is assumed.



فهرست مطالب

Preface
Contents
Symbol Definition List
1 Fourier Analysis: A Brief Survey
	Exercises
2 Weakly Stationary Processes and Their Spectral Measures
	Exercises
3 Spectral Representation of Stationary Processes
	Exercises
4 Birkhoff's Ergodic Theorem
	Exercises
5 Subadditive Ergodic Theory
	Exercises
6 An Introduction to Dynamical Systems
	Exercises
7 Markov Chains
	Exercises
8 Markov Processes with General State Space
	Exercises
9 Stopping Times and the Strong Markov Property
	Exercises
10 Transience and Recurrence of Markov Chains
	Exercises
11 Birth–Death Chains
	Exercises
12 Hitting Probabilities & Absorption
	Exercises
13 Law of Large Numbers and Invariant Probability for Markov Chains by Renewal Decomposition
	Exercises
14 The Central Limit Theorem for Markov Chains by Renewal Decomposition
	Exercises
15 Martingale Central Limit Theorem
	Exercises
16 Stationary Ergodic Markov Processes: SLLN & FCLT
	Exercises
17 Linear Markov Processes
	Exercises
18 Markov Processes Generated by Iterations of I.I.D. Maps
	Exercises
19 A Splitting Condition and Geometric Rates of Convergence to Equilibrium
	Exercises
20 Irreducibility and Harris Recurrent Markov Processes
	Exercises
21 An Extended Perron–Frobenius Theorem and Large Deviation Theory for Markov Processes
	Exercises
22 Special Topic: Applications of Large Deviation Theory
	Exercises
23 Special Topic: Associated Random Fields, Positive Dependence, FKG Inequalities
	Exercises
24 Special Topic: More on Coupling Methods and Applications
	Exercises
25 Special Topic: An Introduction to Kalman Filter
	Exercises
A Spectral Theorem for Compact Self-Adjoint Operators and Mercer's Theorem
B Spectral Theorem for Bounded Self-Adjoint Operators
C Borel Equivalence for Polish Spaces
D Hahn–Banach, Separation, and Representation Theorems in Functional Analysis
References
Related Textbooks and Monographs
Author Index
Subject Index




نظرات کاربران