Questo prodotto usufruisce delle SPEDIZIONI GRATIS
selezionando l'opzione Corriere Veloce in fase di ordine.
Pagabile anche con Carta della cultura giovani e del merito, 18App Bonus Cultura e Carta del Docente
Il presente volume intende fornire un’introduzione alla probabilita` e alle sue applicazioni, senza fare ricorso alla teoria della misura. Il testo e` dedicato agli studenti dei corsi di laurea scientifici (in particolar modo di matematica, fisica e ingegneria).
Viene dedicato ampio spazio alla probabilita` discreta, vale a dire su spazi finiti o numerabili. In questo contesto sono sufficienti pochi strumenti analitici per presentare la teoria in modo completo e rigoroso. L’esposizione e` arricchita dall’analisi dettagliata di diversi modelli, di facile formulazione e allo stesso tempo di grande rilevanza teorica e applicativa, alcuni tuttora oggetto di ricerca.
Vengono poi trattate le variabili aleatorie assolutamente continue, reali e multivariate, e i teoremi limite classici della probabilita`, ossia la Legge dei Grandi Numeri e il Teorema Limite Centrale, dando rilievo tanto agli aspetti concettuali quanto a quelli applicativi. Tra le varie applicazioni presentate,un capitolo è dedicato alla stima dei parametri e ai modelli predittivi in Statistica Matematica.Nozioni preliminari.- 1 Spazi di probabilità discreti: teoria.- 2 Spazi di probabilità discreti: esempi e applicazioni.- 3 Variabili aleatorie discrete: teoria.- 4 Variabili aleatorie discrete: esempi e applicazioni.- 5 Spazi di probabilità e variabili aleatorie generali.- 6 Variabili aleatorie assolutamente continue.- 7 Teoremi limite.- 8 Applicazioni alla statistica matematica.- 9 Introduzione alle Catene di Markov.- 10 Simulazione di variabili aleatorie.- Appendice.- Tavola della distribuzione normale.- Principali distribuzioni notevoli su R.
Quentin Berger è professore di matematica presso la Sorbonne Université di Parigi dal 2014, al Laboratoire de Probabilités, Statistique et Modélisation, dove insegna probabilità e statistica a diversi livelli, dalla laurea triennale al master. Ha ottenuto il dottorato nel 2012 presso l'École Normale di Lione, prima di fare un postdoc negli Stati Uniti (USC, Los Angeles). I suoi lavori di ricerca riguardano diversi problemi di meccanica statistica all'interfaccia tra probabilità e fisica teorica.
Francesco Caravenna è professore di matematica presso l'Università di Milano-Bicocca dal 2010, dove insegna calcolo delle probabilità e statistica matematica. Ha ottenuto nel 2005 un dottorato congiunto presso le Università di Milano-Bicocca e di Parigi 7 (Denis Diderot), è stato postdoc presso l'Università di Zurigo e successivamente ricercatore presso l'Università di Padova. Le sue ricerche riguardano la teoria della probabilità e le sue applicazioni, in particolare alla meccanica statistica.
Paolo Dai Pra è professore di matematica presso l'Università di Verona dal 2019, dove insegna calcolo delle probabilità e statistica matematica. Dopo aver ottenuto il dottorato nel 1992 negli Stati Uniti (Rutgers University), è stato professore presso l'Università di Padova e il Politecnico di Milano. Le sue ricerche riguardano dinamiche stocastiche per sistemi complessi, in particolare modelli e giochi a campo medio, motivati da problemi in scienze sociali e biologiche.
Il sito utilizza cookie ed altri strumenti di tracciamento che raccolgono informazioni dal dispositivo dell’utente. Oltre ai cookie tecnici ed analitici aggregati, strettamente necessari per il funzionamento di questo sito web, previo consenso dell’utente possono essere installati cookie di profilazione e marketing e cookie dei social media. Cliccando su “Accetto tutti i cookie” saranno attivate tutte le categorie di cookie. Per accettare solo deterninate categorie di cookie, cliccare invece su “Impostazioni cookie”. Chiudendo il banner o continuando a navigare saranno installati solo cookie tecnici. Per maggiori dettagli, consultare la Cookie Policy.