รู้เบื้องต้นเกี่ยวกับความน่าจะเป็นประยุกต์สำหรับนักคณิตศาสตร์บริสุทธิ์หรือไม่?


11

ฉันมีภูมิหลังระดับบัณฑิตศึกษาในวิชาคณิตศาสตร์บริสุทธิ์ (วัดทฤษฎีการวิเคราะห์เชิงหน้าที่ผู้ประกอบการพีชคณิต ฯลฯ ) ฉันยังมีงานที่ต้องใช้ความรู้เกี่ยวกับทฤษฎีความน่าจะเป็นบางอย่าง (จากหลักการพื้นฐานไปจนถึงเทคนิคการเรียนรู้ด้วยเครื่องจักร)

คำถามของฉัน: มีคนให้ข้อมูลการอ่านและการอ้างอิงที่ยอมรับได้ซึ่ง:

  • ทฤษฎีความน่าจะเป็นที่มีอยู่ในตัวเอง
  • อย่าอายไปจากวิธีการวัดเชิงทฤษฎีและบทพิสูจน์
  • ให้ความสำคัญอย่างมากกับเทคนิคที่ใช้

โดยพื้นฐานแล้วฉันต้องการหนังสือที่จะสอนฉันเกี่ยวกับทฤษฎีความน่าจะเป็นที่ประยุกต์ใช้กับนักคณิตศาสตร์ผู้บริสุทธิ์ สิ่งที่เริ่มต้นด้วยสัจพจน์พื้นฐานของทฤษฎีความน่าจะเป็นและแนะนำแนวคิดที่ประยุกต์ใช้ด้วยความแม่นยำทางคณิตศาสตร์

ตามความเห็นฉันจะอธิบายรายละเอียดเกี่ยวกับสิ่งที่ฉันต้องการ ฉันกำลังทำการขุดข้อมูลขั้นพื้นฐานถึงขั้นสูง การถดถอยโลจิสติก, ต้นไม้การตัดสินใจ, สถิติพื้นฐานและความน่าจะเป็น (ความแปรปรวน, ค่าเบี่ยงเบนมาตรฐาน, ความน่าจะเป็น, ความน่าจะเป็น, ความน่าจะเป็น ฯลฯ ), การเรียนรู้ด้วยเครื่องจักรแบบมีผู้สอน

ในใจฉันต้องการหนังสือที่จะเริ่มต้นตั้งแต่ต้น การกำหนดมาตรการความน่าจะเป็น แต่จากนั้นก็แสดงให้เห็นว่าผลลัพธ์เหล่านั้นมีความน่าจะเป็นผลรวมขั้นพื้นฐานอย่างไร จากนั้นก็สามารถเข้าไปที่: Markov Chains, Bayesian .... ทุกคนในขณะที่พูดถึงเหตุผลพื้นฐานที่อยู่เบื้องหลังทฤษฎีการแนะนำแนวคิดด้วยคณิตศาสตร์ที่เข้มงวด แต่จากนั้นแสดงวิธีการใช้วิธีการเหล่านี้ในโลกแห่งความเป็นจริง (โดยเฉพาะกับข้อมูล การทำเหมืองแร่)

  1. มีหนังสือหรือเอกสารอ้างอิงเช่นนี้หรือไม่?

ขอบคุณ!

ป.ล. - ฉันรู้ว่านี่คล้ายกับขอบเขตของคำถามนี้ อย่างไรก็ตามฉันกำลังมองหาทฤษฎีความน่าจะเป็นไม่ใช่สถิติ (คล้ายกับสองฟิลด์)


2
คุณสามารถขยายความหมายของ "เทคนิคการใช้" อย่างย่อ ๆ ได้ไหม? มีทฤษฎีทฤษฎีความน่าจะเป็นเลิศอยู่มากมาย เช่นหนังสือของ Durrett นั้นยอดเยี่ยมสำหรับนักคณิตศาสตร์ที่รู้ทฤษฎีการวัดแล้วและมีตัวอย่างมากมาย เขาไม่ได้จับมือคุณมากพอ ๆ กับตำราอื่น ๆ และเขาก็ไม่สนใจที่จะคัดรายละเอียดในบทพิสูจน์ นี่เป็นสิ่งที่ดีสำหรับผู้ที่มีพื้นฐานทางคณิตศาสตร์ที่แข็งแกร่งอยู่แล้ว
พระคาร์ดินัล

1
เมื่อใช้ฉันหมายถึง: ฉันอยู่ที่ทำงานและฉันต้องใช้ทฤษฎีความน่าจะเป็นจริง ฉันต้องสามารถพูดคุยเกี่ยวกับสิ่งต่าง ๆ พื้นฐานเช่นความแตกต่างระหว่าง "ความน่าจะเป็น" และ "ความน่าจะเป็น" และสิ่งต่าง ๆ เช่นนั้น โดยทั่วไป: คิดว่ามีคนที่ได้เคยเรียนรู้ใด ๆทฤษฎีความน่าจะเป็น แต่พวกเขาก็ยังเป็นนักคณิตศาสตร์ที่รู้จักทฤษฎีการวัด
aaronlevin

