بررسی ویژگی های مونت کارلوی جمعیتی
Publish place: 3rd Conference on Financial Mathematics and Applications
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 810
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
CFMA03_051
Index date: 6 June 2015
بررسی ویژگی های مونت کارلوی جمعیتی abstract
روش نمونه گیری نقاط مهم همانند الگوریتم های زنجیر مارکف مونت کارلو (MCMC) قابل تکرار هستند، در حالی که این الگوریتم (نمونه گیری نقاط مهم) بستگی به نقطه ی شروع ندارد. روش مونت کارلوی جمعیتی (Population Monte Carlo) شامل تولیدهای مکرر از نمونه گیری نقاط مهم می باشد که توابع مهم (Importance functions) بکاررفته در آنها به نمونه های مهم تولید شده ی قبلی بستگی دارند. مزیت این روش بر الگوریتم های MCMC این است که چارچوب این الگوریتم، در هر تکرار، نا اریب است؛ بنابراین اجرای این الگوریتم می تواند در هر لحظه ی زمانی متوقف شود. زیرا تکرارها، اجرای الگوریتم تابع مهم (توزیع پیشنهادی) را بهبود می بخشند. بنابراین این امر منجر به یک روش نمونه گیری مهم بهبود یافته و کاراتر می شود. ما در این مقاله این روش را روی مثال های مختلف بررسی خواهیم کرد.
بررسی ویژگی های مونت کارلوی جمعیتی Keywords:
نمونه گیری نقاط مهم , روش های زنجیره مارکف مونت کارلو (MCMC) , مدل های آمیختهف الگوریتم های متروپلیس- هستینگز
بررسی ویژگی های مونت کارلوی جمعیتی authors
غلامحسین غلامی
دانشگاه ارومیه، دانشکده علوم، گروه ریاضی، ارومیه، ایران
احسان فیاضی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه آمار، فارس، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :