运筹学

第1章 微积分和概率论　1.1 积分　1.2 积分求导　1.3 概率的基本法则　1.4 贝叶斯法则　1.5 随机变量、均值、方差和协方差　　1.5.1 离散型随机变量　　1.5.2 连续型随机变量　　　1.5.3 随机变量的均值和方差　　1.5.4 独立随机变量　　1.5.5 两个随机变量的协方差　　1.5.6 随机变量之和的均值、方差与协方差　1.6 正态分布　　1.6.1 正态分布的重要性质　　　1.6.2 利用标准化求正态概率

第1章 微积分和概率论　1.1 积分　1.2 积分求导　1.3 概率的基本法则　1.4 贝叶斯法则　1.5 随机变量、均值、方差和协方差　　1.5.1 离散型随机变量　　1.5.2 连续型随机变量　　　1.5.3 随机变量的均值和方差　　1.5.4 独立随机变量　　1.5.5 两个随机变量的协方差　　1.5.6 随机变量之和的均值、方差与协方差　1.6 正态分布　　1.6.1 正态分布的重要性质　　　1.6.2 利用标准化求正态概率　　1.6.3 利用Excel求正态概率　1.7 z变换　1.8 本章小结　　1.8.1 确定不定积分的公式　　1.8.2 对积分求导的莱布尼兹法则　　1.8.3 概率　　1.8.4 贝叶斯法则　　1.8.5 随机变量、均值、方差和协方差　　1.8.6 正态分布的重要性质　　1.8.7 z变换　1.9 复习题第2章 不确定决策　　2.1 决策准则　　2.1.1 受支配动作　　2.1.2 悲观准则　　2.1.3 乐观准则　　2.1.4 遗憾准则　　2.1.5 预期值准则　2.2 效用理论　　2.2.1 冯·诺依曼摩根斯坦公理　　2.2.2 为什么我们可以假设u（最坏结果）=0和u（最好结果）=1　　2.2.3 评估一个人的效用函数　　2.2.4 一个人的效用函数和他或她面对风险的态度之间的关系　　2.2.5 指数效用函数　2.3 预期效用最大化的缺陷： 前景效用理论和架构效应　　2.3.1 前景效用理论　　2.3.2 架构　2.4 决策树　　2.4.1 将风险规避结合进决策树分析　　2.4.2 样本信息的预期值　　2.4.3 完善信息的预期值　2.5 贝叶斯法则和决策树　2.6 多目标决策　　2.6.1 确定情况下的多属性决策： 目标规划　　2.6.2 多属性效用函数　2.7 解析分层进程　　2.7.1 获得各个目标的权　　2.7.2 检查一致性　　2.7.3 求目标选择的分数　　　2.7.4 在电子表格上实现AHP　2.8 本章小结　　2.8.1 决策准则　　2.8.2 效用理论　　2.8.3 前景效用理论和架构　　2.8.4 决策树　　2.8.5 贝叶斯法则和决策树　　2.8.6 多目标决策　　2.8.7 AHP　2.9 复习题第3章 确定型EOQ存储模型　3.1 基本的存储模型　　……第4章 随机型存储模型第5章 马尔可夫链第6章 确定性动态规划第7章 随机性动态规划第8章 排队论第9章 模拟技术第10章 使用Process Model执行模拟第11章 使用Excel插件@Risk执行模拟第12章 使用Riskoptimizer在不确定情况下实现最优化第13章 期权定价和实际期权第14章 投资组合风险、优化和规避风险第15章 预测模型第16章　布朗运动、随机运算和随机控制

本书针对学习过初级微积分以及概率论与统计学预备课程的高年级大学生或刚入学的研究生。不要求正式学习过概率论。第1章回顾了本书所需要的关于概率论和微积分的知识。　　本书着重讲述了概念的开发，并通过生产、金融和操作领域的应用说明了这些概念。本书扩展了《运筹学——应用范例与解法》中所讲述的概率模型，并更加综合地介绍了一些流行的概念。本书应该适用于下列课程： 　　企业管理学系、运筹学系、数学系、商业学校，以及雇主财务计划中提供的概率论模型或随机过程中的课程。　　运筹学系列中的第二门课程。　　为导引性课程提供足够材料的财务工程学中的课程。