ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب The probabilistic method

دانلود کتاب روش احتمالی

The probabilistic method

مشخصات کتاب

The probabilistic method

ویرایش: 3ed. 
نویسندگان: ,   
سری: Wiley-Interscience series in discrete mathematics and optimization 
ISBN (شابک) : 0470170204, 9780470170205 
ناشر: Wiley-Interscience 
سال نشر: 2008 
تعداد صفحات: 371 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 42,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب The probabilistic method به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب روش احتمالی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب روش احتمالی

تمجید از نسخه دوم: \"محققان جدی در طراحی ترکیبی یا الگوریتم مایلند کتاب را به طور کامل بخوانند... همچنین ممکن است از این کتاب در سطح سبک تری لذت ببرید زیرا فصل های مختلف تا حد زیادی مستقل هستند و بنابراین ممکن است جواهرات را در منطقه خود انتخاب کنید...\" - جنبه های رسمی محاسبات این نسخه سوم روش احتمالی منعکس کننده جدیدترین پیشرفت ها در این زمینه است و در عین حال استاندارد برتری را حفظ می کند که این کتاب را به عنوان مرجع پیشرو در روش های احتمالی در ترکیبیات این نسخه جدید با حفظ سبک نوشتاری واضح، مثال‌های گویا و تمرین‌های عملی، بر روش‌شناسی تأکید می‌کند و خوانندگان را قادر می‌سازد تا از تکنیک‌های احتمالی برای حل مسائل در زمینه‌هایی مانند علوم کامپیوتر نظری، ریاضیات و فیزیک آماری استفاده کنند. کتاب با توصیف ابزارهای به کار رفته در استدلال‌های احتمالی، از جمله تکنیک‌های اساسی که از انتظارات و واریانس و همچنین کاربردهای جدیدتر مارتینگال‌ها و نابرابری‌های همبستگی استفاده می‌کنند، آغاز می‌شود. در مرحله بعد، نویسندگان بررسی می‌کنند که در کجا تکنیک‌های احتمالی با موفقیت به کار رفته‌اند، و موضوعاتی مانند اختلاف و نمودارهای تصادفی، پیچیدگی مدار، هندسه محاسباتی، و غیر تصادفی‌سازی الگوریتم‌های تصادفی‌سازی شده را بررسی می‌کنند. بخش‌هایی با برچسب "عدسی احتمالی" بینش‌های بیشتری را در مورد کاربرد رویکرد احتمالی ارائه می‌دهند، و پیوست به‌روزرسانی شده است تا شامل روش‌هایی برای یافتن مرزهای پایین برای انحرافات بزرگ باشد. نسخه سوم همچنین دارای ویژگی‌های زیر است: فصل جدیدی در مورد آزمایش ویژگی‌های نمودار، که موضوعی فعلی است که شامل تکنیک‌های ترکیبی، احتمالاتی و الگوریتمی است. بازی‌ها فصل جدیدی که یک درمان مدرن از انتقال فاز Erdos-Renyi در فرآیند نمودار تصادفی ارائه می‌دهد، نوشته دو مرجع برجسته در این زمینه، روش احتمالی، نسخه سوم مرجع ایده‌آلی برای محققان ترکیبی و طراحی الگوریتم است که می‌خواهند برای درک بهتر استفاده از روش های احتمالی. تمرین ها و مثال های متعدد این کتاب نیز آن را به یک کتاب درسی عالی برای دوره های تحصیلات تکمیلی در ریاضیات و علوم کامپیوتر تبدیل کرده است.


توضیحاتی درمورد کتاب به خارجی

Praise for the Second Edition : "Serious researchers in combinatorics or algorithm design will wish to read the book in its entirety...the book may also be enjoyed on a lighter level since the different chapters are largely independent and so it is possible to pick out gems in one's own area..." - Formal Aspects of Computing This Third Edition of The Probabilistic Method reflects the most recent developments in the field while maintaining the standard of excellence that established this book as the leading reference on probabilistic methods in combinatorics. Maintaining its clear writing style, illustrative examples, and practical exercises, this new edition emphasizes methodology, enabling readers to use probabilistic techniques for solving problems in such fields as theoretical computer science, mathematics, and statistical physics. The book begins with a description of tools applied in probabilistic arguments, including basic techniques that use expectation and variance as well as the more recent applications of martingales and correlation inequalities. Next, the authors examine where probabilistic techniques have been applied successfully, exploring such topics as discrepancy and random graphs, circuit complexity, computational geometry, and derandomization of randomized algorithms. Sections labeled "The Probabilistic Lens" offer additional insights into the application of the probabilistic approach, and the appendix has been updated to include methodologies for finding lower bounds for Large Deviations. The Third Edition also features: A new chapter on graph property testing, which is a current topic that incorporates combinatorial, probabilistic, and algorithmic techniques An elementary approach using probabilistic techniques to the powerful Szemeredi Regularity Lemma and its applications New sections devoted to percolation and liar games A new chapter that provides a modern treatment of the Erdos-Renyi phase transition in the Random Graph Process Written by two leading authorities in the field, The Probabilistic Method , Third Edition is an ideal reference for researchers in combinatorics and algorithm design who would like to better understand the use of probabilistic methods. The book's numerous exercises and examples also make it an excellent textbook for graduate-level courses in mathematics and computer science



