Applied Stochastic Modeling: Synthesis Lectures on Mathematics & Statistics

Evoluția modelării stocastice în ultimul deceniu reflectă o tranziție necesară de la demonstrații pur teoretice către instrumente computaționale capabile să gestioneze date biologice și epidemiologice complexe. Lucrarea Applied Stochastic Modeling, semnată de Liliana Blanco-Castañeda și Viswanathan Arunachalam, se ancorează în această tendință, oferind un aparat matematic riguros, dar adaptat nevoilor de simulare contemporane. Remarcăm capacitatea autorilor de a sintetiza fundamentele proceselor aleatorii într-un volum de dimensiuni reduse, fără a sacrifica precizia necesară unui curs universitar de nivel intermediar.

Structura volumului urmărește o progresie logică, de la bazele lanțurilor Markov cu parametri de timp discreți, către modele mai complexe, precum procesele de ramificare și modelele Markov ascunse (Hidden Markov Models). Suntem de părere că includerea proceselor Poisson și a extensiilor acestora oferă baza necesară pentru a înțelege dinamica sistemelor în timp continuu, un aspect esențial în cercetarea științifică actuală. Ultimul capitol subliniază relevanța practică a textului, abordând studii de caz specifice, cum ar fi modelarea pandemiei COVID-19 și dinamica mișcării populațiilor de animale.

Această ediție din 2023 publicată de Springer completează perspectiva oferită de An Introduction to Stochastic Processes with Applications to Biology de Linda J. S. Allen. În timp ce lucrarea lui Allen se concentrează extensiv pe genetica populațiilor și cinetica medicamentelor, volumul de față adaugă o componentă modernă de modelare a epidemiilor globale și pune un accent mai mare pe metodele de simulare direct aplicabile în ecologia computațională. Față de abordările introductive axate pe programare, precum Introduction to Stochastic Processes Using R, acest text prioritizează rigoarea analitică, oferind demonstrațiile matematice care stau la baza algoritmilor de calcul.