離散確率過程（テキスト） Discrete Stochastic Processes : Tools for Machine Learning and Data Science (Springer Undergraduate Mathematics Series) （2024）

ホーム
> 洋書
> ドイツ書
> Mathematics, Sciences & Technology
> Mathematics
> probability calculus, stochastics, mathematical statistics

離散確率過程（テキスト）<br>Discrete Stochastic Processes : Tools for Machine Learning and Data Science (Springer Undergraduate Mathematics Series) （2024）

個数：

離散確率過程（テキスト）
Discrete Stochastic Processes : Tools for Machine Learning and Data Science (Springer Undergraduate Mathematics Series) （2024）

Privault, Nicolas

ウェブストア価格 ¥11,535（本体¥10,487）
Springer International Publishing AG（2024/10発売）
外貨定価 US$ 54.99
ポイント 104pt

国内在庫僅少。通常5～7日で発送いたします。
（品切れや複数冊ご注文の場合には海外お取り寄せとなり時間がかかります。）

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Paperback:紙装版/ペーパーバック版／ページ数 288 p.
言語 ENG
商品コード 9783031658198

Full Description

This text presents selected applications of discrete-time stochastic processes that involve random interactions and algorithms, and revolve around the Markov property. It covers recurrence properties of (excited) random walks, convergence and mixing of Markov chains, distribution modeling using phase-type distributions, applications to search engines and probabilistic automata, and an introduction to the Ising model used in statistical physics. Applications to data science are also considered via hidden Markov models and Markov decision processes. A total of 32 exercises and 17 longer problems are provided with detailed solutions and cover various topics of interest, including statistical learning.

- 1. A Summary of Markov Chains.- 2. Phase-Type Distributions.- 3. Synchronizing Automata.- 4. Random Walks and Recurrence.- 5. Cookie-Excited Random Walks.- 6. Convergence to Equilibrium.- 7. The Ising Model.- 8. Search Engines.- 9. Hidden Markov Model.- 10. Markov Decision Processes.