Probability: A Graduate Course


Author: Allan Gut
Publisher: Springer Science & Business Media
ISBN: 9780387273327
Category: Mathematics
Page: 608
View: 8988

Continue Reading →

This textbook on the theory of probability starts from the premise that rather than being a purely mathematical discipline, probability theory is an intimate companion of statistics. The book starts with the basic tools, and goes on to cover a number of subjects in detail, including chapters on inequalities, characteristic functions and convergence. This is followed by explanations of the three main subjects in probability: the law of large numbers, the central limit theorem, and the law of the iterated logarithm. After a discussion of generalizations and extensions, the book concludes with an extensive chapter on martingales.

Wahrscheinlichkeitstheorie und Stochastische Prozesse


Author: Michael Mürmann
Publisher: Springer-Verlag
ISBN: 364238160X
Category: Mathematics
Page: 428
View: 6025

Continue Reading →

Dieses Lehrbuch beschäftigt sich mit den zentralen Gebieten einer maßtheoretisch orientierten Wahrscheinlichkeitstheorie im Umfang einer zweisemestrigen Vorlesung. Nach den Grundlagen werden Grenzwertsätze und schwache Konvergenz behandelt. Es folgt die Darstellung und Betrachtung der stochastischen Abhängigkeit durch die bedingte Erwartung, die mit der Radon-Nikodym-Ableitung realisiert wird. Sie wird angewandt auf die Theorie der stochastischen Prozesse, die nach der allgemeinen Konstruktion aus der Untersuchung von Martingalen und Markov-Prozessen besteht. Neu in einem Lehrbuch über allgemeine Wahrscheinlichkeitstheorie ist eine Einführung in die stochastische Analysis von Semimartingalen auf der Grundlage einer geeigneten Stetigkeitsbedingung mit Anwendungen auf die Theorie der Finanzmärkte. Das Buch enthält zahlreiche Übungen, teilweise mit Lösungen. Neben der Theorie vertiefen Anmerkungen, besonders zu mathematischen Modellen für Phänomene der Realität, das Verständnis.​

Einführung in Die Mathematische Statistik


Author: Leopold Schmetterer
Publisher: Springer-Verlag
ISBN: 3662259338
Category: Mathematics
Page: 597
View: 7889

Continue Reading →

Die Frage nach dem Aufgabenkreis der Statistik im allgemeinen kann nicht mit wenigen Worten umrissen werden. Wenn man etwas näher auf die geschichtliche Entwicklung des Begriffes Statistik eingeht\ so findet man, daß lange Zeit darunter nur die Beschrei bung von "Staatsmerkwürdigkeiten" (wie Bevölkerungszahl, Bo denbeschaffenheit, Sammlung wirtschaftlicher Daten) verstanden wurde. Erst in neuerer Zeit drang die statistische Betrachtungsweise auch in die Naturwissenschaften ein (BOLTZMANN, GIBBS, MAx WELL). Fußend auf dem Boden der seit Beginn dieses Jahrhunderts sich rasch entwickelnden Wahrscheinlichkeitstheorie hat dann ins besondere in den letzten dreißig Jahren auch die mathematische Statistik einen unerhörten Aufschwung genommen und die Metho den der statistischen Analyse mit einer kaum zu übersehenden Fülle von Gedanken bereichert. Statistische Überlegungen treten heute in den verschiedensten Wissensgebieten auf. Es genügt, wenn wir neben den Wirtschaftswissenschaften als Beispiele die Astronomie, die Biologie, die Medizin, die Psychologie, die Physik und die Soziologie anführen. Wenn es also, wie gesagt, nicht leicht ist, den allgemeinen Be griff der Statistik kurz zu charakterisieren, so geht man doch wohl nicht fehl, wenn man feststellt, daß sich die Statistik mit dem Studium von Erscheinungen befaßt, die entweder eine große Zahl von Individuen betreffen, oder sonst in irgendeiner Weise eine Viel falt von Einzelerscheinungen zusammenfassen. Man kann somit als ein Charakteristikum der Statistik das Studium der Massen erscheinungen betrachten. Es ist eine Erfahrungstatsache, daß bei Massenerscheinungen Gesetzmäßigkeiten nachgewiesen werden können, die bei Einzelerscheinungen kein Gegenstück haben. Das 1 Vgl. W. WrNKLER, Grundriß der Statistik I, 2.

