Opis
Podręcznik jest przeznaczony dla słuchaczy kierunków matematycznych i informatycznych Politechniki Warszawskiej. Jego celem jest zapoznanie czytelników z tematyką statystycznych symulacji komputerowych, ze szczególnym uwzględnieniem metod Monte Carlo i Markov chain Monte Carlo.
W kolejnych rozdziałach: omówiono podstawowe pojęcia związane z generowaniem liczb (pseudo)losowych i przedstawiono wybrane generatory programowe wraz ze sposobami testowania uzyskanych wyników pod kątem ich jakości (czyli zbliżenia do losowości); zaprezentowano kolejne piętro w generowaniu liczb (pseudo)losowych, czyli metody i algorytmy służące do przekształcania uzyskanych wcześniej wartości (najczęściej z rozkładu jednostajnego) do zmiennych z różnych praktycznych rozkładów prawdopodobieństwa; zaprezentowanono problem zmiennych wielowymiarowych, dla których stosowanie metod znanych z rozkładów jednowymiarowych okazuje się często wysoce nieefektywne (dokładniej omówiono algorytmy dla wielowymiarowego rozkładu normalnego prawdopodobieństwa); przybliżono zagadnienie generowania trajektorii dla wybranych klas procesów stochastycznych; przedstawiono także rodzinę metod symulacyjnych, znanych jako metody Monte Carlo (m.in. omówiono dwa typy zagadnień, które można rozwiązać przy użyciu takich metod, czyli kwestię całkowania oraz problem szukania ekstremum globalnego); omówiono teorię łańcuchów Markowa (dla przypadku dyskretnej oraz nieprzeliczalnej przestrzeni stanów), która stanowi podbudowę niezbędną do zrozumienia zasady działania metod Markov chain Monte Carlo (MCMC); zaprezentowano dwa najważniejsze algorytmy dla owych metod wraz z praktycznymi przykładami ich zastosowania; przedstawiono trochę inne podejście do symulacji statystycznych niż generowanie próby niezależnych zmiennych losowych, czyli metody resamplingu, na czele z boostrapem.
Przedstawiony w książce materiał wzbogacono zadaniami i problemami przeznaczonymi do samodzielnego rozwiązania.
W kolejnych rozdziałach: omówiono podstawowe pojęcia związane z generowaniem liczb (pseudo)losowych i przedstawiono wybrane generatory programowe wraz ze sposobami testowania uzyskanych wyników pod kątem ich jakości (czyli zbliżenia do losowości); zaprezentowano kolejne piętro w generowaniu liczb (pseudo)losowych, czyli metody i algorytmy służące do przekształcania uzyskanych wcześniej wartości (najczęściej z rozkładu jednostajnego) do zmiennych z różnych praktycznych rozkładów prawdopodobieństwa; zaprezentowanono problem zmiennych wielowymiarowych, dla których stosowanie metod znanych z rozkładów jednowymiarowych okazuje się często wysoce nieefektywne (dokładniej omówiono algorytmy dla wielowymiarowego rozkładu normalnego prawdopodobieństwa); przybliżono zagadnienie generowania trajektorii dla wybranych klas procesów stochastycznych; przedstawiono także rodzinę metod symulacyjnych, znanych jako metody Monte Carlo (m.in. omówiono dwa typy zagadnień, które można rozwiązać przy użyciu takich metod, czyli kwestię całkowania oraz problem szukania ekstremum globalnego); omówiono teorię łańcuchów Markowa (dla przypadku dyskretnej oraz nieprzeliczalnej przestrzeni stanów), która stanowi podbudowę niezbędną do zrozumienia zasady działania metod Markov chain Monte Carlo (MCMC); zaprezentowano dwa najważniejsze algorytmy dla owych metod wraz z praktycznymi przykładami ich zastosowania; przedstawiono trochę inne podejście do symulacji statystycznych niż generowanie próby niezależnych zmiennych losowych, czyli metody resamplingu, na czele z boostrapem.
Przedstawiony w książce materiał wzbogacono zadaniami i problemami przeznaczonymi do samodzielnego rozwiązania.