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2025-01-26
Introduction to Probability pdf epub mobi txt 电子书 下载 2025
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。
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。
评分提炼50年的MIT概率统计课MIT6.041,youtube和edx上有对应公开课。深入浅出,注重直觉。未来有时间会把习题解答写出来。
评分6.041x done in spring 2016.
评分awesome book~~
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。
算是……击沉敌舰?Bertsekas这本前4章讲得非常棒,尤其是各种图像、直观解释把我当时心中的设想都展现出来了,有一种和人聊天的自然、顺畅。第5章极限部分讲得有点儿浅了,这章的习题量也有点儿少。后4章,关于Bernoulli Perocess,Poisson Process,Markov Process,Bayes统...
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...
Introduction to Probability pdf epub mobi txt 电子书 下载 2025