| 作者 |
| 约瑟夫&#8226 K.布利茨斯坦(Joseph K.Blitzstein)杰西卡&#8226 黄(Jessica Hwang) |
| 丛书名 |
| 出版社 |
| 机械工业出版社* |
| ISBN |
| 9787111610540 |
| 简要 |
| 简介 |
| 内容简介书籍数学书籍 本书源自的哈佛统计学讲座,介绍了帮助读者理解统计方法、随机性和不确定性的基本语言和工具,并列举了多种多样的应用实例,内容涉及偶然性、悖论、谷歌的网页排名算法(PageRank)及马尔可夫链蒙特卡罗方法(MCMC)等。本书还探讨了概率论在诸如基因学、医学、计算机科学和信息科学等领域的应用。全书共分13章,分别介绍了概率与计数、条件概率、随机变量及其分布、期望、连续型随机变量、矩、联合分布、变换、条件期望、不等式与极限定理、马尔可夫链、马尔可夫链蒙特卡罗方法、泊松过程等内容。用容易理解的方式来呈现内容,用实例来揭示统计学中基本分布之间的联系,并通过条件化将复杂的问题归约为易于掌控的若干小问题。书中还包含了很多直观的解释、图示和实践问题。每一章的结尾部分都给出了如何利用R来完成相关模拟和计算的方法。本书可作为高等院校本科生概率论课程的教材,也可作为相关科研人员的参考书。 |
| 目录 |
译者序 前言 第1 章 概率与计数…………………………… 1 1. 1 为什么要学习概率论 …………………………… 1 1. 2 样本空间…………………………… 2 1. 3 概率的朴素定义…………………………… 4 1. 4 如何计数…………………………… 6 1. 5 讲述证明…………………………… 14 1. 6 概率的非朴素定义…………………………… 15 1. 7 要点重述…………………………… 19 1. 8 R 语言应用示例…………………………… 20 1. 9 练习题…………………………… 23 第2 章 条件概率…………………………… 33 2. 1 条件思考的重要性…………………………… 33 2. 2 定义和直观解释…………………………… 33 2. 3 贝叶斯准则和全概率公式…………………………… 37 2. 4 条件概率也是概率…………………………… 41 2. 5 事件的独立性…………………………… 44 2. 6 贝叶斯准则的一致性…………………………… 46 2. 7 条件概率作为解决问题的工具…………………………… 47 2. 8 陷阱与悖论…………………………… 51 2. 9 要点重述…………………………… 54 2. 10 R 语言应用示例…………………………… 56 2. 11 练习题…………………………… 58 第3 章 随机变量及其分布…………………………… 73 3. 1 随机变量…………………………… 73 3. 2 随机变量的分布与概率质量函数…………………………… 75 3. 3 伯努利分布及二项分布…………………………… 80 3. 4 超几何分布…………………………… 82 3. 5 离散型均匀分布…………………………… 85 3. 6 累积分布函数…………………………… 86 3. 7 随机变量的函数…………………………… 88 Ⅵ 3. 8 随机变量的独立性…………………………… 93 3. 9 二项分布与超几何分布之间的联系…………………………… 97 3. 10 要点重述…………………………… 99 3. 11 R 语言应用示例…………………………… 100 3. 12 练习题…………………………… 102 第4 章 期望…………………………… 110 4. 1 期望的定义…………………………… 110 4. 2 期望的线性性质…………………………… 112 4. 3 几何分布与负二项分布…………………………… 116 4. 4 示性随机变量与基本桥梁…………………………… 120 4. 5 无意识的统计规律…………………………… 124 4. 6 方差…………………………… 125 4. 7 泊松分布…………………………… 128 4. 8 泊松分布和二项分布之间的联系…………………………… 131 4. 9∗ 用概率与期望证明存在性…………………………… 133 4. 10 要点重述…………………………… 138 4. 11 R 语言应用示例…………………………… |