Stochastic Numerical Methods: An Introduction for Students and Scientists

دسته بندی: ریاضیات محاسباتی
ویرایش:  
نویسندگان: Toral R.,  Cole P.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 419 
زبان: English 
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 55,000

N.-Y.: Wiley-VCH، 2014. - 416p.
روش های عددی تصادفی روش های عددی را در سطح استاد معرفی می کند که از احتمال یا مفاهیم تصادفی برای تجزیه و تحلیل فرآیندهای تصادفی استفاده می کنند. هدف این کتاب این است که نسبتاً کلی باشد و به دانشجویان علوم طبیعی (فیزیک، شیمی، ریاضی، زیست شناسی و غیره) و مهندسی و همچنین علوم اجتماعی (اقتصاد، جامعه شناسی و غیره) که برخی از تکنیک ها استفاده شده است، می پردازد. اخیراً برای شبیه‌سازی عددی مدل‌های مختلف مبتنی بر عامل. نمونه‌های موجود در کتاب طیفی از انتقال فاز و پدیده‌های حیاتی، از جمله جزئیات تجزیه و تحلیل داده‌ها (استخراج توان‌های بحرانی) را شامل می‌شود. ، اثرات اندازه محدود، و غیره)، به پویایی جمعیت، رشد سطحی، واکنش های شیمیایی، و غیره. فهرست های برنامه در بحث از الگوریتم های عددی برای تسهیل درک آنها یکپارچه شده است.

N.-Y.: Wiley-VCH, 2014. - 416p.
Stochastic Numerical Methods introduces at Master level the numerical methods that use probability or stochastic concepts to analyze random processes. The book aims at being rather general and is addressed at students of natural sciences (Physics, Chemistry, Mathematics, Biology, etc.) and Engineering, but also social sciences (Economy, Sociology, etc.) where some of the techniques have been used recently to numerically simulate different agent-based models. Examples included in the book range from phase-transitions and critical phenomena, including details of data analysis (extraction of critical exponents, finite-size effects, etc.), to population dynamics, interfacial growth, chemical reactions, etc. Program listings are integrated in the discussion of numerical algorithms to facilitate their understanding. From the contents:
Review of Probability Concepts.
Monte Carlo Integration.
Generation of Uniform and Non-uniform Random Numbers: Non-correlated Values.
Dynamical Methods.
Applications to Statistical Mechanics.
Introduction to Stochastic Processes.
Numerical Simulation of Ordinary and Partial Stochastic Differential Equations.
Introduction to Master Equations.
Numerical Simulations of Master Equations.
Hybrid Monte Carlo Generation of n-Dimensional Correlated Gaussian Variables.
Collective Algorithms for Spin Systems.
Histogram Extrapolation.
Multicanonical Simulations.