دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1 نویسندگان: Andrew Barbour, Anna Pósfai (auth.), Andrew Barbour, Hock Peng Chan, David Siegmund (eds.) سری: Lecture Notes in Statistics 205 ISBN (شابک) : 1461419654, 9781461419655 ناشر: Springer-Verlag New York سال نشر: 2012 تعداد صفحات: 174 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب تقریب احتمال و فراتر از آن: نظریه احتمال و فرآیندهای تصادفی، نظریه و روش های آماری
در صورت تبدیل فایل کتاب Probability Approximations and Beyond 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 تقریب احتمال و فراتر از آن 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.
در ژوئن 2010، کنفرانسی با عنوان تقریبا احتمالات و فراتر از آن، در دانشگاه ملی سنگاپور (NUS)، به افتخار ریاضیدان پیشگام، لوئیس چن، برگزار شد. چن اولین مورد از چندین مشارکت اساسی را در نظریه و کاربرد روش استاین انجام داد. یکی از مهمترین مشارکتهای او تبدیل ایده نابرابری تمرکز استاین به ابزاری مؤثر برای ارائه مرزهای خطا برای تقریب عادی در بسیاری از تنظیمات، و بهویژه برای مجموع متغیرهای تصادفی است که فقط وابستگی محلی را نشان میدهند. این کنفرانس مخاطبان زیادی را جذب کرد که برای ادای احترام به چن و شنیدن سخنرانیهای همکارانی که در بیش از 40 سال گذشته به روشهای خاصی با او کار کردهاند، آمده بودند.
مقالات این جلد نشان میدهد که چگونه ایدههای پیشرفته لویی چن بر حوزههایی مانند زیستشناسی مولکولی و علوم رایانه تأثیر گذاشته و همچنان بر آنها تأثیر گذاشته است. او برنامه های کاربردی کار خود را در مورد تقریب پواسون برای مشکلات تشخیص سیگنال در زیست شناسی محاسباتی توسعه داده است. مقالات اصلی موجود در این کتاب، زمینه تاریخی کار چن را در کنار تفسیر برخی از مشارکتهای مهم او توسط آماردانان و ریاضیدانان قابل توجهی که امروزه کار میکنند، فراهم میکند.
In June 2010, a conference, Probability Approximations and Beyond, was held at the National University of Singapore (NUS), in honor of pioneering mathematician Louis Chen. Chen made the first of several seminal contributions to the theory and application of Stein’s method. One of his most important contributions has been to turn Stein’s concentration inequality idea into an effective tool for providing error bounds for the normal approximation in many settings, and in particular for sums of random variables exhibiting only local dependence. This conference attracted a large audience that came to pay homage to Chen and to hear presentations by colleagues who have worked with him in special ways over the past 40+ years.
The papers in this volume attest to how Louis Chen’s cutting-edge ideas influenced and continue to influence such areas as molecular biology and computer science. He has developed applications of his work on Poisson approximation to problems of signal detection in computational biology. The original papers contained in this book provide historical context for Chen’s work alongside commentary on some of his major contributions by noteworthy statisticians and mathematicians working today.
Front Matter....Pages i-xiv
Front Matter....Pages 1-1
Couplings for Irregular Combinatorial Assemblies....Pages 3-12
Berry-Esseen Inequality for Unbounded Exchangeable Pairs....Pages 13-30
Clubbed Binomial Approximation for the Lightbulb Process....Pages 31-41
Coverage of Random Discs Driven by a Poisson Point Process....Pages 43-59
On the Optimality of Stein Factors....Pages 61-72
Front Matter....Pages 73-73
Basic Estimates of Stability Rate for One-Dimensional Diffusions....Pages 75-99
Trend Analysis of Extreme Values....Pages 101-108
Renormalizations in White Noise Analysis....Pages 109-116
M-Dependence Approximation for Dependent Random Variables....Pages 117-133
Variable Selection for Classification and Regression in Large p , Small n Problems....Pages 135-159