Measure Theory for Analysis and Probability by Goswami, Alok; Rao, B.V.;

Sorozatcím: Indian Statistical Institute Series;

12% KEDVEZMÉNY?

Kiadói listaár EUR 69.54
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

28 841 Ft (27 468 Ft + 5% áfa)
Kedvezmény(ek) 12% (cc. 3 461 Ft off)
Kedvezményes ár 25 380 Ft (24 172 Ft + 5% áfa)

25 380 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadás sorszáma 2024
Kiadó Springer Nature Singapore
Megjelenés dátuma 2025. március 11.
Kötetek száma 1 pieces, Book

ISBN 9789819779284
Kötéstípus Keménykötés
Terjedelem377 oldal
Méret 235x155 mm
Nyelv angol
Illusztrációk X, 377 p. 1 illus. Illustrations, black & white

Kategóriák

Analízis Valószínűségelmélet és matematikai statisztika Alkalmazott matematika

Hosszú leírás:

This book covers major measure theory topics with a fairly extensive study of their applications to probability and analysis. It begins by demonstrating the essential nature of measure theory before delving into the construction of measures and the development of integration theory. Special attention is given to probability spaces and random variables/vectors. The text then explores product spaces, Radon–Nikodym and Jordan–Hahn theorems, providing a detailed account of Lp spaces and their duals. After revisiting probability theory, it discusses standard limit theorems such as the laws of large numbers and the central limit theorem, with detailed treatment of weak convergence and the role of characteristic functions.

The book further explores conditional probabilities and expectations, preceded by motivating discussions. It discusses the construction of probability measures on infinite product spaces, presenting Tulcea’s theorem and Kolmogorov’s consistency theorem. The text concludes with the construction of Brownian motion, examining its path properties and the significant strong Markov property. This comprehensive guide is invaluable not only for those pursuing probability theory seriously but also for those seeking a robust foundation in measure theory to advance in modern analysis. By effectively motivating readers, it underscores the critical role of measure theory in grasping fundamental probability concepts.

Több

Tartalomjegyzék:

1. Measure Theory: Why and What.- 2. Measures: Construction and Properties.- 3. Measurable Functions and Integration.- 4. Random Variables and Random Vectors.- 5. Product Spaces.- 6. Radon-Nikodym Theorem and Lp Spaces.- 7. Convergence and Laws of Large Numbers.- 8. Weak convergence and Central Limit Theorem.- 9. Conditioning: The Right Approach.- 10. Infinite Products.- 11. Brownian Motion: A Brief Journey.