Elementare Wahrscheinlichkeitstheorie und stochastische Prozesse


Author: Kai L. Chung
Publisher: Springer-Verlag
ISBN: 3642670334
Category: Mathematics
Page: 346
View: 1553

Continue Reading →

Aus den Besprechungen: "Unter den zahlreichen Einführungen in die Wahrscheinlichkeitsrechnung bildet dieses Buch eine erfreuliche Ausnahme. Der Stil einer lebendigen Vorlesung ist über Niederschrift und Übersetzung hinweg erhalten geblieben. In jedes Kapitel wird sehr anschaulich eingeführt. Sinn und Nützlichkeit der mathematischen Formulierungen werden den Lesern nahegebracht. Die wichtigsten Zusammenhänge sind als mathematische Sätze klar formuliert." #FREQUENZ#1

Probability for Statisticians


Author: Galen R. Shorack
Publisher: Springer
ISBN: 3319522078
Category: Mathematics
Page: 510
View: 4595

Continue Reading →

The choice of examples used in this text clearly illustrate its use for a one-year graduate course. The material to be presented in the classroom constitutes a little more than half the text, while the rest of the text provides background, offers different routes that could be pursued in the classroom, as well as additional material that is appropriate for self-study. Of particular interest is a presentation of the major central limit theorems via Steins method either prior to or alternative to a characteristic function presentation. Additionally, there is considerable emphasis placed on the quantile function as well as the distribution function, with both the bootstrap and trimming presented. The section on martingales covers censored data martingales.

Statistik-Workshop für Programmierer


Author: Allen B. Downey
Publisher: O'Reilly Germany
ISBN: 3868993436
Category: Computers
Page: 160
View: 866

Continue Reading →

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

Probability and Statistics for Particle Physics


Author: Carlos Maña
Publisher: Springer
ISBN: 3319557386
Category: Science
Page: 244
View: 9892

Continue Reading →

This book comprehensively presents the basic concepts of probability and Bayesian inference with sufficient generality to make them applicable to current problems in scientific research. The first chapter provides the fundamentals of probability theory that are essential for the analysis of random phenomena. The second chapter includes a full and pragmatic review of the Bayesian methods that constitute a natural and coherent framework with enough freedom to analyze all the information available from experimental data in a conceptually simple manner. The third chapter presents the basic Monte Carlo techniques used in scientific research, allowing a large variety of problems to be handled difficult to tackle by other procedures. The author also introduces a basic algorithm, which enables readers to simulate samples from simple distribution, and describes useful cases for researchers in particle physics.The final chapter is devoted to the basic ideas of Information Theory, which are important in the Bayesian methodology. This highly readable book is appropriate for graduate-level courses, while at the same time being useful for scientific researches in general and for physicists in particular since most of the examples are from the field of Particle Physics.

Grundbegriffe der Wahrscheinlichkeitsrechnung


Author: A. Kolomogoroff
Publisher: Springer-Verlag
ISBN: 3642498884
Category: Mathematics
Page: 62
View: 3821

Continue Reading →

Dieser Buchtitel ist Teil des Digitalisierungsprojekts Springer Book Archives mit Publikationen, die seit den Anfängen des Verlags von 1842 erschienen sind. Der Verlag stellt mit diesem Archiv Quellen für die historische wie auch die disziplingeschichtliche Forschung zur Verfügung, die jeweils im historischen Kontext betrachtet werden müssen. Dieser Titel erschien in der Zeit vor 1945 und wird daher in seiner zeittypischen politisch-ideologischen Ausrichtung vom Verlag nicht beworben.

