توضیحاتی در مورد کتاب Introduction to Probability
نام کتاب : Introduction to Probability
عنوان ترجمه شده به فارسی : مقدمه ای بر احتمال
سری :
نویسندگان : Blitzstein J.K., Hwang J.
ناشر : CRC
سال نشر : 2015
تعداد صفحات : 589
ISBN (شابک) : 9781466575592
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 11 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
Introduction to Probability که از سخنرانیهای آمار مشهور هاروارد توسعه یافته است، زبان و ابزارهای ضروری برای درک آمار، تصادفی بودن و عدم قطعیت را فراهم میکند. این کتاب طیف گستردهای از کاربردها و مثالها را بررسی میکند، از تصادفات و پارادوکسها گرفته تا رتبه صفحه گوگل و زنجیره مارکوف مونت کارلو (MCMC). حوزههای کاربردی اضافی مورد بررسی شامل ژنتیک، پزشکی، علوم کامپیوتر و نظریه اطلاعات است. نسخه کتاب چاپی شامل کدی است که دسترسی رایگان به نسخه کتاب الکترونیکی را فراهم می کند. نویسندگان مطالب را به سبکی در دسترس ارائه میکنند و با استفاده از مثالهای دنیای واقعی، مفاهیم را برانگیخته میکنند. در سرتاسر، آنها از داستان ها برای کشف ارتباط بین توزیع های اساسی در آمار و شرطی سازی استفاده می کنند تا مشکلات پیچیده را به قطعات قابل مدیریت کاهش دهند. این کتاب شامل بسیاری از توضیحات بصری، نمودارها و مسائل تمرینی است. هر فصل با بخشی به پایان می رسد که نشان می دهد چگونه شبیه سازی ها و محاسبات مربوطه را در R، یک محیط نرم افزار آماری رایگان، انجام دهیم.
فهرست مطالب :
Front Cover
Dedication
Contents
1. Probability and Counting
2. Conditional Probability
3. Random Variables and their Distributions
4. Expectation
5. Continuous Random Variables
6. Moments
7. Joint Distributions
8. Transformations
9. Conditional Expectation
10. Inequalities and Limit Theorems
11. Markov Chains
12. Markov Chain Monte Carlo
13. Poisson Processes
A. Math
B. R
C. Table of Distributions
Bibliography
Back Cover
توضیحاتی در مورد کتاب به زبان اصلی :
Developed from celebrated Harvard statistics lectures, Introduction to Probability provides essential language and tools for understanding statistics, randomness, and uncertainty. The book explores a wide variety of applications and examples, ranging from coincidences and paradoxes to Google PageRank and Markov chain Monte Carlo (MCMC). Additional application areas explored include genetics, medicine, computer science, and information theory. The print book version includes a code that provides free access to an eBook version. The authors present the material in an accessible style and motivate concepts using real-world examples. Throughout, they use stories to uncover connections between the fundamental distributions in statistics and conditioning to reduce complicated problems to manageable pieces. The book includes many intuitive explanations, diagrams, and practice problems. Each chapter ends with a section showing how to perform relevant simulations and calculations in R, a free statistical software environment.