دانلود کتاب Markov Chains with Stationary Transition Probabilities
کتاب زنجیره های مارکوف با احتمالات انتقال ثابت نسخه زبان اصلی
دانلود کتاب زنجیره های مارکوف با احتمالات انتقال ثابت بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
توضیحاتی در مورد کتاب Markov Chains with Stationary Transition Probabilities
نام کتاب : Markov Chains with Stationary Transition Probabilities
ویرایش : 1
عنوان ترجمه شده به فارسی : زنجیره های مارکوف با احتمالات انتقال ثابت
سری : Die Grundlehren der Mathematischen Wissenschaften 104
نویسندگان : Kai Lai Chung (auth.)
ناشر : Springer-Verlag Berlin Heidelberg
سال نشر : 1960
تعداد صفحات : 286
ISBN (شابک) : 9783642494086 , 9783642496868
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 :
نظریه زنجیره‌های مارکوف، اگرچه مورد خاصی از فرآیندهای مارکوف است، اما در اینجا به خاطر خود توسعه یافته و بر اساس شایستگی‌های خود ارائه شده است. به طور کلی، فرضیه فضای حالت شمارش‌پذیر، که فرضیه تعیین‌کننده چیزی است که در اینجا «زنجیره» می‌نامیم، سؤالات واضح‌تری ایجاد می‌کند و پاسخ‌های دقیق‌تر و قطعی‌تری می‌طلبد. به عنوان مثال، قضیه حد اصلی (§§ 1. 6، II. 10)، که هنوز موضوع تحقیق برای فرآیندهای عمومی مارکوف است، در اینجا در شکل نهایی خود است. و ویژگی قوی مارکوف (§ 11. 9) در اینجا همیشه قابل استفاده است. در حالی که نظریه احتمال به اندازه کافی پیشرفت کرده است که حتی در زمینه محدود این کتاب به درجه ای از پیچیدگی نیاز است، هنوز هم در اینجا می توان نسبت تعاریف به قضایا را نسبتاً پایین نگه داشت. . از نقطه نظر نظریه کلی فرآیندهای تصادفی، به نظر می رسد یک زنجیره مارکوف پارامتر پیوسته اولین فرآیند اساساً ناپیوسته است که با جزئیات مورد مطالعه قرار گرفته است. معمول است که توابع نمونه چنین زنجیره‌ای ناپیوستگی‌هایی بدتر از پرش دارند و این ناپیوستگی‌های پایه نقش اصلی را در نظریه بازی می‌کنند، که هنوز معمای آن کاملاً کشف نشده است. در این رابطه مفاهیم اساسی تفکیک پذیری و اندازه گیری، که معمولاً فقط در مراحل اولیه بحث برای ایجاد یکنواختی خاصی از توابع نمونه به کار می روند، در اینجا دائماً به عنوان ابزار ضروری استفاده می شوند.
فهرست مطالب :
Front Matter....Pages II-X
Fundamental defintions....Pages 1-5
Transition probabilities....Pages 5-11
Classification of states....Pages 11-15
Recurrence....Pages 15-20
Criteria and examples....Pages 20-26
The main limit theorem....Pages 26-33
Various complements....Pages 33-39
Repetitive pattern and renewal process....Pages 39-43
Taboo probabilities....Pages 43-52
The generating function....Pages 52-57
The moments of first entrance time distributions....Pages 57-65
A random walk example....Pages 65-71
System theorems....Pages 71-75
Functionals and associated random variables....Pages 75-85
Ergodic theorems....Pages 85-93
Further limit theorems....Pages 93-106
Almost closed and sojourn sets....Pages 106-113
Transition matrix: basic properties....Pages 114-123
Standard transition matrix....Pages 123-130
Differentiability....Pages 130-135
Definitions and measure-theoretic foundations....Pages 135-143
The sets of constancy....Pages 143-152
Continuity properties of sample functions....Pages 152-156
Further specifications of the process....Pages 156-160
Optional random variable....Pages 160-168
Strong Markov property....Pages 168-177
Classification of states....Pages 177-182
Taboo probability functions....Pages 182-191
Ratio limit theorems....Pages 191-196
Discrete approximations....Pages 196-203
Functionals....Pages 203-209
Post-exit process....Pages 209-218
Imbedded renewal process....Pages 218-224
The two systems of differential equations....Pages 224-229
The minimal solution....Pages 229-235
The first infinity....Pages 235-244
Examples....Pages 244-261
Back Matter....Pages 261-278
توضیحاتی در مورد کتاب به زبان اصلی :
The theory of Markov chains, although a special case of Markov processes, is here developed for its own sake and presented on its own merits. In general, the hypothesis of a denumerable state space, which is the defining hypothesis of what we call a "chain" here, generates more clear-cut questions and demands more precise and definitive an swers. For example, the principal limit theorem (§§ 1. 6, II. 10), still the object of research for general Markov processes, is here in its neat final form; and the strong Markov property (§ 11. 9) is here always applicable. While probability theory has advanced far enough that a degree of sophistication is needed even in the limited context of this book, it is still possible here to keep the proportion of definitions to theorems relatively low. . From the standpoint of the general theory of stochastic processes, a continuous parameter Markov chain appears to be the first essentially discontinuous process that has been studied in some detail. It is common that the sample functions of such a chain have discontinuities worse than jumps, and these baser discontinuities play a central role in the theory, of which the mystery remains to be completely unraveled. In this connection the basic concepts of separability and measurability, which are usually applied only at an early stage of the discussion to establish a certain smoothness of the sample functions, are here applied constantly as indispensable tools.
پست ها تصادفی