基本信息
- 作者: (美)Sheldon M. Ross
- 译者: 龚光鲁
- 丛书名: 图灵数学·统计学丛书
- 出版社:人民邮电出版社
- ISBN:9787115404305
- 上架时间:2016-3-25
- 出版日期:2016 年4月
- 开本:16开
- 版次:11-1
- 所属分类:数学 > 概率论与数理统计 > 概率论与随机过程
编辑推荐
本书是国际知名统计学家Sheldon M. Ross所著的关于基础概率理论和随机过程的经典教材,被加州大学伯克利分校、哥伦比亚大学、普度大学、密歇根大学、俄勒冈州立大学、华盛顿大学等众多国外知名大学所采用。
与其他随机过程教材相比,本书非常强调实践性,内含极其丰富的例子和习题,涵盖了众多学科的各种应用。作者富于启发而又不失严密性的叙述方式,有助于使读者建立概率思维方式,培养对概率理论、随机过程的直观感觉。对那些需要将概率理论应用于精算学、计算机科学、管理学和社会科学的读者而言,本书是一本极好的教材或参考书。
第11版新增大量例子和习题,还对连续时间的马尔可夫链、漂移布朗运动等内容做了修订,更加注重强化读者的概率直观。
内容简介
作译者
国际知名概率与统计学家,南加州大学工业工程与运筹系系主任。1968年博士毕业于斯坦福大学统计系,曾在加州大学伯克利分校任教多年。研究领域包括:随机模型、仿真模拟、统计分析、金融数学等。Ross教授著述颇丰,他的多种畅销数学和统计教材均产生了世界性的影响,如《概率论基础教程(第8版)》等。
译者简介:
龚光鲁
清华大学数学科学系退休教授,1959年毕业于北京大学数学力学系.毕业后留校任教至1987年.其后调至清华大学应用数学系.1990年被评为博士生导师.1981——1982年在美国明尼苏达大学数学系做访问研究.1985年在美国IMA、1988年在德国BIBOS研究所做短期合作研究.1990年在美国密苏里大学数学系讲授一个学期的常微分方程和数理统计.多次访问美国、日本、新加坡、加拿大、法国和英国.长期从事随机过程、随机分析、随机算法和金融数学的研究与教学工作.撰写专著与教材6本,发表论文50余篇.培养了博士生3人,硕士生30余人.主持过国家自然科学基金6次.曾任中国概率论与数理统计学会常务理事.
目录
1.1 引言 1
1.2 样本空间与事件 1
1.3 定义在事件上的概率 3
1.4 条件概率 5
1.5 独立事件 8
1.6 贝叶斯公式 10
习题 12
参考文献 16
第2章 随机变量 17
2.1 随机变量 17
2.2 离散随机变量 20
2.2.1 伯努利随机变量 21
2.2.2 二项随机变量 21
2.2.3 几何随机变量 24
2.2.4 泊松随机变量 24
2.3 连续随机变量 25
2.3.1 均匀随机变量 26
2.3.2 指数随机变量 27
2.3.3 伽马随机变量 27
前言
本教材是初等概率论与随机过程的一个引论.特别适用于这样的人群:他们想要知道如何用概率论研究诸如工程、计算机科学、管理科学、物理和社会科学以及运筹学等领域中的种种现象.
大家普遍地感觉到,学习概率论有两种方法.一种是直观而不严格的方法,其意图是培养学生对学科的直观感觉,以使其能“从概率论角度思考”.另一种方法试图用测度论工具严格地研究概率论.本教材用的是第一种方法.然而,因为能“从概率论角度思考”对概率论的理解与应用都极为重要,所以本教材对于那些主要对第二种方法感兴趣的学生也是有用的.
这一版更新的内容
第11版包含有新的课文材料、新的例子和习题.新的例子主要有如下内容.
·例3.6,给出了t-随机变量分布密度的推导.
·例3.32,分析了发球和对打比赛,此处对打的胜者是下一个点的发球者.
·例5.19,考虑了不准超车的单车道公路.
·例6.22,用逆向链来分析串联排队系统.
·例7.20分析了一种系统,其中人员和公车两者都随机地到达车站.
新的章节如下.
·4.4节,有关马尔可夫链的长程比例和极限概率.
·5.5节,有关随机强度函数和Hawkes过程.
·6.7节,有关连续时间马尔可夫链的逆向链.
·10.5节,分析了漂移布朗运动的最大值.
我们也尽可能地简化现存的素材.例子包括了非时齐泊松过程在一个时间区
间中发生的事件数是泊松分布的一个新证明,引入瓦尔德方程(定理7.2)和随后用于证明初等更新定理.
课 程
理想状态下,本教材可用于一年的概率模型课程.其他可能的课程是一学期的概率论引论(包括1~3章及其他章的部分内容)或初等随机过程课程.本教材设计得足够灵活,以便能适用于各种可能的课程.例如,我曾用第5章与第8章,佐以第4章与第6章中的少许知识,作为基本内容开设排队论的一个引论课程.
例和习题
媒体评论
——JeanLeMaire,宾夕法尼亚大学沃顿商学院
“书中的例子和习题非常出色,作者不仅提供了非常基本的例子,以阐述基础概念和公式,还从尽可能多的学科中提炼出许多较高级的实例,极具参考价值。”
——MattCarlton,加州州立理工大学(CalPoly)