Um die anderen Arten von Veröffentlichungen zu diesem Thema anzuzeigen, folgen Sie diesem Link: Monte Carlo sampling and estimation.

Bücher zum Thema „Monte Carlo sampling and estimation“

Geben Sie eine Quelle nach APA, MLA, Chicago, Harvard und anderen Zitierweisen an

Wählen Sie eine Art der Quelle aus:

Machen Sie sich mit Top-50 Bücher für die Forschung zum Thema "Monte Carlo sampling and estimation" bekannt.

Neben jedem Werk im Literaturverzeichnis ist die Option "Zur Bibliographie hinzufügen" verfügbar. Nutzen Sie sie, wird Ihre bibliographische Angabe des gewählten Werkes nach der nötigen Zitierweise (APA, MLA, Harvard, Chicago, Vancouver usw.) automatisch gestaltet.

Sie können auch den vollen Text der wissenschaftlichen Publikation im PDF-Format herunterladen und eine Online-Annotation der Arbeit lesen, wenn die relevanten Parameter in den Metadaten verfügbar sind.

Sehen Sie die Bücher für verschiedene Spezialgebieten durch und erstellen Sie Ihre Bibliographie auf korrekte Weise.

1

Lemieux, Christiane. Monte carlo and quasi-monte carlo sampling. New York: Springer, 2009.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
2

Fu, Michael. Conditional Monte Carlo: Gradient Estimation and Optimization Applications. Boston, MA: Springer US, 1997.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
3

Fu, Michael. Conditional Monte Carlo: Gradient estimation and optimization applications. Boston: Kluwer Academic Publishers, 1997.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
4

Evans, Michael J. Monte Carlo computation of marginal posterior qualities. Toronto: University of Toronto, Dept. of Statistics, 1988.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
5

Manly, Bryan F. J., 1944-, Hrsg. Randomization, bootstrap and Monte Carlo methods in biology. 2. Aufl. London: Chapman & Hall, 1997.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
6

Manly, Bryan F. J. Randomization, bootstrap and Monte Carlo methods in biology. 2. Aufl. Boca Raton, Fla: Chapman and Hall/CRC, 2001.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
7

Evans, Michael J. Adaptive importance sampling and chaining. Toronto: University of Toronto, Dept. of Statistics, 1990.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
8

Bosá, Ivana. Exact property estimation from diffusion Monte Carlo with minimal stochastic reconfiguration. St. Catharines, Ont: Brock University, Dept. of Physics, 2004.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
9

Aït-Sahalia, Yacine. Maximum likelihood estimation of stochastic volatility models. Cambridge, MA: National Bureau of Economic Research, 2004.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
10

Petrone, Sonia. A note on convergence rates of Gibbs sampling for nonparametric mixtures. Toronto: University of Toronto, Dept. of Statistics, 1998.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
11

Neal, Radford M. Markov chain Monte Carlo methods based on "slicing" the density function. Toronto: University of Toronto, Dept. of Statistics, 1997.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
12

Racine, J. S. Semiparamteric estimation in the presence of heteroskedasticity of unknown form. Toronto, Ont: Dept. of Economics, York University, 1989.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
13

Zhao, Zhong. Sensitivity of propensity score methods to the specifications. Bonn, Germany: IZA, 2005.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
14

Racine, J. S. The semiparametric approach to the estimation of systems of equations models in the presence of heteroskedasticity of unknown form. Toronto, Ont: Dept. of Economics, York University, 1989.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
15

Srivastava, M. S. Classification with a preassigned error rate when two covariance matrices are equal. Toronto: University of Toronto, Dept. of Statistics, 1998.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
16

Martin, Christopher. Using equilibrium models on disequilibrium data: Some Monte-Carlo evidence on estimation and testing. London: University College, 1987.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
17

Christopher, Martin. Using equilibrium models on disequilibrium data: Some Monte-Carlo evidence on estimation and testing. London: Birkbeck College, [Dept. of Economics], 1987.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
18

