Ocena:

Książka służy jako tekst wprowadzający do teorii prawdopodobieństwa z naciskiem na teorię miary. Podczas gdy wielu recenzentów docenia jej jasne wyjaśnienia i zwięzłe omówienie najważniejszych tematów, pojawiają się istotne uwagi krytyczne dotyczące rygoru dowodów, potrzeby dodatkowych zasobów, zwięzłości treści i niektórych kwestii związanych z formatowaniem. Uznaje się, że książka jest odpowiednia dla osób z podstawową wiedzą na temat analizy rzeczywistej.
Zalety:⬤ Przejrzyste wyjaśnienia i dobrze zorganizowana treść do nauki wprowadzającej.
⬤ Obejmuje najważniejsze tematy w zwięzły sposób.
⬤ Dobra motywacja pojęć.
⬤ Odpowiednia dla nowych adeptów teorii miary prawdopodobieństwa.
⬤ Otrzymał pochwały za styl pisania i dokładność.
⬤ Niektórym czytelnikom może brakować rygoru i szczegółów w dowodach.
⬤ Kompaktowość skutkuje niewystarczającą ilością wyjaśnień dla niektórych tematów.
⬤ Ćwiczenia często nie zawierają rozwiązań.
⬤ Prezentacja może sprawiać wrażenie zagraconej małym drukiem i gęstymi równaniami.
⬤ Niektórzy recenzenci stwierdzili, że jest to trudna pozycja dla początkujących bez solidnych podstaw w analizie rzeczywistej.
(na podstawie 35 opinii czytelników)
First Look at Rigorous Probability Theory, a (2nd Edition)
Niniejszy podręcznik stanowi wprowadzenie do teorii prawdopodobieństwa z wykorzystaniem teorii miary. Jest przeznaczony dla studentów różnych kierunków (matematyka, statystyka, ekonomia, zarządzanie, finanse, informatyka i inżynieria), którzy potrzebują praktycznej wiedzy z teorii prawdopodobieństwa, która jest matematycznie precyzyjna, ale bez nadmiernych szczegółów technicznych.
Tekst zawiera kompletne dowody wszystkich istotnych wyników wprowadzających. Niemniej jednak, traktowanie jest skoncentrowane i przystępne, z teorią miary i matematycznymi szczegółami przedstawionymi w kategoriach intuicyjnych koncepcji probabilistycznych, a nie jako oddzielne, narzucające się tematy.
W tym nowym wydaniu dodano wiele ćwiczeń i małych dodatkowych tematów, a istniejące zostały rozszerzone. Tekst zachowuje odpowiednią równowagę, rygorystycznie rozwijając teorię prawdopodobieństwa, a jednocześnie unikając zbędnych szczegółów.