احتمال و آمار برای دانشمندان کامپیوتر ۲۰۱۹
Probability and Statistics for Computer Scientists 2019

“نویسنده تکالیف خود را در مورد ابزارهای آماری مورد نیاز برای چالش‌های خاصی که دانشمندان کامپیوتر با آن روبرو هستند، به خوبی انجام داده است… [او] در انتخاب مثال‌هایی که برای دانشمندان کامپیوتر جالب و کاربردی هستند، دقت زیادی به خرج داده است. … این محتوا با تصاویر متعددی نشان داده شده است و با ضمایم و فهرست به پایان می‌رسد. این کتاب فرهیخته است و … می‌تواند به خوبی به عنوان متن مورد نیاز برای یک دوره کارشناسی یا کارشناسی ارشد پیشرفته عمل کند.” — محاسبات نقد و بررسی

احتمالات و آمار برای دانشمندان کامپیوتر، ویرایش سوم، به دانشجویان کمک می‌کند تا مفاهیم اساسی احتمالات و آمار، روش‌های کلی مدل‌سازی تصادفی، شبیه‌سازی، صف، و تحلیل داده‌های آماری را درک کنند؛ تصمیمات بهینه را تحت عدم قطعیت اتخاذ کنند؛ سیستم‌های کامپیوتری را مدل‌سازی و ارزیابی کنند؛ و برای دوره‌های پیشرفته مبتنی بر احتمال آماده شوند. این کتاب که به سبکی سرزنده با زبانی ساده نوشته شده و اکنون شامل R و همچنین MATLAB است، می‌تواند برای دوره‌های یک یا دو ترم مورد استفاده قرار گیرد.

ویژگی‌ها:

* معرفی اصل موضوعی احتمال

* پوشش گسترده‌تر استنباط آماری و تحلیل داده‌ها، از جمله تخمین و آزمایش، رویکرد بیزی، رگرسیون چند متغیره، آزمون‌های مربع کای برای استقلال و برازش نیکو، آمار ناپارامتری و بوت‌استرپ

* مثال‌ها و تمرین‌های انگیزشی متعدد از جمله پروژه‌های کامپیوتری

* کدهای R حاشیه‌نویسی شده کامل به موازات MATLAB

* کاربردها در علوم کامپیوتر، مهندسی نرم‌افزار، مخابرات و زمینه‌های مرتبط

پرداخت عمیق و در عین حال در دسترس به موضوعات مرتبط با علوم کامپیوتر
این متن با شروع از مبانی احتمال، دانشجویان را از طریق موضوعاتی که به طور گسترده در علوم کامپیوتر مدرن، مهندسی کامپیوتر، مهندسی نرم‌افزار و زمینه‌های مرتبط، مانند شبیه‌سازی‌های کامپیوتری، روش‌های مونت کارلو، فرآیندهای تصادفی، زنجیره‌های مارکوف، نظریه صف، استنباط آماری و رگرسیون، ارائه می‌شوند، می‌برد. همچنین الزامات هیئت اعتباربخشی مهندسی و فناوری (ABET) را برآورده می‌کند.

درباره نویسنده

مایکل بارون استاد ریاضیات و آمار دیوید کارول در دانشگاه آمریکایی در واشنگتن دی سی است. او در تحلیل ترتیبی و توقف بهینه، تشخیص نقطه تغییر، استنباط بیزی و کاربردهای آمار در اپیدمیولوژی، آزمایشات بالینی، تولید نیمه هادی‌ها و سایر زمینه‌ها تحقیق می‌کند. ام. بارون عضو انجمن آماری آمریکا و دریافت کننده جایزه آبراهام والد برای بهترین مقاله در تحلیل ترتیبی و جایزه تدریس برجسته نایب‌السلطنه است. ام. بارون دارای مدرک دکترا در آمار از دانشگاه مریلند است. به نوبه خود، او بر دوازده دانشجوی دکترا که بیشتر آنها در موقعیت‌های دانشگاهی و تحقیقاتی مشغول به کار هستند، نظارت کرده است.

Praise for the Second Edition:

“The author has done his homework on the statistical tools needed for the particular challenges computer scientists encounter… [He] has taken great care to select examples that are interesting and practical for computer scientists. … The content is illustrated with numerous figures, and concludes with appendices and an index. The book is erudite and … could work well as a required text for an advanced undergraduate or graduate course.” —Computing Reviews

Probability and Statistics for Computer Scientists, Third Edition helps students understand fundamental concepts of Probability and Statistics, general methods of stochastic modeling, simulation, queuing, and statistical data analysis; make optimal decisions under uncertainty; model and evaluate computer systems; and prepare for advanced probability-based courses. Written in a lively style with simple language and now including R as well as MATLAB, this classroom-tested book can be used for one- or two-semester courses.

Features:

• Axiomatic introduction of probability
• Expanded coverage of statistical inference and data analysis, including estimation and testing, Bayesian approach, multivariate regression, chi-square tests for independence and goodness of fit, nonparametric statistics, and bootstrap
• Numerous motivating examples and exercises including computer projects
• Fully annotated R codes in parallel to MATLAB
• Applications in computer science, software engineering, telecommunications, and related areas

In-Depth yet Accessible Treatment of Computer Science-Related Topics
Starting with the fundamentals of probability, the text takes students through topics heavily featured in modern computer science, computer engineering, software engineering, and associated fields, such as computer simulations, Monte Carlo methods, stochastic processes, Markov chains, queuing theory, statistical inference, and regression. It also meets the requirements of the Accreditation Board for Engineering and Technology (ABET).

About the Author

Michael Baron

is David Carroll Professor of Mathematics and Statistics at American University in Washington D. C. He conducts research in sequential analysis and optimal stopping, change-point detection, Bayesian inference, and applications of statistics in epidemiology, clinical trials, semiconductor manufacturing, and other fields. M. Baron is a Fellow of the American Statistical Association and a recipient of the Abraham Wald Prize for the best paper in Sequential Analysis and the Regents Outstanding Teaching Award. M. Baron holds a Ph.D. in statistics from the University of Maryland. In his turn, he supervised twelve doctoral students, mostly employed on academic and research positions.