Introduction to Probability pdf epub mobi txt 电子书 下载 2025
- 数学
- 概率
- 统计
- probability
- 机器学习
- 概率论
- Mathematics
- 必读经典
- 概率
- 入门
- 统计
- 数学
- 随机事件
- 分布
- 期望
- 方差
- 独立
- 贝叶斯
具体描述
作者简介
Dimitri P. Bertsekas
美国工程院院士，IEEE会士。1971年获MIT电子工程博士学位。长期在MIT执教，曾获得2001年度美国控制协会J. Ragazzini教育奖。其研究领域涉及优化、控制、大规模计算、数据通信网络等，许多研究具有开创性贡献。著有Nonlinear Programming等十余部教材和专著，其中许多被MIT等名校用作研究生或本科生教材。
John N. Tsitsiklis
美国工程院院士，IEEE会士，MIT教授。分别于1980年、1981年、1984年在MIT获得学士、硕士、博士学位。他的研究成果颇丰，已发表学术论文上百篇。
目录信息
读后感
第1章 样本空间和事件 全概率定理：先把样本空间分割成一组互不相容的事件，再计算条件概率的加权平均。 贝叶斯准则：计算B发生的情况下Ai发生的概率（B是结果，A是原因，算这个概率的目的是由结果推原因，它称为后验概率），则可以先计算所有的Ai发生的情况下B发生的概率之和...
评分第1章 样本空间和事件 全概率定理：先把样本空间分割成一组互不相容的事件，再计算条件概率的加权平均。 贝叶斯准则：计算B发生的情况下Ai发生的概率（B是结果，A是原因，算这个概率的目的是由结果推原因，它称为后验概率），则可以先计算所有的Ai发生的情况下B发生的概率之和...
评分算是……击沉敌舰？Bertsekas这本前4章讲得非常棒，尤其是各种图像、直观解释把我当时心中的设想都展现出来了，有一种和人聊天的自然、顺畅。第5章极限部分讲得有点儿浅了，这章的习题量也有点儿少。后4章，关于Bernoulli Perocess，Poisson Process，Markov Process，Bayes统...
评分第1章 样本空间和事件 全概率定理：先把样本空间分割成一组互不相容的事件，再计算条件概率的加权平均。 贝叶斯准则：计算B发生的情况下Ai发生的概率（B是结果，A是原因，算这个概率的目的是由结果推原因，它称为后验概率），则可以先计算所有的Ai发生的情况下B发生的概率之和...
评分算是……击沉敌舰？Bertsekas这本前4章讲得非常棒，尤其是各种图像、直观解释把我当时心中的设想都展现出来了，有一种和人聊天的自然、顺畅。第5章极限部分讲得有点儿浅了，这章的习题量也有点儿少。后4章，关于Bernoulli Perocess，Poisson Process，Markov Process，Bayes统...
用户评价
提炼50年的MIT概率统计课MIT6.041，youtube和edx上有对应公开课。深入浅出，注重直觉。未来有时间会把习题解答写出来。
评分看得挺快乐的一本教材
评分很好玩的入门书，后面的随机过程写的有点乱～不过前几张的讲解真生动，配图可爱～
评分6.041打卡。这本书实在是！太！棒！了！简单易懂！plain language！然而ocw上的problem set有些思维还是蛮难的。总之，学得痛并快乐着。好像比国内多了关于markov chain的内容...不过统计方面少了点...强烈要求俺们学校开这门课。然而...呵呵。
评分书后习题真是好多，还蛮难的，好在教授TA很给力
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美书屋 版权所有