Introduction to Probability 在线电子书 图书标签: 数学 概率 统计 probability 机器学习 概率论 Mathematics 必读经典
发表于2024-12-26
Introduction to Probability 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024
写的非常有趣,有很多生活中的实际例子,紧密联系各个概念。内容不深,是本非常好的书。
评分配合视频食用非常非常好
评分写的非常有趣,有很多生活中的实际例子,紧密联系各个概念。内容不深,是本非常好的书。
评分MOOC上有作者的公开课,http://mooc.guokr.com/course/881/Introduction-to-Probability---The-Science-of-Uncertainty/。很好很强大。
评分MIT 6.041,花了两个多月终于把video和作业都刷完了。
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。
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...
评分此书讲解细致,语言不生涩。 最喜欢的是这本书能够对很多理论给出直觉的解释,而且还有很多很好玩锻炼思考的例子。 以前上大学时不懂的,只会记公式的东西,看过这本书后,恍然大明白。 这本书里面对连续随机变量讲解的很直观化,尤其适合这块没学懂的人。
Introduction to Probability 在线电子书 pdf 下载 txt下载 epub 下载 mobi 下载 2024