Streszczenie. Jest to wykład na temat symulacji zjawisk losowych. Obejmuje też wstęp do metod Monte Carlo (MC), czyli algorytmów zrandomizowanych. Symulacje komputerowe są nie tylko prostym i skutecznym narzędziem badania procesów losowych, ale też znajdują zastosowania do obliczeń wielkości deterministycznych. Metody Monte Carlo a w szczególności algorytmy MCMC, oparte na łańcuchach Markowa należą do standardowych narzędzi obliczeniowych, między innymi w statystyce Bayesowskiej i fizyce statystycznej. Przedmiot jest przeznaczony dla wszystkich studentów lubiących rachunek prawdopodobieństwa, matematyków i informatyków. Powinien zachęcić słuchaczy do „zobaczenia losowości” - przy wykorzystaniu pięknego i dostępnego za darmo pakietu R. Wykład jest utrzymany na elementarnym poziomie.
W pierwszej części wykładu omówione zostaną sposoby generowania zmiennych losowych o zadanym rozkładzie prawdopodobieństwa i prostych procesów stochastycznych. Druga część poświęcona będzie ogólnym zasadom konstrukcji algorytmów Monte Carlo, szacowania ich dokładności i redukcji błędu. Sporo miejsca zajmują Markowowskie algorytmy Monte Carlo, MCMC.
Wersja internetowa wykładu: http://mst.mimuw.edu.pl/lecture.php?lecture=sst
(może zawierać dodatkowe materiały)
| fccirra?[«g:hM|
Niniejsze materiały są dostępne na licencji Creative Commons 3.0 Polska: Uznanie autorstwa — Użycie niekomercyjne — Bez utworów zależnych.
Copyright © W.Niemiro, Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki, 2013. Niniejszy plik PDF został utworzony 21 lutego 2013.
s =~
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego.
Skład w systemie z wykorzystaniem m.in. pakietów beamer oraz listings. Szablony podręcznika i prezentacji:
Piotr Krzyżanowski; koncept: Robert Dąbrowski.