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: احتمال ویرایش: 3 نویسندگان: David Vose سری: ISBN (شابک) : 0470512849, 9780470512845 ناشر: Wiley سال نشر: 2008 تعداد صفحات: 729 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 29 مگابایت
در صورت تبدیل فایل کتاب Risk Analysis - A Quantitative Guide 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 تجزیه و تحلیل ریسک - راهنمای کمی 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.
تجزیه و تحلیل ریسک با کمی کردن ریسک، مدلسازی ریسکهای شناساییشده و نحوه تصمیمگیری از آن مدلها سروکار دارد. تحلیل کمی ریسک (QRA) با استفاده از شبیهسازی مونت کارلو، روشی قدرتمند و دقیق برای مقابله با عدم قطعیت و تغییرپذیری یک مسئله ارائه میدهد. نویسنده با ارائه بلوکهای سازنده، خواننده را از طریق مراحل لازم برای تولید یک مدل تحلیل ریسک دقیق راهنمایی میکند و تکنیکهای کلی و خاص را برای مقابله با اکثر مشکلات مدلسازی ارائه میدهد. طیف گسترده ای از مسائل حل شده برای نشان دادن این تکنیک ها و نحوه استفاده از آنها با هم برای حل مسائل پیچیده استفاده می شود.
Risk Analysis concerns itself with the quantification of risk, the modeling of identified risks and how to make decisions from those models. Quantitative risk analysis (QRA) using Monte Carlo simulation offers a powerful and precise method for dealing with the uncertainty and variability of a problem. By providing the building blocks the author guides the reader through the necessary steps to produce an accurate risk analysis model and offers general and specific techniques to cope with most modeling problems. A wide range of solved problems is used to illustrate these techniques and how they can be used together to solve otherwise complex problems.