BerkeleySTAT150
- 难度
- 见前置条件
- 形式
- 大学课程
- 语言
- 英文
- 规模
- 38 个课节
- 内容费用
- 部分免费
- 动手
- 需要动手环境
使用限制
大纲与作业题公开;指定教材只在 Berkeley 校园网络免费。
- 学习材料
- 指定教材仅在 Berkeley 校园网络免费,校外需购买或借阅
第一次学这门课?先完成学前准备,把课程目录搭好。
每节课这样学
- 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
- 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
- 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「UC Berkeley STAT150:Stochastic Processes(2024 春)」。课程目录是 berkeley-stat150-spring2024/(不知道完整路径就先问我)。 1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。 2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。 3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。 4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。 5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。 边界: - 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。 - 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。 - 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。
课节共 38 节 · 官方顺序
- 01Week 1, Jan 17: Outline of course, Conditional probability and conditional expectation (PK 2.1), Random sums (PK 2.3)
- 02Week 1, Jan 19: Random sums (PK 2.3), Markov chains (PK 3.1, D 1.1-1.2)
- 03Week 2, Jan 22: Markov chains (PK 3.1-3.3, D 1.1-1.2)
- 04Week 2, Jan 24: Markov chains (PK 3.3-3.4, D 1.9-1.10)
- 05Week 2, Jan 26: Markov chains (PK 3.3-3.6)
- 06Week 3, Jan 29: Markov chains (PK 3.5-3.6)
- 07Week 3, Jan 31: Branching process (PK 3.8)
- 08Week 3, Feb 2: Branching process (PK 3.9)
- 09Week 4, Feb 5: Long-run behavior of Markov chains (PK 4.1, 4.2)
- 10Week 4, Feb 7: Long-run behavior of Markov chains (PK 4.2)
- 11Week 4, Feb 9: Long-run behavior of Markov chains (PK 4.2, 4.3)
- 12Week 5, Feb 12: Long-run behavior of Markov chains (PK 4.3)
展开其余 26 节
- 13Week 5, Feb 14: Long-run behavior of Markov chains (PK 4.4)
- 14Week 5, Feb 16: Long-run behavior of Markov chains (PK 4.4)
- 15Week 6, Feb 21: Poisson process (PK 5.1)
- 16Week 6, Feb 23: Poisson process (PK 5.2)
- 17Week 7, Feb 28: Poisson process (PK 5.2, Durrett 2.1, 2.2)
- 18Week 7, Mar 1: Poisson process (PK 5.3, Durrett 2.2)
- 19Week 8, Mar 4: Poisson process (PK 5.4), Conditioning on a continuous random variable (assigned reading: PK 2.4)
- 20Week 8, Mar 6: Poisson process (PK 5.4)
- 21Week 8, Mar 8: Poisson process (PK 5.4)
- 22Week 9, Mar 11: Poisson process (Durrett 2.4.1, 2.4.2)
- 23Week 9, Mar 13: Renewal process (Durrett 3.1)
- 24Week 9, Mar 15: Renewal process (Durrett 3.1, PK 7.5)
- 25Week 10, Mar 18: Renewal process (Durrett 3.2, PK 7.3)
- 26Week 10, Mar 20: Renewal process (Durrett 3.3.2)
- 27Week 10, Mar 22: Continuous time Markov chains (Durrett 4.1)
- 28Week 12, Apr 1: Continuous time Markov chains (Durrett 4.1)
- 29Week 12, Apr 3: Continuous time Markov chains (Durrett 4.1, 4.2)
- 30Week 12, Apr 5: Continuous time Markov chains (Durrett 4.2)
- 31Week 13, Apr 10: Continuous time Markov chains (Durrett 4.3)
- 32Week 13, Apr 12: Continuous time Markov chains (Durrett 4.3, 4.4)
- 33Week 14, Apr 15: Continuous time Markov chains (Durrett 4.4), Martingales (Durrett 5.1)
- 34Week 14, Apr 17: Martingales (Durrett 5.1)
- 35Week 14, Apr 19: Martingales (Durrett 5.2)
- 36Week 15, Apr 22: Martingales (Durrett 5.2, 5.3)
- 37Week 15, Apr 24: Martingales (Durrett 5.3)
- 38Week 15, Apr 26: Martingales (Durrett 5.3, 5.4.1)
来源与使用须知
- 原始资源
- UC Berkeley STAT150 收录版本:2024 春
- 收录时间
- 本站首次收录 2026-10-10
- 指南参考
- 官方课程入口与课节顺序
版权与转载
- 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。