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: 1
نویسندگان: Olga Korosteleva
سری:
ISBN (شابک) : 1032153733, 9781032153735
ناشر: Chapman and Hall/CRC
سال نشر: 2022
تعداد صفحات: 201
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Stochastic Processes with R: An Introduction (Chapman & Hall/CRC Texts in Statistical 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 فرآیندهای تصادفی با R: مقدمه (متون چپمن و هال/CRC در علوم آماری) 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.
فرآیندهای تصادفی با R: مقدمهتئوری سنگینی را که در اکثر دورههای آموزشی در مورد فرآیندهای تصادفی وجود دارد را برش میدهد و به عنوان راهنمای عملی برای مسیرهای شبیهسازی شده و زندگی واقعی عمل میکند. برنامه های کاربردی برای فرآیندهای تصادفی متن سبک و در عین حال دقیق پایه محکمی را فراهم می کند که همراهی ایده آل برای دانشجویان آمار کارشناسی است که به دنبال آشنایی با فرآیندهای تصادفی قبل از رفتن به دوره های پیشرفته تر هستند.
ویژگی های کلیدی:
• کدهای R کامل را برای همه شبیهسازیها و محاسبات ارائه میکند
• کاربردهای علمی یا عمومی قابل توجهی از هر فرآیند با تجزیه و تحلیل آماری گاه به گاه.
• تعاریف و مثالهای مفیدی برای هر فرآیند ارائه شده است.
p>
• تمرینهای پایان فصل کاربردهای نظری و محاسبات عملی را پوشش میدهند.
Stochastic Processes with R: An Introduction cuts through the heavy theory that is present in most courses on random processes and serves as practical guide to simulated trajectories and real-life applications for stochastic processes. The light yet detailed text provides a solid foundation that is an ideal companion for undergraduate statistics students looking to familiarise themselves with stochastic processes before going onto more advanced courses.
Key Features:
• Provides complete R codes for all simulations and calculations
• Substantial scientific or popular applications of each process with occasional statistical analysis.
• Helpful definitions and examples are provided for each process.
• End of chapter exercises cover theoretical applications and practice calculations.
Cover Half Title Series Page Title Page Copyright Page Contents Preface Author 1. Stochastic Process, Discrete-time Markov Chain 1.1. Definition of Stochastic Process 1.2. Discrete-time Markov Chain 1.3. Chapman-Kolmogorov Equations 1.4. Classification of States 1.5. Limiting Probabilities 1.6. Computations in R 1.7. Simulations in R 1.8. Applications of Markov Chain Exercises 2. Random Walk 2.1. Definition of Random Walk 2.2. Must-Know Facts About Random Walk 2.3. Simulations in R 2.4. Applications of Random Walk Exercises 3. Poisson Process 3.1. Definition and Must-Know Facts About Poisson 3.2. Simulations in R 3.3. Applications of Poisson Process Exercises 4. Nonhomogeneous Poisson Process 4.1. Definition of Nonhomogeneous Poisson Process 4.2. Simulations in R 4.3. Applications of Nonhomogeneous Poisson Process Exercises 5. Compound Poisson Process 5.1. Definition of Compound Poisson Process 5.2. Simulations in R 5.3. Applications of Compound Poisson Process Exercises 6. Conditional Poisson Process 6.1. Definition of Conditional Poisson Process 6.2. Simulations in R 6.3. Applications of Conditional Poisson Process Exercises 7. Birth-and-Death Process 7.1. Definition of Birth-and-Death Process 7.2. Simulations in R 7.3. Applications of Birth-and-Death Process Exercises 8. Branching Process 8.1. Definition of Branching Process 8.2. Simulations in R 8.3. Applications of Branching Process Exercises 9. Brownian Motion 9.1. Definition of Brownian Motion 9.2. Processes Derived from Brownian Motion 9.2.1. Brownian Bridge 9.2.2. Brownian Motion with Drift and Volatility 9.2.3. Geometric Brownian Motion 9.2.4. The Ornstein-Uhlenbeck Process 9.3. Simulations in R 9.4. Applications of Brownian Motion Exercises Recommended Books List of Notations Index