具體描述
Assuming only an elementary background in discrete mathematics, this textbook is an excellent introduction to the probabilistic techniques and paradigms used in the development of probabilistic algorithms and analyses. It includes random sampling, expectations, Markov's and Chevyshev's inequalities, Chernoff bounds, balls and bins models, the probabilistic method, Markov chains, MCMC, martingales, entropy, and other topics. The book is designed to accompany a one- or two-semester course for graduate students in computer science and applied mathematics.
用戶評價
##大三時zhao yunlei課的教材。書很好，隨機算法很驚艷，可惜數學渣在課程後期沒怎麼學懂
##配閤 randomized algorithms 來看，裏麵有些相同的內容
概率部分基本上是從頭講起的 沒學過概率也能看懂 感動 算法分析講的好
##如果有人想知道學一點初等概率論之後可以乾什麼，推薦讀這本書
##這門課讓我深切意識到自己的數學已經荒廢到瞭什麼程度，另外目前還沒有看到這本書中的算法在自己研究中有什麼用處...
##如果有人想知道學一點初等概率論之後可以乾什麼，推薦讀這本書
##從計算機科學的角度理解concentration, probabilistic method, Markov chain, entropy和martingale，用離散的眼光對待概率和計算之間的關係，真是妙不可言
概率部分基本上是從頭講起的 沒學過概率也能看懂 感動 算法分析講的好
##從計算機科學的角度理解concentration, probabilistic method, Markov chain, entropy和martingale，用離散的眼光對待概率和計算之間的關係，真是妙不可言