Probability for Statistics and Machine Learning

Fundamentals and Advanced Topics
Author: Anirban DasGupta
Publisher: Springer Science & Business Media
ISBN: 9781441996343
Category: Mathematics
Page: 784
View: 5938

Continue Reading →

This book provides a versatile and lucid treatment of classic as well as modern probability theory, while integrating them with core topics in statistical theory and also some key tools in machine learning. It is written in an extremely accessible style, with elaborate motivating discussions and numerous worked out examples and exercises. The book has 20 chapters on a wide range of topics, 423 worked out examples, and 808 exercises. It is unique in its unification of probability and statistics, its coverage and its superb exercise sets, detailed bibliography, and in its substantive treatment of many topics of current importance. This book can be used as a text for a year long graduate course in statistics, computer science, or mathematics, for self-study, and as an invaluable research reference on probabiliity and its applications. Particularly worth mentioning are the treatments of distribution theory, asymptotics, simulation and Markov Chain Monte Carlo, Markov chains and martingales, Gaussian processes, VC theory, probability metrics, large deviations, bootstrap, the EM algorithm, confidence intervals, maximum likelihood and Bayes estimates, exponential families, kernels, and Hilbert spaces, and a self contained complete review of univariate probability.

Introduction to the Theory of Statistical Inference


Author: Hannelore Liero,Silvelyn Zwanzig
Publisher: CRC Press
ISBN: 1466503203
Category: Mathematics
Page: 284
View: 8798

Continue Reading →

Based on the authors’ lecture notes, Introduction to the Theory of Statistical Inference presents concise yet complete coverage of statistical inference theory, focusing on the fundamental classical principles. Suitable for a second-semester undergraduate course on statistical inference, the book offers proofs to support the mathematics. It illustrates core concepts using cartoons and provides solutions to all examples and problems. Highlights Basic notations and ideas of statistical inference are explained in a mathematically rigorous, but understandable, form Classroom-tested and designed for students of mathematical statistics Examples, applications of the general theory to special cases, exercises, and figures provide a deeper insight into the material Solutions provided for problems formulated at the end of each chapter Combines the theoretical basis of statistical inference with a useful applied toolbox that includes linear models Theoretical, difficult, or frequently misunderstood problems are marked The book is aimed at advanced undergraduate students, graduate students in mathematics and statistics, and theoretically-interested students from other disciplines. Results are presented as theorems and corollaries. All theorems are proven and important statements are formulated as guidelines in prose. With its multipronged and student-tested approach, this book is an excellent introduction to the theory of statistical inference.

Markov Chain Monte Carlo - Methoden: Herleitung, Beweis und Implementierung


Author: Thomas Plehn
Publisher: diplom.de
ISBN: 3956849515
Category: Mathematics
Page: 53
View: 318

Continue Reading →

In seiner Arbeit beschäftigt sich der Autor mit der ‘Markov Chain Monte Carlo‘, auch abgekürzt als MCMC. Dabei handelt es sich um eine Monte Carlo Methode. Allen Monte Carlo Methoden ist gemein, dass sie von einer mehr oder minder komplizierten Verteilung zufällige Szenarien erzeugen. Diese Szenarien werden dann genutzt um Aussagen über Erwartungswerte oder andere Kennzahlen der Verteilung zu treffen. Diese Aussagen sind natürlich nur zu gebrauchen, wenn man sehr viele zufällig erzeugte Szenarien auswertet. Die Methode kommt also immer dann zum Einsatz, wenn es nicht möglich ist, aus der Verteilung der Szenarien direkt Rückschlüsse auf die statistischen Kennzahlen der Verteilung zu ziehen, weder auf analytischem Wege, noch durch numerische Integration (bei sehr vielen Dimensionen steigt der Aufwand rapide an). Markov Chain Monte Carlo ist nun eine spezielle Monte Carlo Methode unter Zuhilfenahme von Markovketten. Diese kommt immer dann zum Einsatz, wenn es nicht möglich ist, von einer Verteilung auf einfache Weise Szenarien zu erzeugen. Eine Markovkette fängt bei einem Zustand an und geht von einem bestimmten Zustand mit einer bestimmten Wahrscheinlichkeit zu einem anderen Zustand über. Diese Übergangswahrscheinlichkeiten stehen in einer Übergangsmatrix. Der Knackpunkt ist nun, dass diese Form der Zustandsgenerierung oft einfacher zu implementieren ist, als direkt auf eine Verteilung zurückzugreifen. In der Arbeit gibt es mehrere konkrete Beispiele für den Einsatz solcher Methoden. Quelltexte der Implementierungen sind beigefügt.

