7.1 基本概念与性质 7.2 Gauss:过程 7.3 Brown运动的鞅性质 7.4 Brown运动的Markov性 7.5 Brown运动的最大值变量及反正弦律 7.6 Brown运动的几种变化 7.7 高维Brown运动

·6.1基本概念 ·6.2鞅的停时定理及其应用 ·6.3一致可积性 ·6.4鞅收敛定理 ·6.5连续鞅

5.1 基本概念 5.2 状态的分类及性质 5.3 极限定理及平稳分布 5.4 Markov链的应用 5.5 连续时间Markov链

·4.1更新过程定义及若干分布 ·4.2更新方程及其应用 ·4.3更新定理 ·4.4更新过程的推广

3.1 Poisson过程 3.2 与Poisson过程相联系的若干分布 3.3 Poisson过程的推广

2.1基本概念 2.2有限维分布与Kolmogorov定理 2.3随机过程的基本类型

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

§11.1 计算积分的Monte Carlo方法 §11.2 Markov链Monte Carlo方法简介 §11.3 Metropolis-Hastings算法 §11.4 Gibbs抽样 §11.5 贝叶斯MCMC估计方法

●10.1基本概念 ●10.2经典破产理论介绍

1 K-Means 聚类算法 (Clustering Algorithm) 解释 Explanation 收敛性 Convergence of K-Means 矩阵建模 Matrix Modelling of K-Means 2 网页排序 PageRank 动机 Motivation 简单网页排序 Simplified PageRank 网页排序建模 PageRank Modelling 例子 Example