Introdução à probabilidade aplicada para matemáticos puros?


11

Tenho formação em matemática pura (Teoria da Medida, Análise Funcional, Álgebra do Operador, etc.). Também tenho um trabalho que exige algum conhecimento da teoria das probabilidades (dos princípios básicos às técnicas de aprendizado de máquina).

Minha pergunta: alguém pode fornecer alguns materiais de leitura e referência canônicos que:

  • Introdução independente à teoria das probabilidades
  • Não se coíbe de medir metodologias e provas teóricas
  • Dê uma forte ênfase às técnicas aplicadas.

Basicamente, quero um livro que me ensine a teoria da probabilidade aplicada voltada para matemáticos puros. Algo começando com os axiomas básicos da teoria das probabilidades e introduzindo conceitos aplicados com rigor matemático.

Conforme os comentários, vou elaborar o que eu preciso. Estou fazendo mineração de dados básica a avançada. Regressão logística, árvores de decisão, estatísticas básicas e probabilidade (variação, desvio padrão, probabilidade, probabilidade, probabilidade etc.), aprendizado de máquina supervisionado e não supervisionado (principalmente agrupamento (K-Means, Hierarchal, SVM)).

Com o exposto, quero um livro que comece do começo. Definir medidas de probabilidade, mas também mostrar como elas resultam em probabilidades básicas de soma (que eu sei, intuitivamente, acontecem pela integração em conjuntos discretos). A partir daí, poderia entrar em: cadeias de Markov, Bayesiana ... o tempo todo discutindo o raciocínio fundamental por trás da teoria, introduzindo os conceitos com matemática rigorosa, mas depois mostrando como esses métodos são aplicados no mundo real (especificamente para dados mineração).

  1. Existe esse livro ou referência?

Obrigado!

PS - Eu sei que isso é semelhante em escopo a esta pergunta . No entanto, estou procurando pela teoria das probabilidades e não pelas estatísticas (tão semelhantes quanto os dois campos).


2
Você pode expandir brevemente o que você entende por "técnicas aplicadas"? Existem muitos textos excelentes da teoria das probabilidades; por exemplo, o livro de Durrett é excelente para matemáticos que já conhecem a teoria da medida e está repleto de exemplos. Ele não segura sua mão tanto quanto outros textos, nem se importa em encobrir os detalhes nas provas. Isso é realmente bom para aqueles com um histórico de matemática já sólido.
cardeal

1
Por aplicada, quero dizer: estou no trabalho e preciso realmente usar a teoria das probabilidades. Eu tenho que poder falar sobre coisas básicas, como a diferença entre "probabilidade" e "probabilidade" e coisas assim. Basicamente: imagine alguém que nunca aprendeu nenhuma teoria das probabilidades. Mas eles também são um matemático que conhece a teoria da medida.
aaronlevin

2
@aaronlevin, na minha experiência, o campo que chamamos de "Probabilidade Aplicada" tem muito mais probabilidade do que o aplicado. Gosto de Probabilidades e Filas Aplicadas , com um tratamento conciso das cadeias de Markov e outros processos estocásticos fundamentais e com muitas ilustrações de modelos probabilísticos de Filas etc. No entanto, não tenho certeza se este é o livro de probabilidades que você está procurando. Que tipo de trabalho você faz? Por "aplicado" você realmente quer dizer "estatística"?
NRH

1
Essa pergunta é um pouco complicada, já que "probabilidade aplicada" pode ser uma série de coisas. Ajudaria se você nos dissesse um pouco mais sobre que tipo de aplicativos você tem em mente. Análise de algoritmo? Teoria das filas? Problemas financeiros? Física estatística? Telecomunicações? Além disso, "verossimilhança" e "técnicas de aprendizado de máquina" fazem mais parte da estatística do que fazem parte da teoria da probabilidade. Muito grosso modo, a teoria da probabilidade preocupa-se em modelar fenômenos físicos, enquanto a estatística preocupa-se com a inferência das observações desses fenômenos.
MånsT

Respostas:


4

Embora eu tenha certeza de que o @cardinal também criará um excelente programa, deixe-me mencionar alguns livros que podem cobrir algumas das coisas que o OP está pedindo.

Recentemente, deparei com Anirban DasGupta, Probabilidade para estatística e aprendizado de máquina , que me parece cobrir muitos dos tópicos probabilísticos solicitados. É bastante matemático em seu estilo, embora não pareça ser um "núcleo duro" da teoria teórica. Os melhores livros "hard core" são, na minha opinião, Real Analysis and Probability, de Dudley, e Foundations of Modern Probability, de Kallenberg. Esses dois livros muito matemáticos devem estar acessíveis, dado o histórico dos OPs na análise funcional e na álgebra do operador eles podem até ser divertidos. Nenhum deles tem muito a dizer sobre aplicativos.

No lado mais aplicado, mencionarei definitivamente Elements of Statistical Learning de Hastie et al., Que fornece um tratamento de muitos tópicos e aplicativos modernos a partir de estatística e aprendizado de máquina. Outro livro que eu recomendarei é In All Likelihood, de Pawitan. Ele lida com material estatístico e aplicações mais padronizadas e também é bastante matemático.


1
(+1) Boas sugestões! Obrigado por reservar um tempo para reuni-las. Kallenberg como um primeiro encontro com a teoria da probabilidade, mesmo para alguém com formação em teoria da medida, pode ser um pouco ambicioso. Ter Dudley (ou qualquer outro texto) em mãos seria suficiente e, talvez, necessário.
cardeal

2

Para uma introdução à probabilidade baseada na teoria das medidas, recomendo "Probabilidade: Teoria e Exemplos" de Durrett (ISBN 0521765390) com "Quase Nada da Teoria dos Processos Estocásticos" de Cosma Shalizi (disponível de forma gratuita e disponível em http: //www.stat.cmu. edu / ~ cshalizi / quase-nenhum / v0.1.1 / quase-nenhum.pdf ). Não encontrei um livro perfeito e completo para tudo depois disso. Alguma combinação do livro de MacKays (bom para redes neurais: http://www.inference.phy.cam.ac.uk/itprnn/book.html ), o livro de modelos gráficos de Koller e Friedman (ISBN: 0262013193) e uma boa graduação livro de estatísticas matemáticas de nível pode funcionar.

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.