Discrete Stochastic Processes: Markov Chains and Random Walks (bằng tiếng Anh).

Hệ thống động của thế giới thực thường có sự không chắc chắn phát triển qua các bước thời gian rời rạc hoặc sự kiện ngẫu nhiên. Hiểu được các quá trình ngẫy nhiên rời ra cho phép bạn phân tích và dự đoán các hệ thống này với độ chính xác toán học. Chương trình này dành cho người mới bắt đầu cung cấp một hướng dẫn rõ ràng, dựa trên văn bản qua các mô hình xác suất cơ bản. Bạn sẽ bắt đầu với các định nghĩa cơ bản và các nguyên tắc xác suất cơ bản trước khi khám phá các quá trình chính được sử dụng trong khoa học, phân tích định lượng và mô hình dữ liệu. Bạn sẽ học: Hiểu định nghĩa cơ bản và các thuộc tính chính của các quá trình ngẫu nhiên rời rạc; Quy trình Poisson, lý thuyết tái tạo và phân phối thời gian đến; Phân tích chuỗi Markov, xác suất chuyển tiếp và phân bố tĩnh dài hạn; Tìm hiểu đi bộ ngẫa nhiên, hành vi biên giới và thuộc tính đường đi; Nghiên cứu phân nhánh Học các khái niệm cơ bản của Markov Chain Monte Carlo được sử dụng trong lấy mẫu thuật toán hiện đại. Vật liệu bắt đầu với thuật ngữ cốt lõi và khái nhãn xác suất trước khi xây dựng từng bước qua các mô hình phân tích cấu trúc. Thiết kế đặc biệt cho người mới bắt đầu, sinh viên, và các nhà phân tích, khóa học này không yêu cầu nền tảng trước tiên về tính toán ngẫu nhiên. Bắt đầu đọc ngay hôm nay để tăng cường kỹ năng mô hình định lượng của bạn.