概率论和随机过程 第2版

　　This book is primarily based on a one-year course that hasbeen taught for a number of years at Princeton University toadvanced undergraduate and graduate students. During the last yeara similar course has also been taught at the University ofMaryland.
　　We would like to express our thanks to Ms. Sophie Lucas and Prof.Rafael Herrera who read the manu* and suggested manycorrections. We are particularly grateful to Prof. Boris Gurevichfor making many important sug-gestions on both the mathematicalcontent and style.
　　While writing this book， L. Koralov was supported by a NationalSci-ence Foundation grant （DMS-0405152）. Y. Sinai was supported bya National Science Foundation grant （DMS-0600996）.

Part Ⅰ Probability Theory
1 Random Variables and Their Distributions
1.1 Spaces of Elementary Outcomes， a-Algebras， and Measures
1.2 Expectation and Variance of Random Variables on a DiscreteProbability Space
1.3 Probability of a Union of Events
1.4 Equivalent Formulations of a-Additivity， Borel a-Algebras andMeasurability
1.5 Distribution Functions and Densities
1.6 Problems
2 Sequences of Independent Trials
2.1 Law of Large Numbers and Applications
2.2 de Moivre-Laplace Limit Theorem and Applications
2.3 Poisson Limit Theorem.
2.4 Problems
3 Lebesgue Integral and Mathematical Expectation
3.1 Definition of the Lebesgue Integral
3.2 Induced Measures and Distribution Functions
3.3 Types of Measures and Distribution Functions
3.4 Remarks on the Construction of the Lebesgue Measure
3.5 Convergence of Functions， Their Integrals， and the FubiniTheorem
3.6 Signed Measures and the R，adon-Nikodym Theorem
3.7 Lp Spaces
3.8 Monte Carlo Method
3.9 Problems
4 Conditional Probabilities and Independence
4.1 Conditional Probabilities
4.2 Independence of Events， Algebras， and Random Variables
4.3
4.4 Problems
5 Markov Chains with a Finite Number of States
5.1 Stochastic Matrices
5.2 Markov Chains
5.3 Ergodic and Non-Ergodic Markov Chains
5.4 Law of Large Numbers and the Entropy of a Markov Chain
5.5 Products of Positive Matrices
5.6 General Markov Chains and the Doeblin Condition
5.7 Problems
6 Random Walks on the Lattice Zd
6.1 Recurrent and Transient R，andom Walks
6.2 Random Walk on Z and the Refiection Principle
6.3 Arcsine Law
6.4 Gambler's Ruin Problem
6.5 Problems
7 Laws of Larze Numbers
7.1 Definitions， the Borel-Cantelli Lemmas， and the KolmogorovInequality
7.2 Kolmogorov Theorems on the Strong Law of Large Numbers
7.3 Problems
8 Weak Converaence of Measures
8.1 Defnition of Weak Convergence
8.2 Weak Convergence and Distribution Functions
8.3 Weak Compactness， Tightness， and the Prokhorov Theorem
8.4 Problems
9 Characteristic Functions
9.1 Definition and Basic Properties
9.2 Characteristic Functions and Weak Convergence
9.3 Gaussian Random Vectors
9.4 Problems
10 Limit Theorems
10.1 Central Limit Theorem， the Lindeberg Condition
10.2 Local Limit Theorem
10.3 Central Limit Theorem and Renormalization GrOUD Theorv
10.4 Probabilities of Large Deviations
……
Part Ⅱ Random Processes
Index

　　This book is primarily based on a one-year course that hasbeen taught for a number of years at Princeton University toadvanced undergraduate and graduate students. During the last yeara similar course has also been taught at the University ofMaryland.
　　We would like to express our thanks to Ms. Sophie Lucas and Prof.Rafael Herrera who read the manu* and suggested manycorrections. We are particularly grateful to Prof. Boris Gurevichfor making many important sug-gestions on both the mathematicalcontent and style.
　　While writing this book， L. Koralov was supported by a NationalSci-ence Foundation grant （DMS-0405152）. Y. Sinai was supported bya National Science Foundation grant （DMS-0600996）.