Bewertung:
Die Rezensionen geben gemischte Rückmeldungen über das Buch zur Wahrscheinlichkeitstheorie. Während viele die umfassende Abdeckung und Zugänglichkeit, insbesondere für Nicht-Mathematiker, schätzen, gibt es erhebliche Bedenken hinsichtlich der Präsentation im Kindle-Format und der Relevanz für Anwendungen des maschinellen Lernens.
Vorteile:Das Buch ist als umfassendes Nachschlagewerk für die Wahrscheinlichkeitstheorie sehr empfehlenswert und für Praktiker in verschiedenen Bereichen geeignet. Es erklärt komplexe Themen intuitiv und minimiert die Verwendung der Maßtheorie, wodurch es auch für Nichtfachleute zugänglich ist. Viele Nutzer halten es für unverzichtbar für ihre Arbeit und Anwendungen in der Wahrscheinlichkeitstheorie.
Nachteile:Die Kindle-Version des Buches leidet unter dem Fehlen eines Inhaltsverzeichnisses und Navigationsproblemen, was einige Leser als äußerst frustrierend empfinden. Darüber hinaus gibt es Bedenken hinsichtlich der Relevanz des Buches für das maschinelle Lernen, da einige Rezensenten der Meinung sind, dass das Buch trotz seines Titels zu wenig über dieses Thema aussagt.
(basierend auf 5 Leserbewertungen)
Probability for Statistics and Machine Learning: Fundamentals and Advanced Topics
Kapitel 1. Überblick über die univariate Wahrscheinlichkeit.
- Kapitel 2. Multivariate diskrete Verteilungen. - Kapitel 3.
Mehrdimensionale Dichten.
- Kapitel 4. Fortgeschrittene Verteilungstheorie.
- Kapitel 5. Multivariate Normalverteilungen und verwandte Verteilungen. - Kapitel 6.
Endliche Stichprobentheorie der Ordnungsstatistik und Extrema. - Kapitel 7. Wesentliche Asymptotik und Anwendungen.
- Kapitel 8. Charakteristische Funktionen und Anwendungen.
- Kapitel 9. Asymptotik von Extremen und Ordnungsstatistiken. - Kapitel 10.
Markov-Ketten und Anwendungen.
- Kapitel 11. Zufällige Spaziergänge. - Kapitel 12.
Brownsche Bewegung und Gaußsche Prozesse. - Kapitel 13. Posson-Prozesse und Anwendungen.
- Kapitel 14. Zeitdiskrete Martingale und Konzentrationsungleichungen. - Kapitel 15.
Wahrscheinlichkeitsmetriken. - Kapitel 16. Empirische Prozesse und VC-Theorie.
- Kapitel 17. Große Abweichungen. - Kapitel 18.
Die Exponentialfamilie und statistische Anwendungen. - Kapitel 19. Simulation und Markov-Ketten-Monte-Carlo.
- Kapitel 20. Nützliche Werkzeuge für Statistik und maschinelles Lernen. - Anhang A.
Symbole, nützliche Formeln und Normaltabelle.
| ISBN: | 9781441996336 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Derzeit verfügbar, auf Lager.