Dietrich, Jason Lynn. How low can you go?: An optimal sampling strategy for fair lending exams. Washington, DC: Office of the Comptroller of the Currency, 2001.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
19

Heinz, Erzberger, und Ames Research Center, Hrsg. Conflict probablility estimation for free flight. Moffett Field, Calif: National Aeronautics and Space Administration, Ames Research Center, 1996.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
20

Böhning, Dankmar. On minimizing chi-square distances under the hypothesis of homogeneity of independence for a two-way contingency table. Osnabrück: Fachbereich Psychologie, Universität Osnabrück, 1985.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
21

Schwenzfeger, K. J. Comparison of ERS-1 scatterometer Monte Carlo performance simulations using a weighted nonlinear least-squares and a maximum likelihood estimation method. Neubiberg: Hochschule der Bundeswehr München, 1985.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
22

Rubinstein, Reuven Y. The Cross-Entropy Method: A Unified Approach to Combinatorial Optimization, Monte-Carlo Simulation and Machine Learning. New York, NY: Springer New York, 2004.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
23

United States. National Aeronautics and Space Administration., Hrsg. RENEW v3.2 user's manual, maintenance estimation simulation for Space Station Freedom. [Washington, DC]: National Aeronautics and Space Administration, 1993.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
24

United States. National Aeronautics and Space Administration., Hrsg. RENEW v3.2 user's manual, maintenance estimation simulation for Space Station Freedom. [Washington, DC]: National Aeronautics and Space Administration, 1993.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
25

United States. National Aeronautics and Space Administration., Hrsg. RENEW v3.2 user's manual, maintenance estimation simulation for Space Station Freedom. [Washington, DC]: National Aeronautics and Space Administration, 1993.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
26

Haldrup, Niels. Seasonal integration and cointegration: A Monte Carlo study on the implications of seasonality for estimation and testing of long run relationships through static regressions. [s.l.]: typescript, 1988.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
27

Allen, Michael P., und Dominic J. Tildesley. Monte Carlo methods. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198803195.003.0004.

Der volle Inhalt der Quelle
Annotation:
The estimation of integrals by Monte Carlo sampling is introduced through a simple example. The chapter then explains importance sampling, and the use of the Metropolis and Barker forms of the transition matrix defined in terms of the underlying matrix of the Markov chain. The creation of an appropriately weighted set of states in the canonical ensemble is described in detail and the method is extended to the isothermal–isobaric, grand canonical and semi-grand ensembles. The Monte Carlo simulation of molecular fluids and fluids containing flexible molecules using a reptation algorithm is discussed. The parallel tempering or replica exchange method for more efficient exploration of the phase space is introduced, and recent advances including solute tempering and convective replica exchange algorithms are described.
APA, Harvard, Vancouver, ISO und andere Zitierweisen
28

Lemieux, Christiane. Monte Carlo and Quasi-Monte Carlo Sampling. Springer, 2010.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
29

Monte Carlo and Quasi-Monte Carlo Sampling. New York, NY: Springer New York, 2009. http://dx.doi.org/10.1007/978-0-387-78165-5.

Der volle Inhalt der Quelle
APA, Harvard, Vancouver, ISO und andere Zitierweisen
30

Monte Carlo and Quasi-Monte Carlo Sampling (Springer Series in Statistics). Springer, 2009.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
31

Coolen, A. C. C., A. Annibale und E. S. Roberts. Markov Chain Monte Carlo sampling of graphs. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198709893.003.0006.

Der volle Inhalt der Quelle
Annotation:
This chapter looks at Markov Chain Monte Carlo techniques to generate hard- and soft-constrained exponential random graph ensembles. The essence is to define a Markov chain based on ergodic randomization moves acting on a network with transition probabilities which satisfy detailed balance. This is sufficient to ensure that the Markov chain will sample from the ensemble with the desired probabilities. This chapter studies several commonly seen randomization move sets and carefully defines acceptance probabilities for a range of different ensembles using both the Metropolis–Hastings and the Glauber prescription. Particular care is paid to describe and avoid the pitfalls that can occur in defining randomization moves for hard-constrained ensembles, and applying them without introducing inadvertent bias (i.e. defining and comparing protocols including switch-and-hold and mobility).
APA, Harvard, Vancouver, ISO und andere Zitierweisen
32

Boudreau, Joseph F., und Eric S. Swanson. Monte Carlo methods. Oxford University Press, 2018. http://dx.doi.org/10.1093/oso/9780198708636.003.0007.

