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: ریاضیات ویرایش: 1 نویسندگان: Sergej Rjasanow. Wolfgang Wagner (auth.) سری: Springer Series in Computational Mathematics 37 ISBN (شابک) : 9783540252689, 3540252681 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2005 تعداد صفحات: 266 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب عدد تصادفی برای معادله بولتزمن: تحلیل عددی، نظریه احتمال و فرآیندهای تصادفی، فیزیک ریاضی و محاسباتی، معادلات دیفرانسیل جزئی
در صورت تبدیل فایل کتاب Stochastic Numerics for the Boltzmann Equation 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 عدد تصادفی برای معادله بولتزمن 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.
روشهای عددی تصادفی نقش مهمی در محاسبات در مقیاس بزرگ در علوم کاربردی دارند. هدف اول این کتاب ارائه توصیفی ریاضی از روشهای شبیهسازی مستقیم کلاسیک مونت کارلو (DSMC) برای گازهای کمیاب، با استفاده از نظریه فرآیندهای مارکوف به عنوان یک چارچوب متحد است. هدف دوم، درمان سیستماتیک گسترش DSMC است که روش ذرات وزنی تصادفی نامیده می شود. این روش شامل چندین ویژگی جدید است که به منظور کاهش واریانس (شبیه سازی رویداد نادر) معرفی شده است. نتایج همگرایی دقیق و همچنین مطالعات عددی دقیق ارائه شده است.
Stochastic numerical methods play an important role in large scale computations in the applied sciences. The first goal of this book is to give a mathematical description of classical direct simulation Monte Carlo (DSMC) procedures for rarefied gases, using the theory of Markov processes as a unifying framework. The second goal is a systematic treatment of an extension of DSMC, called stochastic weighted particle method. This method includes several new features, which are introduced for the purpose of variance reduction (rare event simulation). Rigorous convergence results as well as detailed numerical studies are presented.
Kinetic theory....Pages 1-32
Related Markov processes....Pages 33-64
Stochastic weighted particle method....Pages 65-146
Numerical experiments....Pages 147-210