概率与计算:算法和数据分析中的随机化和概率性技术 本版大幅扩充,仅需要离散数学的基础知识即可,为现代计算机科学中随机化和概率性技术的作用提供了全面的介绍。新增章节和部分涵盖了正态分布、样本复杂性、VC维度、Rademacher复杂性、幂律及相关分布、布谷鸟哈希(Cuckoo Hashing)以及Lovasz局部引理等主题。与机器学习和大数据分析相关的材料使学生能够学习现代技术和应用。其中众多的新练习和示例包括与编程相关的练习,为学生解决相关问题提供了极佳的培训。本书为计算机科学和应用数学高级本科生一学期或两学期课程提供了不可或缺的教学工具。 内容 第1章 事件与概率 第2章 离散随机变量与期望值 第3章 矩与偏差 第4章 Chernoff界与Hoeffding界 第5章 球、箱与随机图 第6章 概率性方法 第7章 马尔可夫链与随机游走 第8章 连续分布与泊松过程 第9章 正态分布 第10章 熵、随机性与信息 第11章 蒙特卡洛方法 第12章 马尔可夫链的耦合 第13章 鞅(Martingales) 第14章 样本复杂性、VC维度与Rademacher复杂性 第15章 两两独立与通用哈希函数 第16章 幂律与相关分布 第17章 平衡分配与布谷鸟哈希