Der volle Inhalt der Quelle
Annotation:
Monte Carlo methods are those designed to obtain numerical answers with the use of random numbers . This chapter discusses random engines, which provide a pseudo-random pattern of bits, and their use in for sampling a variety of nonuniform distributions, for both continuous and discrete variables. A wide selection of uniform and nonuniform variate generators from the C++ standard library are reviewed, and common techniques for generating custom nonuniform variates are discussed. The chapter presents the uses of Monte Carlo to evaluate integrals, particularly multidimensional integrals, and then introduces the important method of Markov chain Monte Carlo, suitable for solving a wide range of scientific problems that require the sampling of complicated multivariate distributions. Relevant topics in probability and statistics are also introduced in this chapter. Finally, the topics of thermalization, autocorrelation, multimodality, and Gibbs sampling are presented.
APA, Harvard, Vancouver, ISO und andere Zitierweisen
33

Conditional Monte Carlo: Gradient Estimation and Optimization Applications. Springer, 2011.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
34

Allen, Michael P., und Dominic J. Tildesley. Advanced Monte Carlo methods. Oxford University Press, 2017. http://dx.doi.org/10.1093/oso/9780198803195.003.0009.

Der volle Inhalt der Quelle
Annotation:
This chapter describes the ways in which the Monte Carlo importance sampling method may be adapted to improve the calculation of ensemble averages, particularly those associated with free energy differences. These approaches include umbrella sampling, non-Boltzmann sampling, the Wang–Landau method, and nested sampling. In addition, a range of special techniques have been developed to accelerate the simulation of flexible molecules, such as polymers. These approaches are illustrated with scientific examples and program code. The chapter also explains the analysis of such simulations using techniques such as weighted histograms, and acceptance ratio calculations. Practical advice on selection of methods, parameters, and the direction in which to make comparisons, are given. Monte Carlo methods for modelling phase equilibria and chemical reactions at equilibrium are described.
APA, Harvard, Vancouver, ISO und andere Zitierweisen
35

Randomization and Monte Carlo methods in biology. London: Chapman and Hall, 1991.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
36

Manly, Bryan F. J. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2018.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
37

Manly, Bryan F. J. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2018.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
38

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2020.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
39

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2020.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
40

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2020.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
41

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2020.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
42

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap and Monte Carlo Methods in Biology. Taylor & Francis Group, 2020.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
43

Manly, Bryan F. J., und Jorge A. Navarro Alberto. Randomization, Bootstrap, and Monte Carlo Methods in Biology. CRC Press LLC, 2022.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
44

Kroese, Dirk P., und Reuven Y. Rubinstein. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2008.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
45

Kroese, Dirk P., und Reuven Y. Rubinstein. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2016.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
46

Randomization, bootstrap and Monte Carlo methods in biology. 3. Aufl. Boca Raton, FL: Chapman & Hall/ CRC, 2007.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
47

Kroese, Dirk P., und Reuven Y. Rubinstein. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2016.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
48

Kroese, Dirk P., und Reuven Y. Rubinstein. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2011.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
49

Kroese, Dirk P., und Reuven Y. Rubinstein. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2016.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
50

Rubinstein, Reuven Y. Simulation and the Monte Carlo Method. Wiley & Sons, Incorporated, John, 2009.

Den vollen Inhalt der Quelle finden
APA, Harvard, Vancouver, ISO und andere Zitierweisen
Wir bieten Rabatte auf alle Premium-Pläne für Autoren, deren Werke in thematische Literatursammlungen aufgenommen wurden. Kontaktieren Sie uns, um einen einzigartigen Promo-Code zu erhalten!

Zur Bibliographie