Measure Theory and Probability Theory


Author: Krishna B. Athreya,Soumendra N. Lahiri
Publisher: Springer Science & Business Media
ISBN: 038732903X
Category: Business & Economics
Page: 618
View: 7077

Continue Reading →

This is a graduate level textbook on measure theory and probability theory. The book can be used as a text for a two semester sequence of courses in measure theory and probability theory, with an option to include supplemental material on stochastic processes and special topics. It is intended primarily for first year Ph.D. students in mathematics and statistics although mathematically advanced students from engineering and economics would also find the book useful. Prerequisites are kept to the minimal level of an understanding of basic real analysis concepts such as limits, continuity, differentiability, Riemann integration, and convergence of sequences and series. A review of this material is included in the appendix. The book starts with an informal introduction that provides some heuristics into the abstract concepts of measure and integration theory, which are then rigorously developed. The first part of the book can be used for a standard real analysis course for both mathematics and statistics Ph.D. students as it provides full coverage of topics such as the construction of Lebesgue-Stieltjes measures on real line and Euclidean spaces, the basic convergence theorems, L^p spaces, signed measures, Radon-Nikodym theorem, Lebesgue's decomposition theorem and the fundamental theorem of Lebesgue integration on R, product spaces and product measures, and Fubini-Tonelli theorems. It also provides an elementary introduction to Banach and Hilbert spaces, convolutions, Fourier series and Fourier and Plancherel transforms. Thus part I would be particularly useful for students in a typical Statistics Ph.D. program if a separate course on real analysis is not a standard requirement. Part II (chapters 6-13) provides full coverage of standard graduate level probability theory. It starts with Kolmogorov's probability model and Kolmogorov's existence theorem. It then treats thoroughly the laws of large numbers including renewal theory and ergodic theorems with applications and then weak convergence of probability distributions, characteristic functions, the Levy-Cramer continuity theorem and the central limit theorem as well as stable laws. It ends with conditional expectations and conditional probability, and an introduction to the theory of discrete time martingales. Part III (chapters 14-18) provides a modest coverage of discrete time Markov chains with countable and general state spaces, MCMC, continuous time discrete space jump Markov processes, Brownian motion, mixing sequences, bootstrap methods, and branching processes. It could be used for a topics/seminar course or as an introduction to stochastic processes. Krishna B. Athreya is a professor at the departments of mathematics and statistics and a Distinguished Professor in the College of Liberal Arts and Sciences at the Iowa State University. He has been a faculty member at University of Wisconsin, Madison; Indian Institute of Science, Bangalore; Cornell University; and has held visiting appointments in Scandinavia and Australia. He is a fellow of the Institute of Mathematical Statistics USA; a fellow of the Indian Academy of Sciences, Bangalore; an elected member of the International Statistical Institute; and serves on the editorial board of several journals in probability and statistics. Soumendra N. Lahiri is a professor at the department of statistics at the Iowa State University. He is a fellow of the Institute of Mathematical Statistics, a fellow of the American Statistical Association, and an elected member of the International Statistical Institute.

A Course in Mathematical Statistics and Large Sample Theory


Author: Rabi Bhattacharya,Lizhen Lin,Victor Patrangenaru
Publisher: Springer
ISBN: 1493940325
Category: Mathematics
Page: 389
View: 9017

Continue Reading →

This graduate-level textbook is primarily aimed at graduate students of statistics, mathematics, science, and engineering who have had an undergraduate course in statistics, an upper division course in analysis, and some acquaintance with measure theoretic probability. It provides a rigorous presentation of the core of mathematical statistics. Part I of this book constitutes a one-semester course on basic parametric mathematical statistics. Part II deals with the large sample theory of statistics - parametric and nonparametric, and its contents may be covered in one semester as well. Part III provides brief accounts of a number of topics of current interest for practitioners and other disciplines whose work involves statistical methods.

