دانلود کتاب Simulation: a modeler’s approach

ترجمه فارسی توضیحات (ترجمه ماشینی)

شبیه سازی: رویکرد یک مدل ساز

پروفسور رایس، جیمز تامپسون، مدل‌ساز و آماردان محاسباتی پیشرو، پیش‌بینی می‌کند که آینده علم متعلق به کسانی است که می‌خواهند به مدل‌سازی مبتنی بر شبیه‌سازی روی آورند. سبک. او روش‌هایی را مورد بحث قرار می‌دهد که برای هر کسی که یک رایانه رومیزی سریع دارد، برای ادغام شبیه‌سازی در فرآیند مدل‌سازی به منظور ایجاد مدل‌های معنادار از پدیده‌های واقعی، در دسترس است. او با اقتباس از انبوهی از تجربیات، نمونه هایی از بازارهای تجاری، سرطان شناسی، اپیدمیولوژی، کنترل فرآیندهای آماری، فیزیک، سیاست عمومی، مبارزه، بهینه سازی دنیای واقعی، تحلیل های بیزی و پویایی جمعیت را ارائه می دهد. دکتر تامپسون معتقد است که کامپیوتر سریع ما را قادر نمی سازد تا ما را از نیاز مدل سازی رهایی بخشد، به عنوان مثال در اقتصاد در مدل های واقع گرایانه از فرآیندها شرکت کنیم که قبلاً امکان پذیر نبوده است زیرا مدل های تصادفی ساده در زمان آینده زمانی که فرد به دنبال چیزهایی مانند احتمالات باشد، جهت به طور کلی به طور غیر قابل مدیریت پیچیده می شود. تامپسون نشان می‌دهد که چگونه می‌توان از شبیه‌سازی برای دور زدن ضرورت به‌دست‌آوردن توابع احتمال یا توابع تولید لحظه به عنوان پیش‌رو برای تخمین پارامتر استفاده کرد. شبیه‌سازی: رویکرد مدل‌ساز یک راهنمای عملی و تحریک‌آمیز برای متخصصان آمار کاربردی و همچنین مهندسان، دانشمندان، دانشمندان کامپیوتر، تحلیلگران مالی و هر کسی است که به هم‌افزایی بین داده‌ها، مدل‌ها و رایانه دیجیتال علاقه دارد.

Simulation: a modeler’s approach

A unique, integrated treatment of computer modeling and simulation “The future of science belongs to those willing to make the shift to simulation-based modeling,” predicts Rice Professor James Thompson, a leading modeler and computational statistician widely known for his original ideas and engaging style. He discusses methods, available to anyone with a fast desktop computer, for integrating simulation into the modeling process in order to create meaningful models of real phenomena. Drawing from a wealth of experience, he gives examples from trading markets, oncology, epidemiology, statistical process control, physics, public policy, combat, real-world optimization, Bayesian analyses, and population dynamics. Dr. Thompson believes that, so far from liberating us from the necessity of modeling, the fast computer enables us to engage in realistic models of processes in , for example, economics, which have not been possible earlier because simple stochastic models in the forward temporal direction generally become quite unmanageably complex when one is looking for such things as likelihoods. Thompson shows how simulation may be used to bypass the necessity of obtaining likelihood functions or moment-generating functions as a precursor to parameter estimation. Simulation: A Modeler’s Approach is a provocative and practical guide for professionals in applied statistics as well as engineers, scientists, computer scientists, financial analysts, and anyone with an interest in the synergy between data, models, and the digital computer.