已收藏
图书详情
编辑推荐:
本书内容丰富，除了介绍概率论基本知识外，还介绍了矩母函数、zui小二乘估计、泊松过程、马尔可夫过程和贝叶斯统计等内容。书中实例丰富，图文并茂，针对每节主题设计了相应的习题，还提供了部分难题的解答，便于读者自学。 本书多年来在MIT、斯坦福大学、加州大学等名校被用作概率课程教材，经过课堂检验和众多师生的反馈得以不断完善，是一本在表述简洁和推理严密之间取得了完美平衡的经典作品。 内容简介:
本书是在MIT设概率论门课程的基础上编写的，内容全面，例题和习题丰富，结构层次性强，能够满足不同读者的需求。书中介绍了概率模型、离散*变量和连续*变量、多元*变量以及极限理论等概率论基本知识，还介绍了矩母函数、条件概率的现代定义、独立*变量的和、zui小二乘估计等高级内容。 本书可作为所有高等院校概率论门的基础教程，也可作为有关概率论方面的参考书。 作者简介:
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。 
