برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Perfect Simulation

دانلود کتاب شبیه سازی کامل

مشخصات کتاب

Perfect Simulation

دسته بندی: آمار ریاضی
ویرایش:  
نویسندگان: Mark L. Huber  
سری: Chapman & Hall/CRC Monographs on Statistics & Applied Probability 
ISBN (شابک) : 1482232448, 9781482232448 
ناشر: Chapman and Hall/CRC 
سال نشر: 2015 
تعداد صفحات: 250 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت

قیمت کتاب (تومان) : 41,000

کلمات کلیدی مربوط به کتاب شبیه سازی کامل: ریاضیات، نظریه احتمالات و آمار ریاضی، آمار ریاضی، آمار ریاضی کاربردی

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 6

در صورت تبدیل فایل کتاب Perfect Simulation 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 شبیه سازی کامل 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.

توضیحاتی در مورد کتاب شبیه سازی کامل

نمونه‌گیری دقیق، به‌ویژه جفت‌گیری از گذشته (CFTP)، به کاربران امکان می‌دهد دقیقاً از توزیع ثابت یک زنجیره مارکوف نمونه‌برداری کنند. در طول نزدیک به 20 سال وجود خود، نمونه برداری دقیق به شبیه سازی کامل تبدیل شده است، که شبیه سازی با ابعاد بالا را از توزیع های متقابل امکان پذیر می کند.

شبیه سازی کامل کاربرد ایده های شبیه سازی کامل و الگوریتم ها برای طیف گسترده ای از مسائل. این کتاب یکی از اولین کتاب هایی است که تحقیقات در مورد شبیه سازی از آمار، فیزیک، امور مالی، علوم کامپیوتر و سایر زمینه ها را در یک چارچوب یکپارچه گرد هم می آورد. شما مکانیسم‌های پشت ایجاد الگوریتم‌های شبیه‌سازی بی‌نقص را برای حل مجموعه‌ای از مسائل کشف خواهید کرد.

نویسنده روش‌های پروتکل متعددی را برای طراحی الگوریتم‌ها برای مسائل خاص توصیف می‌کند. او ابتدا پروتکل پذیرش/رد (AR) رایج را برای ایجاد الگوریتم‌های شبیه‌سازی کامل مورد بررسی قرار می‌دهد. سپس پروتکل های اصلی دیگر، از جمله CFTP را پوشش می دهد. روش پر، ماچیدا، مرداک و روزنتال (FMMR). بازیافت تصادفی؛ نمونه گیری گذشته نگر؛ و AR جزئی بازگشتی، همراه با انواع مختلف این پروتکل ها. این کتاب همچنین نشان می‌دهد که چگونه روش‌های شبیه‌سازی بی‌نقص با موفقیت برای مسائل مختلفی مانند میدان‌های تصادفی مارکوف، جایگشت‌ها، معادلات دیفرانسیل تصادفی، فرآیندهای نقطه‌ای فضایی، پسین‌های بیزی، اشیاء ترکیبی و فرآیندهای مارکوف به‌کار گرفته شده‌اند.

توضیحاتی درمورد کتاب به خارجی

Exact sampling, specifically coupling from the past (CFTP), allows users to sample exactly from the stationary distribution of a Markov chain. During its nearly 20 years of existence, exact sampling has evolved into perfect simulation, which enables high-dimensional simulation from interacting distributions.

Perfect Simulation illustrates the application of perfect simulation ideas and algorithms to a wide range of problems. The book is one of the first to bring together research on simulation from statistics, physics, finance, computer science, and other areas into a unified framework. You will discover the mechanisms behind creating perfect simulation algorithms for solving an array of problems.

The author describes numerous protocol methodologies for designing algorithms for specific problems. He first examines the commonly used acceptance/rejection (AR) protocol for creating perfect simulation algorithms. He then covers other major protocols, including CFTP; the Fill, Machida, Murdoch, and Rosenthal (FMMR) method; the randomness recycler; retrospective sampling; and partially recursive AR, along with multiple variants of these protocols. The book also shows how perfect simulation methods have been successfully applied to a variety of problems, such as Markov random fields, permutations, stochastic differential equations, spatial point processes, Bayesian posteriors, combinatorial objects, and Markov processes.