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
ویرایش:
نویسندگان: Gobet. Emmanuel
سری:
ISBN (شابک) : 9781498746250, 1315368757
ناشر: Chapman & Hall/CRC
سال نشر: 2016
تعداد صفحات: 0
زبان: English
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 25 مگابایت
کلمات کلیدی مربوط به کتاب روشهای مونت کارلو و فرآیندهای تصادفی: از خطی به غیر خطی: روش مونت کارلو
در صورت تبدیل فایل کتاب Monte-Carlo methods and stochastic processes: from linear to non-linear 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 روشهای مونت کارلو و فرآیندهای تصادفی: از خطی به غیر خطی 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.
برگرفته از دوره نویسنده در Ecole Polytechnique، روشهای مونت کارلو و فرآیندهای تصادفی: از خطی تا غیر خطی بر شبیهسازی فرآیندهای تصادفی در زمان پیوسته و پیوند آنها با معادلات دیفرانسیل جزئی (PDEs) تمرکز دارد. مسائل خطی و غیرخطی در زیست شناسی، مالی، ژئوفیزیک، مکانیک، شیمی و سایر زمینه های کاربردی را پوشش می دهد. متن همچنین مشکل ادغام عددی و محاسبه انتظارات را با روش مونت کارلو به طور کامل توسعه می دهد. کتاب با تاریخچه ای از روش های مونت کارلو و مروری بر سه مسئله معمولی مونت کارلو آغاز می شود: ادغام عددی و محاسبه انتظارات، شبیه سازی توزیع های پیچیده و بهینه سازی تصادفی. بقیه متن در سه بخش سختی پیش رونده سازماندهی شده است. بخش اول ابزارهای اساسی برای شبیهسازی تصادفی و تحلیل همگرایی الگوریتم ارائه میکند. بخش دوم روش های مونت کارلو را برای شبیه سازی معادلات دیفرانسیل تصادفی تشریح می کند. بخش پایانی شبیه سازی دینامیک غیر خطی را مورد بحث قرار می دهد.
Developed from the author’s course at the Ecole Polytechnique, Monte-Carlo Methods and Stochastic Processes: From Linear to Non-Linear focuses on the simulation of stochastic processes in continuous time and their link with partial differential equations (PDEs). It covers linear and nonlinear problems in biology, finance, geophysics, mechanics, chemistry, and other application areas. The text also thoroughly develops the problem of numerical integration and computation of expectation by the Monte-Carlo method. The book begins with a history of Monte-Carlo methods and an overview of three typical Monte-Carlo problems: numerical integration and computation of expectation, simulation of complex distributions, and stochastic optimization. The remainder of the text is organized in three parts of progressive difficulty. The first part presents basic tools for stochastic simulation and analysis of algorithm convergence. The second part describes Monte-Carlo methods for the simulation of stochastic differential equations. The final part discusses the simulation of non-linear dynamics.