دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: آمار ریاضی ویرایش: 1 نویسندگان: Winfried K. Grassmann (auth.), Winfried K. Grassmann (eds.) سری: International Series in Operations Research & Management Science 24 ISBN (شابک) : 9781441951007, 9781475748284 ناشر: Springer US سال نشر: 2000 تعداد صفحات: 487 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب احتمال محاسبه: تحقیق در عملیات/نظریه تصمیم گیری، نظریه احتمال و فرآیندهای تصادفی، آمار، عمومی
در صورت تبدیل فایل کتاب Computational Probability به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب احتمال محاسبه نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پیشرفت های بزرگی در سال های اخیر در زمینه احتمال محاسباتی
صورت گرفته است. به طور خاص، وضعیت هنر - همانطور که به سیستم
های صف بندی، شبکه های پتری تصادفی و سیستم هایی که با قابلیت
اطمینان سروکار دارند مربوط می شود - به طور قابل توجهی از این
پیشرفت ها سود برده است. هدف این کتاب این است که این موضوعات
را برای محققان، دانشجویان تحصیلات تکمیلی و شاغلین در دسترس
قرار دهد. دقت زیادی به کار گرفته شد تا نمایشگاه تا حد امکان
واضح باشد. هر سطر در کتاب ارزیابی شده است و هر زمان که احساس
می شد که شرح اولیه به اندازه کافی برای خوانندگان مورد نظر
واضح نیست، تغییراتی ایجاد شده است.
کار پژوهشگران بزرگ در این زمینه شامل فصول جداگانه احتمال
محاسباتی است. فصل اول، چالشهای احتمال محاسباتی را به
زبان غیر ریاضی توضیح میدهد. فصل 2 روش های موجود برای به دست
آوردن ماتریس های انتقالی برای زنجیره های مارکوف را با تاکید
ویژه بر شبکه های پتری تصادفی توضیح می دهد. فصل 3 چگونگی یافتن
احتمالات گذرا و پاداش های گذرا را برای این زنجیره های مارکوف
مورد بحث قرار می دهد. دو فصل بعدی نشان می دهد که چگونه می
توان احتمالات حالت پایدار را برای زنجیره های مارکوف با تعداد
محدودی از حالت ها پیدا کرد. هر دو روش مستقیم و تکراری در فصل
4 توضیح داده شده اند. جزئیات این روش ها در فصل 5 ارائه شده
است. فصل های 6 و 7 به زنجیره های مارکوف با حالت بی نهایت می
پردازد که اغلب در صف ها رخ می دهد، زیرا مواقعی وجود دارد که
فرد نمی خواهد یک را تنظیم کند. محدود به تمام صف ها فصل 8 به
تبدیل ها، به ویژه تبدیل های لاپلاس می پردازد. کار وارد ویت و
همکارانش که اخیراً تعدادی روش عددی را برای وارونگی تبدیل
لاپلاس توسعه دادهاند، در این فصل مورد تأکید قرار گرفته است.
در نهایت، اگر کسی بخواهد یک سیستم را بهینه کند، یکی از
راههای انجام بهینهسازی، تصمیمگیری مارکوف است که در فصل 9
توضیح داده شد. صف ها، فصل 11 شبکه های صف را توصیف می کند و
فصل 12 به نظریه قابلیت اطمینان می پردازد.
Great advances have been made in recent years in the field of
computational probability. In particular, the state of the
art - as it relates to queuing systems, stochastic Petri-nets
and systems dealing with reliability - has benefited
significantly from these advances. The objective of this book
is to make these topics accessible to researchers, graduate
students, and practitioners. Great care was taken to make the
exposition as clear as possible. Every line in the book has
been evaluated, and changes have been made whenever it was
felt that the initial exposition was not clear enough for the
intended readership.
The work of major research scholars in this field comprises
the individual chapters of Computational
Probability. The first chapter describes, in
nonmathematical terms, the challenges in computational
probability. Chapter 2 describes the methodologies available
for obtaining the transition matrices for Markov chains, with
particular emphasis on stochastic Petri-nets. Chapter 3
discusses how to find transient probabilities and transient
rewards for these Markov chains. The next two chapters
indicate how to find steady-state probabilities for Markov
chains with a finite number of states. Both direct and
iterative methods are described in Chapter 4. Details of
these methods are given in Chapter 5. Chapters 6 and 7 deal
with infinite-state Markov chains, which occur frequently in
queueing, because there are times one does not want to set a
bound for all queues. Chapter 8 deals with transforms, in
particular Laplace transforms. The work of Ward Whitt and his
collaborators, who have recently developed a number of
numerical methods for Laplace transform inversions, is
emphasized in this chapter. Finally, if one wants to optimize
a system, one way to do the optimization is through Markov
decision making, described in Chapter 9. Markov modeling has
found applications in many areas, three of which are
described in detail: Chapter 10 analyzes discrete-time
queues, Chapter 11 describes networks of queues, and Chapter
12 deals with reliability theory.
Front Matter....Pages i-viii
Computational Probability: Challenges and Limitations....Pages 1-9
Tools for Formulating Markov Models....Pages 11-41
Transient Solutions for Markov Chains....Pages 43-79
Numerical Methods for Computing Stationary Distributions of Finite Irreducible Markov Chains....Pages 81-111
Stochastic Automata Networks....Pages 113-151
Matrix Analytic Methods....Pages 153-203
Use of Characteristic Roots for Solving Infinite State Markov Chains....Pages 205-255
An Introduction to Numerical Transform Inversion and Its Application to Probability Models....Pages 257-323
Optimal Control of Markov Chains....Pages 325-363
On Numerical Computations of Some Discrete-Time Queues....Pages 365-408
The Product form Tool for Queueing Networks....Pages 409-443
Techniques for System Dependability Evaluation....Pages 445-479
Back Matter....Pages 481-490