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: ریاضیات محاسباتی ویرایش: نویسندگان: Dirk P. Kroese, Thomas Taimre, Zdravko I. Botev سری: ناشر: Wiley سال نشر: 2011 تعداد صفحات: 775 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
کلمات کلیدی مربوط به کتاب کتاب راهنمای روش های مونت کارلو: ریاضیات، ریاضیات محاسباتی
در صورت تبدیل فایل کتاب Handbook of Monte Carlo Methods 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 کتاب راهنمای روش های مونت کارلو 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.
مروری جامع از شبیهسازی مونت کارلو که جدیدترین موضوعات، تکنیکها و برنامههای کاربردی دنیای واقعی را بررسی میکند، بیشتر و بیشتر مسائل عددی امروزی که در مهندسی و مالی یافت میشوند، از طریق روشهای مونت کارلو حل میشوند. محبوبیت روزافزون این روش ها و توسعه مداوم آنها، درک جامعی از رویکرد مونت کارلو را برای محققان مهم می کند. هندبوک روشهای مونت کارلو تئوری، الگوریتمها و کاربردهایی را ارائه میکند که به ارائه درک کاملی از پویاییهای نوظهور این حوزه به سرعت در حال رشد کمک میکند. نویسندگان با بحث در مورد اصولی مانند نحوه تولید اعداد تصادفی در رایانه شروع می کنند. فصلهای بعدی موضوعات و روشهای کلیدی مونت کارلو را مورد بحث قرار میدهند، از جمله: متغیر تصادفی و تولید فرآیند تصادفی زنجیره مارکوف مونت کارلو، شامل الگوریتمهای کلیدی مانند روش متروپلیس-هیستینگ، نمونهگر گیبس، و تکنیکهای شبیهسازی رویداد گسسته ضربه و اجرا برای تجزیه و تحلیل آماری داده های شبیه سازی شامل روش دلتا، تخمین حالت پایدار و تخمین تراکم هسته کاهش واریانس، از جمله نمونه برداری اهمیت، نمونه برداری ابرمکعب لاتین، و تخمین مونت کارلو مشروط مشتقات و تحلیل حساسیت موضوعات پیشرفته شامل آنتروپی متقابل، رویدادهای نادر ، تخمین چگالی هسته، شبه مونت کارلو، سیستم های ذرات، و بهینه سازی تصادفی مفاهیم نظری ارائه شده با مثال های کار شده که از MATLAB استفاده می کنند، نشان داده شده است، یک وب سایت مرتبط کد متلب را در خود جای داده است، و به خوانندگان اجازه می دهد تا با مواد و همچنین ویژگی ها کار کنند. نویسندگان یادداشت های سخنرانی خود را در مورد روش های مونت کارلو دارند. ضمائم مفصل مطالب زمینه ای در مورد نظریه احتمال، فرآیندهای تصادفی، و آمار ریاضی و همچنین مفاهیم کلیدی بهینه سازی و تکنیک های مرتبط با شبیه سازی مونت کارلو را ارائه می دهند. هندبوک روشهای مونت کارلو یک مرجع عالی برای آماردانان کاربردی و پزشکان شاغل در زمینههای مهندسی و مالی است که از مونت کارلو در تحقیقات خود استفاده میکنند یا میخواهند یاد بگیرند که چگونه از مونت کارلو استفاده کنند. همچنین مکمل مناسبی برای دروس روش های مونت کارلو و آمار محاسباتی در مقاطع فوق لیسانس و فوق لیسانس می باشد.
A comprehensive overview of Monte Carlo simulation that explores the latest topics, techniques, and real-world applications More and more of todays numerical problems found in engineering and finance are solved through Monte Carlo methods. The heightened popularity of these methods and their continuing development makes it important for researchers to have a comprehensive understanding of the Monte Carlo approach. Handbook of Monte Carlo Methods provides the theory, algorithms, and applications that helps provide a thorough understanding of the emerging dynamics of this rapidly-growing field. The authors begin with a discussion of fundamentals such as how to generate random numbers on a computer. Subsequent chapters discuss key Monte Carlo topics and methods, including: Random variable and stochastic process generation Markov chain Monte Carlo, featuring key algorithms such as the Metropolis-Hastings method, the Gibbs sampler, and hit-and-run Discrete-event simulation Techniques for the statistical analysis of simulation data including the delta method, steady-state estimation, and kernel density estimation Variance reduction, including importance sampling, latin hypercube sampling, and conditional Monte Carlo Estimation of derivatives and sensitivity analysis Advanced topics including cross-entropy, rare events, kernel density estimation, quasi Monte Carlo, particle systems, and randomized optimization The presented theoretical concepts are illustrated with worked examples that use MATLAB , a related Web site houses the MATLAB code, allowing readers to work hands-on with the material and also features the authors own lecture notes on Monte Carlo methods. Detailed appendices provide background material on probability theory, stochastic processes, and mathematical statistics as well as the key optimization concepts and techniques that are relevant to Monte Carlo simulation. Handbook of Monte Carlo Methods is an excellent reference for applied statisticians and practitioners working in the fields of engineering and finance who use or would like to learn how to use Monte Carlo in their research. It is also a suitable supplement for courses on Monte Carlo methods and computational statistics at the upper-undergraduate and graduate levels.