Stochastic Integrals

An Introduction
Author: Heinrich von Weizsäcker
Publisher: Springer-Verlag
ISBN: 3663139239
Category: Mathematics
Page: 332
View: 8770

Continue Reading →

All of Statistics

A Concise Course in Statistical Inference
Author: Larry Wasserman
Publisher: Springer Science & Business Media
ISBN: 0387217363
Category: Mathematics
Page: 442
View: 2393

Continue Reading →

Taken literally, the title "All of Statistics" is an exaggeration. But in spirit, the title is apt, as the book does cover a much broader range of topics than a typical introductory book on mathematical statistics. This book is for people who want to learn probability and statistics quickly. It is suitable for graduate or advanced undergraduate students in computer science, mathematics, statistics, and related disciplines. The book includes modern topics like non-parametric curve estimation, bootstrapping, and classification, topics that are usually relegated to follow-up courses. The reader is presumed to know calculus and a little linear algebra. No previous knowledge of probability and statistics is required. Statistics, data mining, and machine learning are all concerned with collecting and analysing data.

Probability Theory

A Comprehensive Course
Author: Achim Klenke
Publisher: Springer Science & Business Media
ISBN: 9781848000483
Category: Mathematics
Page: 621
View: 2959

Continue Reading →

Aimed primarily at graduate students and researchers, this text is a comprehensive course in modern probability theory and its measure-theoretical foundations. It covers a wide variety of topics, many of which are not usually found in introductory textbooks. The theory is developed rigorously and in a self-contained way, with the chapters on measure theory interlaced with the probabilistic chapters in order to display the power of the abstract concepts in the world of probability theory. In addition, plenty of figures, computer simulations, biographic details of key mathematicians, and a wealth of examples support and enliven the presentation.

Wahrscheinlichkeitsrechnung und Statistik


Author: Robert Hafner
Publisher: Springer-Verlag
ISBN: 3709169445
Category: Mathematics
Page: 512
View: 2946

Continue Reading →

Das Buch ist eine Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik auf mittlerem mathematischen Niveau. Die Pädagogik der Darstellung unterscheidet sich in wesentlichen Teilen – Einführung der Modelle für unabhängige und abhängige Experimente, Darstellung des Suffizienzbegriffes, Ausführung des Zusammenhanges zwischen Testtheorie und Theorie der Bereichschätzung, allgemeine Diskussion der Modellentwicklung – erheblich von der anderer vergleichbarer Lehrbücher. Die Darstellung ist, soweit auf diesem Niveau möglich, mathematisch exakt, verzichtet aber bewußt und ebenfalls im Gegensatz zu vergleichbaren Texten auf die Erörterung von Meßbarkeitsfragen. Der Leser wird dadurch erheblich entlastet, ohne daß wesentliche Substanz verlorengeht. Das Buch will allen, die an der Anwendung der Statistik auf solider Grundlage interessiert sind, eine Einführung bieten, und richtet sich an Studierende und Dozenten aller Studienrichtungen, für die mathematische Statistik ein Werkzeug ist.

Fundamentals of Probability: A First Course


Author: Anirban DasGupta
Publisher: Springer Science & Business Media
ISBN: 1441957804
Category: Mathematics
Page: 450
View: 9405

Continue Reading →

Probability theory is one branch of mathematics that is simultaneously deep and immediately applicable in diverse areas of human endeavor. It is as fundamental as calculus. Calculus explains the external world, and probability theory helps predict a lot of it. In addition, problems in probability theory have an innate appeal, and the answers are often structured and strikingly beautiful. A solid background in probability theory and probability models will become increasingly more useful in the twenty-?rst century, as dif?cult new problems emerge, that will require more sophisticated models and analysis. Thisisa text onthe fundamentalsof thetheoryofprobabilityat anundergraduate or ?rst-year graduate level for students in science, engineering,and economics. The only mathematical background required is knowledge of univariate and multiva- ate calculus and basic linear algebra. The book covers all of the standard topics in basic probability, such as combinatorial probability, discrete and continuous distributions, moment generating functions, fundamental probability inequalities, the central limit theorem, and joint and conditional distributions of discrete and continuous random variables. But it also has some unique features and a forwa- looking feel.

Probability


Author: Alan F. Karr
Publisher: Springer Science & Business Media
ISBN: 1461208912
Category: Mathematics
Page: 283
View: 2723

Continue Reading →

This book offers a straightforward introduction to the mathematical theory of probability. It presents the central results and techniques of the subject in a complete and self-contained account. As a result, the emphasis is on giving results in simple forms with clear proofs and to eschew more powerful forms of theorems which require technically involved proofs. Throughout there are a wide variety of exercises to illustrate and to develop ideas in the text.