2
@aaronlevin จากประสบการณ์ของฉันฟิลด์ที่เราอ้างถึงว่า "ความน่าจะเป็นประยุกต์" เป็นความน่าจะเป็นมากกว่าการใช้ ฉันชอบความน่าจะเป็นประยุกต์และคิวโดยใช้การรักษาที่รัดกุมของมาร์คอฟเชนและกระบวนการสุ่มขั้นพื้นฐานอื่น ๆ และมีภาพประกอบของแบบจำลองความน่าจะเป็นของคิวเป็นต้นอย่างไรก็ตามฉันไม่แน่ใจว่านี่เป็นหนังสือความน่าจะเป็นที่คุณกำลังมองหา คุณทำงานประเภทใด โดย "ใช้งาน" คุณหมายถึง "สถิติ" จริงหรือ
NRH

1
คำถามนี้ค่อนข้างยุ่งยากเนื่องจาก "ความน่าจะเป็นที่ประยุกต์ใช้" อาจเป็นจำนวนเท่าใดก็ได้ มันจะช่วยถ้าคุณบอกเราอีกเล็กน้อยเกี่ยวกับแอปพลิเคชันที่คุณนึกไว้ การวิเคราะห์อัลกอริทึม? ทฤษฎีคิว? ปัญหาทางการเงิน? ฟิสิกส์สถิติ โทรคมนาคม? ยิ่งกว่านั้น "ความน่าจะเป็น" และ "เทคนิคการเรียนรู้ของเครื่อง" เป็นส่วนหนึ่งของสถิติมากกว่าที่พวกเขาเป็นส่วนหนึ่งของทฤษฎีความน่าจะเป็น ทฤษฎีความน่าจะเป็นที่เกี่ยวข้องกับการสร้างแบบจำลองปรากฏการณ์ทางกายภาพในขณะที่สถิติเกี่ยวข้องกับการอนุมานจากการสังเกตของปรากฏการณ์เหล่านั้น
MånsT

1
ที่เกี่ยวข้อง: stats.stackexchange.com/a/7477/2970
คาร์ดินัล

คำตอบ:


4

แม้ว่าฉันจะแน่ใจว่า @ cardinal จะรวมโปรแกรมที่ยอดเยี่ยมเข้าด้วยกันฉันขอพูดถึงหนังสือสองเล่มที่อาจครอบคลุมบางสิ่งที่ OP ขอ

ในอีกด้านที่ฉันจะกล่าวถึงองค์ประกอบของการเรียนรู้ทางสถิติโดย Hastie et al. ซึ่งให้การรักษาหัวข้อและแอปพลิเคชั่นที่ทันสมัยมากมายจากสถิติและการเรียนรู้ของเครื่อง หนังสืออีกเล่มหนึ่งที่ผมจะแนะนำคือในทุกโอกาสโดย Pawitan มันเกี่ยวข้องกับวัสดุทางสถิติที่เป็นมาตรฐานมากขึ้นและการใช้งานและเป็นคณิตศาสตร์มากเกินไป


1
(+1) คำแนะนำที่ดี! ขอขอบคุณที่สละเวลารวบรวมสิ่งเหล่านี้ Kallenberg เป็นครั้งแรกที่พบกับทฤษฎีความน่าจะเป็นแม้สำหรับคนที่มีพื้นหลังในทฤษฎีการวัดอาจเป็นตาดด้านทะเยอทะยาน การมีดัดลีย์ (หรือตำราอื่น ๆ อีกมากมาย) อยู่ในมือจะเพียงพอและอาจจำเป็น
พระคาร์ดินัล

2

สำหรับทฤษฎีการวัดความน่าจะเป็นเบื้องต้นผมขอแนะนำ "ความน่าจะเป็น: ทฤษฎีและตัวอย่าง" ของ Durrett (ไอ 0521765390) กับ Cosma Shalizi ของ "เกือบไม่มีทฤษฎีกระบวนการ Stochastic" ( http: //www.stat.cmu edu / ~ cshalizi / เกือบไม่มีเลย / v0.1.1 / เกือบ-none.pdf ) ฉันยังไม่เจอหนังสือที่สมบูรณ์แบบสำหรับทุกสิ่งหลังจากนั้น การรวมกันของหนังสือของ MacKays (เหมาะสำหรับเครือข่ายประสาท: http://www.inference.phy.cam.ac.uk/itprnn/book.html ), หนังสือแบบกราฟิก Koller and Friedman (ISBN: 0262013193) และผู้สำเร็จการศึกษาที่ดี หนังสือสถิติทางคณิตศาสตร์ระดับอาจทำงานได้

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.