概率論入門 [A Probability Path] 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

S.I.雷斯尼剋（Sidney I. Resnick） 著

齣版社： 世界圖書齣版公司

ISBN：9787510058271

版次：1

商品編碼：11314934

包裝：平裝

外文名稱：A Probability Path

開本：16開

齣版時間：2013-05-01

用紙：膠版紙

頁數：453

正文語種：英文

內容簡介

　　《概率論入門》是一部十分經典的概率論教程。1999年初版，2001年第2次重印，2003年第3次重印，同年第4次重印，2005年第5次重印，受歡迎程度可見一斑。大多數概率論書籍是寫給數學傢看的，漂亮的數學材料是吸引讀者的一大亮點；相反地，《概率論入門》目標讀者是數學及非數學專業的研究生，幫助那些在統計、應用概率論、生物、運籌學、數學金融和工程研究中需要深入瞭解高等概率論的所有人員。

目錄

preface
1 sets and events
1.1 introduction
1.2 basic set theory
1.2.1 indicator functions
1.3 limits of sets
1.4 monotone sequences
1.5 set operations and closure
1.5.1 examples
1.6 the a-field generated by a given class c
1.7 bore1 sets on the real line
1.8 comparing borel sets
1.9 exercises

2 probability spaces
2.1 basic definitions and properties
2.2 more on closure
2.2.1 dynkin's theorem
2.2.2 proof of dynkin's theorem
2.3 two constructions
2.4 constructions of probability spaces
2.4.1 general construction of a probability model
2.4.2 proof of the second extension theorem
2.5 measure constructions
2.5.1 lebesgue measure on （0， 1）
2.5.2 construction of a probability measure on r with given distribution function f （x）
2.6 exercises

3 random variables， elements， and measurable maps
3.1 inverse maps
3.2 measurable maps， random elements，induced probability measures
3.2.1 composition
3.2.2 random elements of metric spaces
3.2.3 measurability and continuity
3.2.4 measurability and limits
3.3 σ-fields generated by maps
3.4 exercises

4 independence
4.1 basic definitions
4.2 independent random variables
4.3 two examples of independence
4.3.1 records， ranks， renyi theorem
4.3.2 dyadic expansions of uniform random numbers
4.4 more on independence： groupings
4.5 independence， zero-one laws， borel-cantelli lemma
4.5.1 borel-cantelli lemma
4.5.2 borel zero-one law
4.5.3 kolmogorov zero-one law
4.6 exercises

5 integration and expectation
5.1 preparation for integration
5.1.1 simple functions
5.1.2 measurability and simple functions
5.2 expectation and integration
5.2.1 expectation of simple functions
5.2.2 extension of the definition
5.2.3 basic properties of expectation
5.3 limits and integrals
5.4 indefinite integrals
5.5 the transformation theorem and densities
5.5.1 expectation is always an integral on r
5.5.2 densities
5.6 the riemann vs lebesgue integral
5.7 product spaces
5.8 probability measures on product spaces
5.9 fubini's theorem
5.10 exercises

6 convergence concepts
6.1 almost sure convergence
6.2 convergence in probability
6.2.1 statistical terminology
6.3 connections between a.s. and j.p. convergence
6.4 quantile estimation
6.5 lp convergence
6.5.1 uniform integrability
6.5.2 interlude： a review of inequalities
6.6 more on lp convergence
6.7 exercises

7 laws of large numbers and sums of independent random variables
7.1 truncation and equivalence
7.2 a general weak law of large numbers
7.3 almost sure convergence of sums of independent random variables
7.4 strong laws of large numbers
7.4.1 two examples
7.5 the strong law of large numbers for lid sequences
7.5.1 two applications of the slln
7.6 the kolmogorov three series theorem
7.6.1 necessity of the kolmogorov three series theorem
7.7 exercises

8 convergence in distribution
8.1 basic definitions
8.2 scheff6's lemma
8.2.1 scheff6's lemma and order statistics
8.3 the baby skorohod theorem
8.3.1 the delta method
8.4 weak convergence equivalences； portmanteau theorem
8.5 more relations among modes of convergence
8.6 new convergences from old
8.6.1 example： the central limit theorem for m-dependent random variables
8.7 the convergence to types theorem
8.7.1 application of convergence to types： limit distributions for extremes
8.8 exercises

9 characteristic functions and the central limit theorem
9.1 review of moment generating functions and the central limit theorem
9.2 characteristic functions： definition and first properties.
9.3 expansions
9.3.1 expansion of eix
9.4 moments and derivatives
9.5 two big theorems： uniqueness and continuity
9.6 the selection theorem， tightness， and prohorov's theorem
9.6.1 the selection theorem
9.6.2 tightness， relative compactness， and prohorov's theorem
9.6.3 proof of the continuity theorem
9.7 the classical clt for iid random variables
9.8 the lindeberg-feller clt
9.9 exercises

