Monte Carlo Strategies in Scientific Computing

این نسخه شومیز چاپی مجدد از نسخه 2001 اسپرینگر است.

این کتاب یک درمان مستقل و به روز از مونت کارلو ارائه می دهد. روش و چارچوب مشترکی را ایجاد می کند که تحت آن می توان تکنیک های مختلف مونت کارلو را "استاندارد" و مقایسه کرد. با توجه به ماهیت بین رشته ای موضوعات و پیش نیاز متوسطی برای خواننده، این کتاب باید مورد توجه مخاطبان وسیعی از محققان کمی مانند زیست شناسان محاسباتی، دانشمندان کامپیوتر، اقتصاددانان، مهندسان، احتمال دانان و آماردانان باشد. همچنین می تواند به عنوان کتاب درسی برای دوره های تحصیلات تکمیلی در مورد روش های مونت کارلو استفاده شود. بسیاری از مشکلاتی که در فصول جایگزین مورد بحث قرار می گیرند، می توانند موضوعات بالقوه پایان نامه برای کارشناسی ارشد یا دکتری باشند. دانشجویان در بخش های آمار یا علوم کامپیوتر.

جون لیو، استاد آمار در دانشگاه هاروارد، با انتصاب استاد محترمانه در بخش آمار زیستی هاروارد است. پروفسور لیو در سال 2002 جایزه روسای جمهور COPSS را دریافت کرد، که معتبرترین جایزه برای آماردانان بود و سالانه توسط پنج انجمن آماری پیشرو به یک فرد زیر 40 سال اعطا شد. او در سال 1995 توسط دانشگاه استنفورد به عنوان همکار ترمن انتخاب شد و به عنوان مدال انتخاب شد. مدرس توسط مؤسسه آمار ریاضی (IMS) در سال 2002، و به عنوان مدرس برنولی توسط انجمن بین المللی برنولی در سال 2004. او در سال 2004 به عنوان عضو IMS و در سال 2005 عضو انجمن آماری آمریکا انتخاب شد. او و همکارانش بیش از 130 مقاله تحقیقاتی و فصل کتاب در مورد مدل‌سازی و محاسبات بیزی، بیوانفورماتیک، ژنتیک، پردازش سیگنال، سیستم‌های دینامیکی تصادفی، روش‌های مونت کارلو و آمار نظری منتشر کرده‌اند.

\"یک بررسی عالی از مونت فعلی روش‌های کارلو. کاربردها ارتباط این رویکرد با محاسبات مدرن را به خوبی نشان می‌دهند. این کتاب به شدت توصیه می‌شود. فرآیند، مشترکات را در میان تکنیک‌های به ظاهر متفاوت که در حوزه‌های مختلف کاربرد پدید آمده‌اند، آشکار می‌کند و مورد بحث قرار می‌دهد. … کتاب به خوبی سازماندهی شده است. جریان موضوعات از یک توسعه منطقی پیروی می کند. ... پوشش به روز و جامع است و بنابراین این کتاب منبع خوبی برای افرادی است که در مورد روش های مونت کارلو تحقیق می کنند. ... این کتاب یک متن تکمیلی عالی برای یک دوره در محاسبات علمی خواهد بود... .\" (بررسی SIAM)

\"قدرت این کتاب در کنار هم قرار دادن روش های پیشرفته مونت کارلو (MC) است که در بسیاری از رشته ها ... در سرتاسر کتاب نمونه هایی از تکنیک های ابداع شده، یا ابداع مجدد، در زمینه های مختلف است که ممکن است در جاهای دیگر به کار گرفته شوند. ... کسانی که علاقه مند به استفاده از MC برای حل مسائل دشوار هستند، ایده های بسیاری را که از رشته های مختلف گردآوری شده اند و منابعی برای مطالعه بیشتر پیدا خواهند کرد.\" (تکنومتری)

This paperback edition is a reprint of the 2001 Springer edition.

This book provides a self-contained and up-to-date treatment of the Monte Carlo method and develops a common framework under which various Monte Carlo techniques can be "standardized" and compared. Given the interdisciplinary nature of the topics and a moderate prerequisite for the reader, this book should be of interest to a broad audience of quantitative researchers such as computational biologists, computer scientists, econometricians, engineers, probabilists, and statisticians. It can also be used as the textbook for a graduate-level course on Monte Carlo methods. Many problems discussed in the alter chapters can be potential thesis topics for masters’ or Ph.D. students in statistics or computer science departments.

Jun Liu is Professor of Statistics at Harvard University, with a courtesy Professor appointment at Harvard Biostatistics Department. Professor Liu was the recipient of the 2002 COPSS Presidents' Award, the most prestigious one for statisticians and given annually by five leading statistical associations to one individual under age 40. He was selected as a Terman Fellow by Stanford University in 1995, as a Medallion Lecturer by the Institute of Mathematical Statistics (IMS) in 2002, and as a Bernoulli Lecturer by the International Bernoulli Society in 2004. He was elected to the IMS Fellow in 2004 and Fellow of the American Statistical Association in 2005. He and co-workers have published more than 130 research articles and book chapters on Bayesian modeling and computation, bioinformatics, genetics, signal processing, stochastic dynamic systems, Monte Carlo methods, and theoretical statistics.

"An excellent survey of current Monte Carlo methods. The applications amply demonstrate the relevance of this approach to modern computing. The book is highly recommended." (Mathematical Reviews)

"This book provides comprehensive coverage of Monte Carlo methods, and in the process uncovers and discusses commonalities among seemingly disparate techniques that arose in various areas of application. … The book is well organized; the flow of topics follows a logical development. … The coverage is up-to-date and comprehensive, and so the book is a good resource for people conducting research on Monte Carlo methods. … The book would be an excellent supplementary text for a course in scientific computing … ." (SIAM Review)

"The strength of this book is in bringing together advanced Monte Carlo (MC) methods developed in many disciplines. … Throughout the book are examples of techniques invented, or reinvented, in different fields that may be applied elsewhere. … Those interested in using MC to solve difficult problems will find many ideas, collected from a variety of disciplines, and references for further study." (Technometrics)