Lectures on Monte Carlo Theory
Sorozatcím: Probability Theory and Stochastic Modelling; 108;
-
20% KEDVEZMÉNY?
- A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.
- Kiadói listaár EUR 74.89
-
31 060 Ft (29 581 Ft + 5% áfa)
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.
- Kedvezmény(ek) 20% (cc. 6 212 Ft off)
- Kedvezményes ár 24 848 Ft (23 665 Ft + 5% áfa)
Iratkozzon fel most és részesüljön kedvezőbb árainkból!
Feliratkozom
31 060 Ft
Beszerezhetőség
Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.
Why don't you give exact delivery time?
A beszerzés időigényét az eddigi tapasztalatokra alapozva adjuk meg. Azért becsült, mert a terméket külföldről hozzuk be, így a kiadó kiszolgálásának pillanatnyi gyorsaságától is függ. A megadottnál gyorsabb és lassabb szállítás is elképzelhető, de mindent megteszünk, hogy Ön a lehető leghamarabb jusson hozzá a termékhez.
A termék adatai:
- Kiadó Springer Nature Switzerland
- Megjelenés dátuma 2025. október 26.
- Kötetek száma 1 pieces, Book
- ISBN 9783032011893
- Kötéstípus Keménykötés
- Terjedelem632 oldal
- Méret 235x155 mm
- Nyelv angol
- Illusztrációk XVI, 632 p. 123 illus., 73 illus. in color. 700
Kategóriák
Hosszú leírás:
"
This book presents a broad range of computational techniques based on repeated random sampling, widely known as Monte Carlo methods and sometimes as stochastic simulation. These methods bring together ideas from probability theory, statistics, computer science, and statistical physics, providing tools for solving problems in fields such as operations research, biotechnology, and finance.
Topics include the generation and analysis of pseudorandom numbers (which are intended to imitate truly random numbers on a computer), the design and justification of Monte Carlo algorithms, and advanced approaches such as Markov chain Monte Carlo and stochastic optimization. In contrast to deterministic numerical methods, the outcome of a Monte Carlo algorithm is itself random – and one needs the tools of probability and statistics to interpret these results meaningfully. The theoretical foundations, particularly the law of large numbers and central limit theorem, are combined with practical algorithms that reveal both the strengths and subtleties of stochastic simulation.
The book includes numerous exercises, both theoretical and computational. Each chapter features step-by-step algorithms, illustrated examples, and results presented through numerical computations, tables, and a variety of plots and figures. All Python code used to produce these results is publicly available, allowing readers to reproduce and explore simulations on their own.
Intended primarily for graduate students and researchers, the exposition focuses on core concepts and intuitive understanding, avoiding excessive formalism. The book is suitable both for self-study and as a course text and offers a clear pathway from foundational principles to modern applications.
" TöbbTartalomjegyzék:
Chapter 1. Introduction.- Chapter 2. The theory of generators.- Chapter 3. Generating random variables.- Chapter 4. Simulation Output Analysis: Independent Replications.- Chapter 5. Variance Reduction Techniques.- Chapter 6. Markov chain Monte Carlo methods.- Chapter 7. Stochastic optimization.- Chapter 8. Simulation of queues and related models.
Több
Sources, Mechanisms and Toxicity of Nanomaterials in Plants
72 581 Ft
65 323 Ft
Kaplan GED(R) Test 2015 Strategies, Practice, and Review with 2 Practice Tests: New Reader's Press
8 086 Ft
7 439 Ft
Lectures on Current Algebra and Its Applications
10 510 Ft
9 459 Ft