فهرست مطالب

Content: Dedication --
Preface --
Acknowledgments --
PART I. METHODS --
1. The Basic Method --
1.1 The Probabilistic Method --
1.2 Graph Theory --
1.3 Combinatorics --
1.4 Combinatorial Number Theory --
1.5 Disjoint Pairs --
1.6 Exercises --
The Probabilistic Lens: The Erdös-Ko-Rado Theorem --
2. Linearity of Expectation --
2.1 Basics --
2.2 Splitting Graphs --
2.3 Two Quickies --
2.4 Balancing Vectors --
2.5 Unbalancing Lights --
2.6 Without Coin Flips --
2.7 Exercises --
The Probabilistic Lens: Brégman's Theorem --
3. Alterations --
3.1 Ramsey Numbers --
3.2 Independent Sets --
3.3 Combinatorial Geometry --
3.4 Packing --
3.5 Recoloring --
3.6 Continuous Time --
3.7 Exercises --
The Probabilistic Lens: High Girth and High Chromatic Number --
4. The Second Moment --
4.1 Basics --
4.2 Number Theory --
4.3 More Basics --
4.4 Random Graphs --
4.5 Clique Number --
4.6 Distinct Sums --
4.7 The Rödl Nibble --
4.8 Exercises --
The Probabilistic Lens: Hamiltonian Paths --
5. The Local Lemma --
5.1 The Lemma --
5.2 Property B and Multicolored Sets of Real Numbers --
5.3 Lower Bounds for Ramsey Numbers --
5.4 A Geometric Result --
5.5 The Linear Arboricity of Graphs --
5.6 Latin Transversals --
5.7 The Algorithmic Aspect --
5.8 Exercises --
The Probabilistic Lens: Directed Cycles --
6. Correlation Inequalities --
6.1 The Four Functions Theorem of Ahlswede and Daykin --
6.2 The FKG Inequality --
6.3 Monotone Properties --
6.4 Linear Extensions of Partially Ordered Sets --
6.5 Exercises --
The Probabilistic Lens: Turan's Theorem --
7. Martingales and Tight Concentration --
7.1 Definitions --
7.2 Large Deviations --
7.3 Chromatic Number --
7.4 Two General Settings --
7.5 Four Illustrations --
7.6 Talagrand's Inequality --
7.7 Applications of Talagrand's Inequality --
7.8 Kim-Vu Polynomial Concentration --
7.9 Exercises --
The Probabilistic Lens: Weierstrass Approximation Theorem --
8. The Poisson Paradigm --
8.1 The Janson Inequalities --
8.2 The Proofs --
8.3 Brun's Sieve --
8.4 Large Deviations --
8.5 Counting Extensions --
8.6 Counting Representations --
8.7 Further Inequalities --
8.8 Exercises --
The Probabilistic Lens: Local Coloring --
9. Pseudorandomness --
9.1 The Quadratic Residue Tournaments --
9.2 Eigenvalues and Expanders --
9.3 Quasi Random Graphs --
9.4 Exercises --
The Probabilistic Lens: Random Walks --
 PART II. TOPICS --
10 Random Graphs --
10.1 Subgraphs --
10.2 Clique Number --
10.3 Chromatic Number --
10.4 Zero One Laws --
10.5 Exercises --
The Probabilistic Lens: Counting Subgraphs --11. The Erdös-Rényi Phase Transition --11.1 An Overview --
11.2 Three Processes --11.3 The Galton-Watson Branching Process --11.4 Analysis of the Poisson Branching Process --
11.5 The Graph Branching Model --11.6 The Graph and Poisson Processes Compared --11.7 The Parametrization Explained --
11.8 The Subcritical Regions --11.9 The Supercritical Regimes --
11.10 The Critical Window --
11.11 Analogies to Classical Percolation Theory --
11.12 Exercises --
The Probabilistic Lens: The Rich Get Richer --
12. Circuit Complexity --
12.1 Preliminaries --
12.2 Random Restrictions and Bounded Depth Circuits --
12.3 More on Bounded Depth Circuits --12.4 Monotone Circuits --12.5 Formulae --12.6 Exercises --
The Probabilistic Lens: Maximal Antichains --
13. Discrepancy --
13.1 Basics --
13.2 Six Standard Deviations Suffice --
13.3 Linear and Hereditary Discrepancy --
13.4 Lower Bounds --
13.5 The Beck-Fiala Theorem --
13.6 Exercises --
The Probabilistic Lens: Unbalancing Lights --14. Geometry --
14.1 The Greatest Angle among Points in Euclidean Spaces --14.2 Empty Triangles Determined by Points in the Plane --14.3 Geometrical Realizations of Sign Matrices --
14.4 QNets and VC-Dimensions of Range Spaces --
14.5 Dual Shatter Functions and Discrepancy --
14.6 Exercises --
The Probabilistic Lens: Efficient Packing --
15. Codes, Games and Entropy --
15.1 Codes --
15.2 Liar Game --
15.3 Tenure Game --
15.4 Balancing Vector Game --
15.5 Nonadaptive Algorithms --
15.6 Half Liar Game --
15.7 Entropy --15.8 Exercises --
The Probabilistic Lens: An Extremal Graph --16. Derandomization --16.1 The Method of Conditional Probabilities --16.2 d-Wise Independent Random Variables in Small Sample Spaces --16.3 Exercises --
The Probabilistic Lens: Crossing Numbers, Incidences, Sums and Products --17. Graph Property Testing --17.1 Property Testing --17.2 Testing colorability --17.3 Szemerédi's Regularity Lemma --17.4 Testing Triangle-Freeness --17.5 Characterizing the testable graph properties --17.6 Exercises --
The Probabilistic Lens: Turán Numbers and Dependent Random Choice --
Appendix A: Bounding of Large Deviations --
A.1 Chernoff Bounds --
A.2 Lower Bounds --
A.3 Exercises --
The Probabilistic Lens: Trianglefree Graphs Have Large Independence Numbers --
Appendix B: Paul Erdös --
B.1 Papers --
B.2 Conjectures --
B.3 On Erdös --
B.4 Uncle Paul --
References --
Subject Index --
Author Index.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی