Nama Buku
:
Measure Theory and Probability Theory
Penulis
:
Krishna B. Athreya & Soumendra N. Lahiri
Halaman
:
624
Ebook 097 Measure Theory and Probability Theory Krishna B. Athreya & Soumendra N. Lahiri
Buku Measure Theory and Probability Theory ditulis oleh dua ahli statistik dan matematika: Krishna B. Athreya dan Soumendra N. Lahiri, profesor dari Iowa State University yang masing-masing memiliki latar belakang kuat dalam teori probabilitas dan statistika matematikal. Athreya adalah anggota berbagai lembaga statistik terkemuka dan memiliki sejarah panjang dalam penelitian dan pengajaran di bidang probabilitas, sementara Lahiri dikenal atas kontribusinya dalam statistika teoritis dan aplikatif. Buku ini merupakan teks lanjutan tingkat pascasarjana yang menggabungkan measure theory (teori ukuran) dengan probabilitas secara sistematis — mulai dari konsep dasar ukuran dan integrasi, pembangunan ruang Lp, Radon-Nikodym theorem, hingga teori probabilitas tingkat lanjut seperti laws of large numbers, central limit theorem, martingales, Markov chains, serta pengantar proses stokastik. Pendekatan penulis bukan hanya murni teoritis tetapi juga memberikan intuisi yang menghubungkan struktur matematika dengan konsep probabilitas yang lebih luas.
Buku ini terutama digunakan sebagai referensi utama atau buku teks untuk kursus Measure Theory dan Probability Theory di tingkat pascasarjana (PhD/master) dalam jurusan matematika dan statistika. Karena cakupannya yang mendalam dan bahkan mencakup topik lanjutan seperti MCMC (Markov Chain Monte Carlo) dan teori martingale, buku ini juga sangat cocok untuk mahasiswa di ilmu aktuaria, ilmu data dan machine learning teoritis, ekonomi matematis, riset operasional, serta fisika teoritis yang memerlukan landasan probabilitas berbasis ukuran (measure-theoretic) yang kuat. Mahasiswa di program statistik yang tidak memiliki kuliah analisis nyata terpisah pun bisa menggunakan buku ini karena terdapat tinjauan prasyarat di bagian pendahuluan yang mengulas ulang konsep dasar analisis riil yang diperlukan.
Dalam konteks riset, buku ini sangat berharga karena membekali pembaca dengan fondasi matematis yang kuat untuk pengembangan model probabilitas yang rigorous dan analisis data stokastik kompleks. Teknik seperti laws of large numbers, weak convergence, serta teori martingales dan Markov chains merupakan alat penting dalam banyak studi lanjutan, termasuk dalam pengembangan algoritma Monte Carlo dan analisis sistem stokastik. Dalam profesi—terutama di bidang data science, keuangan kuantitatif, pemodelan risiko, machine learning teoritis, dan riset ilmiah lanjutan—kemampuan bekerja dengan probabilitas berbasis investigasi matematis memungkinkan analis atau peneliti membuat model yang lebih akurat dan memahami asumsi dasar dari metode statistik yang mereka gunakan. Buku ini tidak hanya memperluas wawasan matematis tetapi juga menjembatani teori dengan aplikasi lanjutan dalam riset dan karier teknis tingkat tinggi.
Program Mahasiswa Sabi
Kerjain Tugas Lebih Mudah Sambil Sharing dan Belajar Bareng
Mahasiswa Sabi
©Repository Muhammad Surya Putra Fadillah