10 martingales
10.1 prelude to conditional expectation：the radon-nikodym theorem
10.2 definition of conditional expectation
10.3 properties of conditional expectation
10.4 martingales
10.5 examples of martingales
10.6 connections between martingales and submartingales
10.6.1 doob's decomposition
10.7 stopping times
10.8 positive super martingales
10.8.1 operations on supermartingales
10.8.2 upcrossings
10.8.3 boundedness properties
10.8.4 convergence of positive super martingales
10.8.5 closure
10.8.6 stopping supermartingales
10.9 examples
10.9.1 gambler's ruin
10.9.2 branching processes
10.9.3 some differentiation theory
10.10 martingale and submartingale convergence
10.10.1 krickeberg decomposition
10.10.2 doob's （sub）martingale convergence theorem
10.11 regularity and closure
10.12 regularity and stopping
10.13 stopping theorems
10.14 wald's identity and random walks
10.14.1 the basic martingales
10.14.2 regular stopping times
10.14.3 examples of integrable stopping times
10.14.4 the simple random walk
10.15 reversed martingales
10.16 fundamental theorems of mathematical finance
10.16.1 a simple market model
10.16.2 admissible strategies and arbitrage
10.16.3 arbitrage and martingales
10.16.4 complete markets
10.16.5 option pricing
10.17 exercises
references
index

前言/序言

評分☆☆☆☆☆

發貨速度快，書還沒看

評分☆☆☆☆☆

入門書並不簡單。

評分☆☆☆☆☆

很好的概率論教程，適閤各個專業。

評分☆☆☆☆☆

　　在這裏，我是不指望能說清 Jaynes 是如何通過測量所謂 common sense 或 state of knowledge 來拓展（狹義）邏輯（就是非真即假），然後用它來解釋概率論的，也許會越說越糊塗，畢竟從17世紀産生概率論以來對它的解釋睏擾瞭人們近300年。也許一聽到“測量 common sense”這樣的說法就已經令我們畏懼瞭，它的恐怖程度不亞於說能造一個會思考有感情的機器。其實不是這樣的，讓我們先想想邏輯是如何簡化我們的思維的：這種狹義的邏輯將人們的思維簡化為，叫它們“真|假”也行，“0|1”也行，總之是兩個不同的狀態，並建立它們之間的運算法則，就是所謂的布爾運算。這樣的簡化能做些什麼？首先我們可以定義集閤這一概念（集閤的本質就是它和元素的關係隻有屬於和不屬於這兩種）以及集閤間的運算（我們知道它們都通過邏輯運算定義），它就是一切的原材料，有瞭它，我們就可以定義各種函數（定義域值域對應關係），構造代數結構（群環域等）以及自然數有理數實數等對象。此外人們還發明瞭類似“對於任意ε存在δ使得對於任意的……”這樣的純邏輯論述，而這就是所有極限概念定義的基本模式。有瞭對極限這一邏輯概念的理解我們就可以進一步構造拓撲，測度空間結構以及定義所有數學分析（微積分泛函等）的內容。這樣，龐大的數學知識體係由此建立，而這一切隻是源於那兩條基本假設，就是非真即假以及它們之間的運算規則。我想應該沒有再簡單的假設瞭，因為如果隻有一種狀態，都沒差彆，就翻不齣什麼花樣瞭。在 Jaynes 的廣義邏輯(extended logic)中，同樣有三條而不是二條基本假設（書中叫做 desiderata）。第一條說的也是取值，是實數（注意實數就是用狹義邏輯定義的對象），第二三條定義瞭運算規則，其中第二條假設說的是大小比較（所以在狹義邏輯中就不需要這條瞭）。

評分☆☆☆☆☆

麵嚮非數學專業的入門書，挺好。

評分☆☆☆☆☆

給娃娃囤書中 好好學習 天天嚮上

評分☆☆☆☆☆

　　在這裏，我是不指望能說清 Jaynes 是如何通過測量所謂 common sense 或 state of knowledge 來拓展（狹義）邏輯（就是非真即假），然後用它來解釋概率論的，也許會越說越糊塗，畢竟從17世紀産生概率論以來對它的解釋睏擾瞭人們近300年。也許一聽到“測量 common sense”這樣的說法就已經令我們畏懼瞭，它的恐怖程度不亞於說能造一個會思考有感情的機器。其實不是這樣的，讓我們先想想邏輯是如何簡化我們的思維的：這種狹義的邏輯將人們的思維簡化為，叫它們“真|假”也行，“0|1”也行，總之是兩個不同的狀態，並建立它們之間的運算法則，就是所謂的布爾運算。這樣的簡化能做些什麼？首先我們可以定義集閤這一概念（集閤的本質就是它和元素的關係隻有屬於和不屬於這兩種）以及集閤間的運算（我們知道它們都通過邏輯運算定義），它就是一切的原材料，有瞭它，我們就可以定義各種函數（定義域值域對應關係），構造代數結構（群環域等）以及自然數有理數實數等對象。此外人們還發明瞭類似“對於任意ε存在δ使得對於任意的……”這樣的純邏輯論述，而這就是所有極限概念定義的基本模式。有瞭對極限這一邏輯概念的理解我們就可以進一步構造拓撲，測度空間結構以及定義所有數學分析（微積分泛函等）的內容。這樣，龐大的數學知識體係由此建立，而這一切隻是源於那兩條基本假設，就是非真即假以及它們之間的運算規則。我想應該沒有再簡單的假設瞭，因為如果隻有一種狀態，都沒差彆，就翻不齣什麼花樣瞭。在 Jaynes 的廣義邏輯(extended logic)中，同樣有三條而不是二條基本假設（書中叫做 desiderata）。第一條說的也是取值，是實數（注意實數就是用狹義邏輯定義的對象），第二三條定義瞭運算規則，其中第二條假設說的是大小比較（所以在狹義邏輯中就不需要這條瞭）。

評分☆☆☆☆☆

我們這屆第一次用，感覺書中內容很偏基礎，理論有點多，但是質量很高。

評分☆☆☆☆☆

很好的概率論教程，適閤各個專業。