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: اقتصاد ویرایش: نویسندگان: J. S. Dagpunar سری: ISBN (شابک) : 0470854944, 9780470061343 ناشر: Wiley سال نشر: 2007 تعداد صفحات: 349 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Simulation and Monte Carlo with applications in finance and MCMC 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 و مونت کارلو با برنامه های مالی و MCMC 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.
هر فصل شامل مجموعه خوبی از تمرینها و راهحلها به همراه یک ضمیمه است که شامل یک کاربرگ Maple حاوی روشهای شبیهسازی است. کاربرگ ها را می توان از وب سایت پشتیبانی کننده کتاب نیز دانلود کرد. این خوانندگان را تشویق میکند تا یک رویکرد عملی را در طراحی مؤثر آزمایشهای شبیهسازی اتخاذ کنند.
این کتاب برخاسته از دوره ای است که طی چندین سال در دانشگاه ادینبورگ تدریس می شود، همچنین برای پزشکانی که در صنعت مالی، آمار و تحقیقات عملیاتی کار می کنند جذاب خواهد بود.
Each chapter contains a good selection of exercises and solutions with an accompanying appendix comprising a Maple worksheet containing simulation procedures. The worksheets can also be downloaded from the web site supporting the book. This encourages readers to adopt a hands-on approach in the effective design of simulation experiments.
Arising from a course taught at Edinburgh University over several years, the book will also appeal to practitioners working in the finance industry, statistics and operations research.
Simulation and Monte Carlo......Page 3
Contents......Page 9
Preface......Page 13
Glossary......Page 15
1 Introduction to simulation and Monte Carlo......Page 17
1.1 Evaluating a definite integral......Page 18
1.2 Monte Carlo is integral estimation......Page 20
1.3 An example......Page 21
1.4 A simulation using Maple......Page 23
1.5 Problems......Page 29
2 Uniform random numbers......Page 33
2.1.1 Mixed linear congruential generators......Page 34
2.1.2 Multiplicative linear congruential generators......Page 38
2.2 Theoretical tests for random numbers......Page 41
2.2.1 Problems of increasing dimension......Page 42
2.3 Shuffled generator......Page 44
2.4.1 Frequency test......Page 45
2.4.3 Other empirical tests......Page 46
2.5 Combinations of generators......Page 47
2.7 Problems......Page 48
3.1 Inversion of the cumulative distribution function......Page 53
3.2 Envelope rejection......Page 56
3.3 Ratio of uniforms method......Page 60
3.4 Adaptive rejection sampling......Page 64
3.5 Problems......Page 68
4.1.1 Box–Müller method......Page 75
4.1.2 An improved envelope rejection method......Page 77
4.2 Lognormal distribution......Page 78
4.3 Bivariate normal density......Page 79
4.4 Gamma distribution......Page 80
4.4.1 Cheng’s log-logistic method......Page 81
4.5.1 Beta log-logistic method......Page 83
4.7 Student’s t distribution......Page 85
4.8 Generalized inverse Gaussian distribution......Page 87
4.9 Poisson distribution......Page 89
4.11 Negative binomial distribution......Page 90
4.12 Problems......Page 91
5.1 Antithetic variates......Page 95
5.2 Importance sampling......Page 98
5.2.1 Exceedance probabilities for sums of i.i.d. random variables......Page 102
5.3 Stratified sampling......Page 105
5.3.1 A stratification example......Page 108
5.3.2 Post stratification......Page 112
5.4 Control variates......Page 114
5.5 Conditional Monte Carlo......Page 117
5.6 Problems......Page 119
6 Simulation and finance......Page 123
6.1 Brownian motion......Page 124
6.2 Asset price movements......Page 125
6.3 Pricing simple derivatives and options......Page 127
6.3.1 European call......Page 129
6.3.2 European put......Page 130
6.3.4 Delta hedging......Page 131
6.3.5 Discrete hedging......Page 132
6.4.1 Naive simulation......Page 134
6.4.2 Importance and stratified version......Page 135
6.5 Basket options......Page 139
6.6 Stochastic volatility......Page 142
6.7 Problems......Page 146
7 Discrete event simulation......Page 151
7.1 Poisson process......Page 152
7.2 Time-dependent Poisson process......Page 156
7.3 Poisson processes in the plane......Page 157
7.4.1 Discrete-time Markov chains......Page 158
7.4.2 Continuous-time Markov chains......Page 159
7.5 Regenerative analysis......Page 160
7.6 Simulating a G/G/1 queueing system using the three-phase method......Page 162
7.7 Simulating a hospital ward......Page 165
7.8 Problems......Page 167
8.1 Bayesian statistics......Page 173
8.2 Markov chains and the Metropolis–Hastings (MH) algorithm......Page 175
8.3 Reliability inference using an independence sampler......Page 179
8.4 Single component Metropolis–Hastings and Gibbs sampling......Page 181
8.4.1 Estimating multiple failure rates......Page 183
8.4.2 Capture–recapture......Page 187
8.4.3 Minimal repair......Page 188
8.5.1 Slice sampling......Page 192
8.5.2 Completions......Page 194
8.6 Problems......Page 195
9.2 Solutions 2......Page 203
9.3 Solutions 3......Page 206
9.4 Solutions 4......Page 207
9.5 Solutions 5......Page 211
9.6 Solutions 6......Page 212
9.7 Solutions 7......Page 218
9.8 Solutions 8......Page 221
Appendix 1: Solutions to problems in Chapter 1......Page 225
Appendix 2: Random number generators......Page 243
Appendix 3: Computations of acceptance probabilities......Page 245
Appendix 4: Random variate generators (standard distributions)......Page 249
Appendix 5: Variance reduction......Page 255
Appendix 6: Simulation and finance......Page 265
Appendix 7: Discrete event simulation......Page 299
Appendix 8: Markov chain Monte Carlo......Page 315
References......Page 341
Index......Page 345