X

Audible Trade

Audible allows users to send audible books to other users.
You can only receive a book once per audible account.

Check out the free trial month, if you don't have an audible account yet

In order to receive an audible book you need to have your audible e-mail adress saved in your Settings

Also remeber "sharing is caring". People are more likely to share there books with you if you offer yours as well.

Book Trade

Please remeber "sharing is caring". People are more likely to share there books with you if you offer many books yourself as well.

Not enough tokens

I'm sorry but you do not have enough tokens to the trade, yet. Please trade your books with others first in order to request this book.

Request Book for Free

Markov Chain Monte Carlo - Methoden: Herleitung, Beweis und Implementierung

From Thomas Plehn

Markov Chain Monte Carlo - Methoden: Herleitung, Beweis und Implementierung

Book Informations

  • Released: 2015-02-01
  • Pages: 53
  • Language: de
  • ISBN-10:3956849515
  • ISBN-13:9783956849510

Beschreibung

In seiner Arbeit beschäftigt sich der Autor mit der ‘Markov Chain Monte Carlo‘, auch abgekürzt als MCMC. Dabei handelt es sich um eine Monte Carlo Methode. Allen Monte Carlo Methoden ist gemein, dass sie von einer mehr oder minder komplizierten Verteilung zufällige Szenarien erzeugen. Diese Szenarien werden dann genutzt um Aussagen über Erwartungswerte oder andere Kennzahlen der Verteilung zu treffen. Diese Aussagen sind natürlich nur zu gebrauchen, wenn man sehr viele zufällig erzeugte Szenarien auswertet. Die Methode kommt also immer dann zum Einsatz, wenn es nicht möglich ist, aus der Verteilung der Szenarien direkt Rückschlüsse auf die statistischen Kennzahlen der Verteilung zu ziehen, weder auf analytischem Wege, noch durch numerische Integration (bei sehr vielen Dimensionen steigt der Aufwand rapide an). Markov Chain Monte Carlo ist nun eine spezielle Monte Carlo Methode unter Zuhilfenahme von Markovketten. Diese kommt immer dann zum Einsatz, wenn es nicht möglich ist, von einer Verteilung auf einfache Weise Szenarien zu erzeugen. Eine Markovkette fängt bei einem Zustand an und geht von einem bestimmten Zustand mit einer bestimmten Wahrscheinlichkeit zu einem anderen Zustand über. Diese Übergangswahrscheinlichkeiten stehen in einer Übergangsmatrix. Der Knackpunkt ist nun, dass diese Form der Zustandsgenerierung oft einfacher zu implementieren ist, als direkt auf eine Verteilung zurückzugreifen. In der Arbeit gibt es mehrere konkrete Beispiele für den Einsatz solcher Methoden. Quelltexte der Implementierungen sind beigefügt.

Rate/Setting




12345678910




Offers


Only Offers/Searches from registered users with name will be displayed. Set up a name here to see your offers.



I offer this book:



(Please add a loction in your profil for pickup)


E-Books can only be shared by the right owners (autors/publisher).





Book-Sharing 2019 - Impressum | Datenschutz