مقدمه ای بر اتوماتیک احتمالی به ماشینهای متوالی تصادفی ، زنجیره مارکوف ، رویدادها ، زبانها ، پذیرنده ها و برنامه ها می پردازد. این کتاب مدل های ریاضی ماشین های متوالی تصادفی (SSM) ، روابط ورودی-خروجی تصادفی و نمایش آنها توسط SSM ها را توصیف می کند. این متن همچنین مشکلات تصمیم گیری و به حداقل رساندن حالتهای ناشی از مفاهیم معادل سازی و پوشش برای SSM ها را بررسی می کند. این کتاب نظریه زنجیره ها و سیستمهای غیر همگن مارکوف را از نظر ریاضی ، به ویژه در رابطه با رفتار بدون علامت ، ترکیب (مجموع مستقیم یا محصول) و تجزیه ارائه می دهد. "توابع ورد" ، که توسط زنجیره های مارکوف و سیستم های مارکوف ارزشمند ایجاد می شود ، شامل توصیف ، معادل سازی و نمایندگی توسط یک زنجیره یا سیستم مارکوف است. این متن همچنین ویژگیهای بسته شدن زبانهای احتمالی ، رویدادها و ارتباط آنها با رویدادهای منظم را مورد بحث قرار می دهد ، به ویژه با اشاره به رویدادهای قطعی ، شبه ضعیف و انحصاری. نظریه اتوماتای ​​احتمالی در نظریه اطلاعات ، کنترل ، نظریه یادگیری ، تشخیص الگو و اشتراک زمان در برنامه نویسی رایانه کاربرد دارد. برنامه نویسان ، مهندسان کامپیوتر ، مربیان کامپیوتر و دانشجویان علوم کامپیوتر این مجموعه را بسیار ارزشمند می دانند.مقدمه ای بر احتمالات و آمار ریاضی اطلاعات مربوط به جنبه های اساسی احتمالات و آمار ریاضی را ارائه می دهد. این کتاب موضوعات مختلفی از جمله متغیرهای تصادفی ، توزیع احتمال ، توزیع مجزا و برآورد نقطه را پوشش می دهد. این کتاب که در 13 فصل تنظیم شده است ، با مرور کلی تعریف عملکرد شروع می شود. این متن سپس مفهوم احتمال شرطی یا نسبی را بررسی می کند. سایر فصلها قضیه کوکران را در نظر می گیرند ، که در آن بخش از استنباط آماری معروف به تجزیه واریانس از اهمیت فوق العاده ای برخوردار است. این کتاب همچنین اصول اساسی آزمایش فرضیه های آماری را با ارائه ایده ای برای خواننده در مورد مشکل اساسی و ارتباط آن با تمرین مورد بحث قرار می دهد. فصل آخر به مسئله برآورد و نظریه فواصل اطمینان نیمن می پردازد. این کتاب منبع ارزشمندی برای دانشجویانی است که در رشته ریاضی تحصیل می کنند. دانشجویانی که در رشته فیزیک تحصیل می کنند و به ریاضیات انتزاعی تمایل دارند نیز این کتاب را مفید خواهند دید. اطلاعات امروز ، دانشمندان و مهندسان باید مجموعه داده های بسیار بزرگ را به سرعت و به طور م analyzeثر تجزیه و تحلیل کنند. یکی از بهترین ابزارها برای تحقق این امر ، زبان داده های تعاملی (IDL®) است ، محیط برنامه نویسی و تجسم که مدل سازی عددی ، تجزیه و تحلیل داده ها و پردازش تصویر را تسهیل می کند. زبان سطح بالا و قابلیت های گرافیکی قدرتمند به کاربران اجازه می دهد تا برنامه های انعطاف پذیرتر را بسیار سریعتر از آنچه در سایر زبان های برنامه نویسی امکان پذیر است بنویسند.
یادداشت های حاشیه ای در سراسر متن به سرعت خوانندگان را به بخش های مربوطه راهنمای IDL راهنمایی می کند
خلاصه ها و تمرینات پایان فصل به تقویت یادگیری کمک می کند
دانشجویانی که کتاب را خریداری می کنند ، می توانند از تخفیف قابل توجهی در نسخه دانشجویی نرم افزار IDL برخوردار شوند
مقدمه ای بر برنامه نویسی با IDL دانش آموزان تازه وارد برنامه نویسی و همچنین کسانی که در سایر زبان های برنامه نویسی تجربه دارند را قادر می سازد تا به سرعت از قابلیت های IDL استفاده کنند: عملکرد سریع و تعاملی. نحو آرایه ؛ تایپ داده های پویا ؛ و گرافیک داخلی هر مفهوم با کد نمونه ، شامل بسیاری از برنامه های کوتاه کامل ، نشان داده شده است.