随机模拟的方法和应用/概率统计与数据科学
全新正版 极速发货
￥ 42.06 6.1折 ￥ 69 全新
库存3件
广东广州
认证卖家担保交易快速发货售后保障
作者周永道[等]著
出版社高等教育出版社
ISBN9787040543377
出版时间2021-01
装帧平装
开本16开
定价69元
货号1202200251
上书时间2024-08-06
商品详情
- 品相描述：全新
- 商品描述
-
目录
第一章 随机模拟
1.1 引言
1.2 随机模拟的发展
1.3 随机模拟的应用
第二章 随机变量的生成
2.1 随机数发生器
2.2 随机变量生成方法
2.2.1 逆变换法
2.2.2 接受拒绝抽样法
2.2.3 随机表示法
2.3 常见统计分布的生成
2.3.1 常见离散型随机变量的生成
2.3.2 常见连续型随机变量的生成
2.4 多维随机变量的生成
习题
第三章 方差减少技术
3.1 对偶变量法
3.2 条件期望法
3.3 分层抽样法
3.4 控制变量法
3.5 重要性抽样法
习题一
第四章 重抽样技术
4.1 刀切法
4.1.1 偏差的刀切估计
4.1.2 方差的刀切估计
4.2 自助法
4.2.1 非参数自助法
4.2.2 参数化B估计
4.2.3 自助法不适合的情形
习题一
第五章 马尔可夫链蒙特卡罗法
5.1 简单的案例
5.2 离散时间马尔可夫过程
5.3 Metropolis—Hastings算法
5.3 1 Metropolis算法
5.3 2 Metropolis—Hastings算法
5.3.3 Metropolis.Hastings算法的收敛理论
5.3.4 Metropolis-Hastings算法的缺陷
5.3.5 推广算法
E 4 Gibbs抽样
5.4.1 Gibbs抽样原理
5.4.2 分块Gibbs抽样
5.4.3 Gibbs算法的收敛定理
5.4.4 数据增强技术
5.5 切片抽样
5.5.1 切片算法的收敛性
5.6 收敛性诊断
5.6.1 图示法
5.6.2 诊断统计量
习题
第六章 拟蒙特卡罗方法
6.1 均匀网格
6.1.1 低偏差序列
6.1.2 均匀网格
6.1.3 改进的偏差
6.2 分布函数的代表点
6.2.1 几种代表点方法
6.2.2 F埘代表点
6.2.3 不同代表点的比较
6.3 离散数据的代表点
6.3.1 k均值算法
6.3.2 数据收集有偏情形
习题
第七章 全局似然比(GLR)技术
7.1 重要性抽样重抽样技术
7.1.1 重要性抽样重抽样技术
7.2 拟蒙特卡罗SIR技术
7.2.1 拟蒙特卡罗SIR技术
7.2.2 随机化拟蒙特卡罗重要性重采样（RQsIR）
7.3 全局似然比抽样器
7.4 GLR在一维分布中的应用
7.5 多维多峰分布中的使用
7.6 GLR-Gibbs算法
习题
第八章 随机模拟的应用
8.1 多维积分的近似
8.1.1 随机方法
8.1.2 拟随机方法
8.1.3 各种方法近似效果
8.2 优化问题求解
8.2.1 无约束优化问题
8.2.2 约束优化问题
8.3 贝叶斯推断
8.4 贝叶斯变量选择
8.4.1 分层贝叶斯模型
8.4.2 Gibbs抽样法
8.4.3 超参数的选择
8.4.4 实例分析
8.5 非规则区域上的点集
习题
参考文献
索引
内容摘要
随机模拟是利用计算机来检验、论证和研究统计学理论及数学模型的重要方法。学术界已普遍认为随机模拟的结果具有重要的参考价值。蒙特卡罗法是一种依赖于随机样本的随机模拟方法，然而在许多情况下，基于拟随机样本的拟蒙特卡罗法可以取得更好的效果。本书介绍了几种经典的随机样本抽取技术、方差减少技术、重抽样技术、马尔可夫链蒙特卡罗法、拟蒙特卡罗法中的均匀点集和代表点理论，以及全局似然比抽样方法这一新抽样方法的理论、算法、性质。此外，书中还给出了随机模拟的一些实际应用案例。
本书可以作为统计学及相关专业的研究生的教学参考书。
— 没有更多了 —
以下为对购买帮助不大的评价