Dieses Lehrbuch führt in 16 einheitlich gegliederten Kapiteln in die Wahrscheinlichkeitstheorie und Statistik ein. Dabei sind die Lernziele und benötigten Vorkenntnisse jeweils angegeben und erleichtern in Kombination mit prägnanten Zusammenfassungen die Orientierung je Kapitel. Dank vieler durchgerechneter Beispiele und Übungsaufgaben mit Lösungen kann das Buch gut zum Selbststudium oder als Begleitliteratur zur Vorlesung verwendet werden.

Nach einer sorgfältigen Einführung der Grundlagen geben weiterführende Kapitel spannende Ausblicke in Anwendungsbereiche der Stochastik und der stochastischen Modellierung etwa Markov-Ketten, stochastische Algorithmen, Warteschlangen und Monte-Carlo-Simulationen. Leserinnen und Leser erhalten so ein solides mathematisches Fundament, um die Stochastik im weiteren Studium und in der Praxis auch in komplexen Situationen anwenden zu können. Das Buch richtet sich an Studierende der Informatik und technischer Fachrichtungen ab dem dritten Studiensemester. Dozenten liefert es eine passgenaue Auswahl für eine einsemestrige Vorlesung.

Grundlagen und anwendungsrelevante Ausblicke für Studierende der Informatik Klare, einheitliche Kapitelstruktur: Lernziele, nötige Vorkenntnisse, Zusammenfassungen Enthält zahlreiche durchgerechnete Beispiele und Übungsaufgaben mit Lösungen

Autorentext
Noemi Kurt ist Juniorprofessorin am Institut für Mathematik der TU Berlin. Ihr Fachgebiet ist die mathematische Stochastik mit Anwendungen in Biologie und Physik.

Inhalt
Endliche Wahrscheinlichkeitsräume.- Bedingte Wahrscheinlichkeiten und Unabhängigkeit.- Diskrete Zufallsvariablen und Verteilungen.- Gemeinsame Verteilung, Unabhängigkeit von Zufallsvariablen.- Kenngrößen für Zufallsvariablen.- Zufallsvariablen mit Dichte.- Grenzwertsätze.- Parameterschätzung.- Konfidenzbereiche.- Hypothesentests.- Markov-Ketten.- Randomisierte Algorithmen: Beispiele und Anwendungen.- Verzweigungsprozesse und erzeugende Funktionen.- Warteschlangenmodelle und Markov-Ketten in stetiger Zeit.- Simulation von Zufallsvariablen, Monte-Carlo Methode.- Markov-Ketten-Monte-Carlo und Konvergenzgeschwindigkeit.<p