Stochastik für Informatiker : Eine Einführung in einheitlich strukturierten Lerneinheiten

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

個数：

Stochastik für Informatiker : Eine Einführung in einheitlich strukturierten Lerneinheiten

Kurt, Noemi

ウェブストア価格 ¥9,311（本体¥8,465）
Springer Vieweg（2020/02発売）
外貨定価 US$ 44.99
ポイント 84pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●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 258 p.
言語 GER
商品コード 9783662605158

Full Description

Dieses Lehrbuch führt in 16 einheitlich gegliederten Kapiteln in die Wahrscheinlichkeitstheorie und Statistik ein. Dabei sind die Lernziele und benötigten Vorkenntnisse jeweils angegeben und erleichtern in Kombination mit prägnanten Zusammenfassungen die Orientierung je Kapitel. Dank vieler durchgerechneter Beispiele und Übungsaufgaben mit Lösungen kann das Buch gut zum Selbststudium oder als Begleitliteratur zur Vorlesung verwendet werden.

Nach einer sorgfältigen Einführung der Grundlagen geben weiterführende Kapitel spannende Ausblicke in Anwendungsbereiche der Stochastik und der stochastischen Modellierung - etwa Markov-Ketten, stochastische Algorithmen, Warteschlangen und Monte-Carlo-Simulationen. Leserinnen und Leser erhalten so ein solides mathematisches Fundament, um die Stochastik im weiteren Studium und in der Praxis auch in komplexen Situationen anwenden zu können.

Das Buch richtet sich an Studierende der Informatik und technischer Fachrichtungen ab dem dritten Studiensemester. Dozenten liefert es eine passgenaue Auswahl für eine einsemestrige Vorlesung.

Endliche Wahrscheinlichkeitsräume.- Bedingte Wahrscheinlichkeiten und Unabhängigkeit.- Diskrete Zufallsvariablen und Verteilungen.- Gemeinsame Verteilung, Unabhängigkeit von Zufallsvariablen.- Kenngrößen für Zufallsvariablen.- Zufallsvariablen mit Dichte.- Grenzwertsätze.- Parameterschätzung.- Konfidenzbereiche.- Hypothesentests.- Markov-Ketten.- Randomisierte Algorithmen: Beispiele und Anwendungen.- Verzweigungsprozesse und erzeugende Funktionen.- Warteschlangenmodelle und Markov-Ketten in stetiger Zeit.- Simulation von Zufallsvariablen, Monte-Carlo Methode.- Markov-Ketten-Monte-Carlo und Konvergenzgeschwindigkeit.